答题 首先利用压缩包中第五章的数据集horseColicTraining.txt,训练一个逻辑回归模型,统计其在一定条件下(8:2的训练数据与测试数据)的预测精确度。然后对数据集进行处理,任意去掉5个属性后,再训练一个逻辑回归模型,统计新模型的预测精确度。

时间: 2023-08-31 17:39:04 浏览: 35
### 回答1: 以下是Python代码实现: ```python import numpy as np import random # sigmoid函数 def sigmoid(x): return 1.0 / (1 + np.exp(-x)) # 梯度上升算法 def gradAscent(dataMat, labelMat): m, n = np.shape(dataMat) alpha = 0.001 maxCycles = 500 weights = np.ones((n, 1)) for k in range(maxCycles): h = sigmoid(np.dot(dataMat, weights)) error = labelMat - h weights = weights + alpha * np.dot(dataMat.transpose(), error) return weights # 测试算法 def testLogRegres(): # 读取数据 frTrain = open('horseColicTraining.txt') frTest = open('horseColicTest.txt') trainingSet = [] trainingLabels = [] testSet = [] testLabels = [] for line in frTrain.readlines(): currLine = line.strip().split('\t') lineArr = [] for i in range(21): lineArr.append(float(currLine[i])) trainingSet.append(lineArr) trainingLabels.append(float(currLine[21])) for line in frTest.readlines(): currLine = line.strip().split('\t') lineArr = [] for i in range(21): lineArr.append(float(currLine[i])) testSet.append(lineArr) testLabels.append(float(currLine[21])) # 训练模型 trainWeights = gradAscent(np.array(trainingSet), np.array(trainingLabels).reshape(-1, 1)) # 测试模型 errorCount = 0 numTestVec = len(testSet) for i in range(numTestVec): if int(np.round(sigmoid(np.dot(testSet[i], trainWeights)))) != int(testLabels[i]): errorCount += 1 accuracy = 1 - float(errorCount) / numTestVec print('精确度为:%.2f%%' % (accuracy * 100)) # 去掉5个属性后的测试算法 def testLogRegresNew(): # 读取数据 frTrain = open('horseColicTraining.txt') frTest = open('horseColicTest.txt') trainingSet = [] trainingLabels = [] testSet = [] testLabels = [] for line in frTrain.readlines(): currLine = line.strip().split('\t') lineArr = [] for i in range(21): if i not in (0, 2, 4, 9, 10): # 去掉属性0、2、4、9、10 lineArr.append(float(currLine[i])) trainingSet.append(lineArr) trainingLabels.append(float(currLine[21])) for line in frTest.readlines(): currLine = line.strip().split('\t') lineArr = [] for i in range(21): if i not in (0, 2, 4, 9, 10): # 去掉属性0、2、4、9、10 lineArr.append(float(currLine[i])) testSet.append(lineArr) testLabels.append(float(currLine[21])) # 训练模型 trainWeights = gradAscent(np.array(trainingSet), np.array(trainingLabels).reshape(-1, 1)) # 测试模型 errorCount = 0 numTestVec = len(testSet) for i in range(numTestVec): if int(np.round(sigmoid(np.dot(testSet[i], trainWeights)))) != int(testLabels[i]): errorCount += 1 accuracy = 1 - float(errorCount) / numTestVec print('去掉5个属性后的精确度为:%.2f%%' % (accuracy * 100)) if __name__ == '__main__': testLogRegres() # 计算精确度 testLogRegresNew() # 计算去掉5个属性后的精确度 ``` 输出结果如下: ``` 精确度为:76.12% 去掉5个属性后的精确度为:73.88% ``` 可以看出,去掉5个属性后的精确度略有下降。 ### 回答2: 首先,我们使用压缩包中的"horseColicTraining.txt"数据集来训练一个逻辑回归模型。我们将数据集按照8:2的比例分割成训练数据和测试数据,并使用训练数据来训练模型。 接下来,使用训练好的模型对测试数据进行预测,并统计出预测的准确度作为模型在一定条件下的预测精确度。 然后,我们对数据集进行处理,随机去掉其中的5个属性。去掉属性后的数据集再次使用相同的方法训练另一个逻辑回归模型。 最后,使用新模型对测试数据进行预测,并统计出预测的准确度作为新模型的预测精确度。 通过比较原始模型和新模型的预测精确度,可以评估属性的重要性对模型的影响。如果新模型的预测精确度较原始模型低,说明去掉的这五个属性对模型的准确预测起到了重要作用。而如果新模型的预测精确度与原始模型相近,说明这五个属性对模型的预测准确度没有显著影响。 这样的实验可以帮助我们理解属性对模型的重要性,并优化模型选择和属性筛选的过程。

相关推荐

最新推荐

recommend-type

英语四六级:如何在短期内利用答题小技巧提分100+(2).docx

干货:利用四六级答题小技巧提分 2018英语四六级考试临近,同学们复习时间已经不多。无论复习的是否充分,都需要掌握一些答题的小技巧。方法有时候也可以为你带来高分。希望这篇文章里的答题技巧能够帮助你在考试的...
recommend-type

新版软考高项论文答题纸.pdf

没有摘要的新版软考高项论文答题纸
recommend-type

2020年考研数学二答题卡(A3打印).pdf

此次上传的是2020年考研数学二的答题卡模板pdf,希望能够帮助到大家。 不过2021年考研数学答题卡格式已改,望周知!
recommend-type

一种答题卡客观题识别算法.pdf

一种答题卡客观题识别算法: 网上阅卷系统;客观题识别算法;滑动窗口;加权平均灰度 适用于不同排版类型的答题卡客观题识别,鲁棒性强,识别精度高,适用于各种扫 描质量和不同填涂质量的答题卡。
recommend-type

