机器学习算法笔记--------建立西瓜数据集

西瓜书里面常用的三个数据集，西瓜数据集2.0，3.0，4.0整理如下