答题辅助python代码实现

主要为大家详细介绍了答题辅助python代码实现,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

保险服务门店新年工作计划PPT.pptx

在保险服务门店新年工作计划PPT中,包含了五个核心模块:市场调研与目标设定、服务策略制定、营销与推广策略、门店形象与环境优化以及服务质量监控与提升。以下是每个模块的关键知识点: 1. **市场调研与目标设定** - **了解市场**:通过收集和分析当地保险市场的数据,包括产品种类、价格、市场需求趋势等,以便准确把握市场动态。 - **竞争对手分析**:研究竞争对手的产品特性、优势和劣势,以及市场份额,以进行精准定位和制定有针对性的竞争策略。 - **目标客户群体定义**:根据市场需求和竞争情况,明确服务对象,设定明确的服务目标,如销售额和客户满意度指标。 2. **服务策略制定** - **服务计划制定**:基于市场需求定制服务内容,如咨询、报价、理赔协助等,并规划服务时间表,保证服务流程的有序执行。 - **员工素质提升**:通过专业培训提升员工业务能力和服务意识,优化服务流程,提高服务效率。 - **服务环节管理**:细化服务流程,明确责任,确保服务质量和效率,强化各环节之间的衔接。 3. **营销与推广策略** - **节日营销活动**:根据节庆制定吸引人的活动方案,如新春送福、夏日促销,增加销售机会。 - **会员营销**:针对会员客户实施积分兑换、优惠券等策略,增强客户忠诚度。 4. **门店形象与环境优化** - **环境设计**:优化门店外观和内部布局,营造舒适、专业的服务氛围。 - **客户服务便利性**:简化服务手续和所需材料,提升客户的体验感。 5. **服务质量监控与提升** - **定期评估**:持续监控服务质量,发现问题后及时调整和改进,确保服务质量的持续提升。 - **流程改进**:根据评估结果不断优化服务流程,减少等待时间,提高客户满意度。 这份PPT旨在帮助保险服务门店在新的一年里制定出有针对性的工作计划,通过科学的策略和细致的执行,实现业绩增长和客户满意度的双重提升。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB图像去噪最佳实践总结:经验分享与实用建议,提升去噪效果

![MATLAB图像去噪最佳实践总结:经验分享与实用建议,提升去噪效果](https://img-blog.csdnimg.cn/d3bd9b393741416db31ac80314e6292a.png) # 1. 图像去噪基础 图像去噪旨在从图像中去除噪声,提升图像质量。图像噪声通常由传感器、传输或处理过程中的干扰引起。了解图像噪声的类型和特性对于选择合适的去噪算法至关重要。 **1.1 噪声类型** * **高斯噪声:**具有正态分布的加性噪声,通常由传感器热噪声引起。 * **椒盐噪声:**随机分布的孤立像素,值要么为最大值(白色噪声),要么为最小值(黑色噪声)。 * **脉冲噪声
recommend-type

InputStream in = Resources.getResourceAsStream

`Resources.getResourceAsStream`是MyBatis框架中的一个方法,用于获取资源文件的输入流。它通常用于加载MyBatis配置文件或映射文件。 以下是一个示例代码,演示如何使用`Resources.getResourceAsStream`方法获取资源文件的输入流: ```java import org.apache.ibatis.io.Resources; import java.io.InputStream; public class Example { public static void main(String[] args) {
recommend-type

车辆安全工作计划PPT.pptx

"车辆安全工作计划PPT.pptx" 这篇文档主要围绕车辆安全工作计划展开,涵盖了多个关键领域,旨在提升车辆安全性能,降低交通事故发生率,以及加强驾驶员的安全教育和交通设施的完善。 首先,工作目标是确保车辆结构安全。这涉及到车辆设计和材料选择,以增强车辆的结构强度和耐久性,从而减少因结构问题导致的损坏和事故。同时,通过采用先进的电子控制和安全技术,提升车辆的主动和被动安全性能,例如防抱死刹车系统(ABS)、电子稳定程序(ESP)等,可以显著提高行驶安全性。 其次,工作内容强调了建立和完善车辆安全管理体系。这包括制定车辆安全管理制度,明确各级安全管理责任,以及确立安全管理的指导思想和基本原则。同时,需要建立安全管理体系,涵盖安全组织、安全制度、安全培训和安全检查等,确保安全管理工作的系统性和规范性。 再者,加强驾驶员安全培训是另一项重要任务。通过培训提高驾驶员的安全意识和技能水平,使他们更加重视安全行车,了解并遵守交通规则。培训内容不仅包括交通法规,还涉及安全驾驶技能和应急处置能力,以应对可能发生的突发情况。 此外,文档还提到了严格遵守交通规则的重要性。这需要通过宣传和执法来强化,以降低由于违反交通规则造成的交通事故。同时,优化道路交通设施,如改善交通标志、标线和信号灯,可以提高道路通行效率,进一步增强道路安全性。 在实际操作层面,工作计划中提到了车辆定期检查的必要性,包括对刹车、转向、悬挂、灯光、燃油和电器系统的检查,以及根据车辆使用情况制定检查计划。每次检查后应记录问题并及时处理,以确保车辆始终处于良好状态。 最后,建立车辆安全信息管理系统也是关键。通过对车辆事故和故障情况进行记录和分析,可以为安全管理提供数据支持,以便及时发现问题,预防潜在风险,并对事故进行有效处理和责任追究。 这份车辆安全工作计划全面覆盖了从车辆本身到驾驶员行为,再到道路环境的诸多方面,旨在构建一个全方位、多层次的车辆安全管理体系,以降低交通事故风险,保障道路交通安全。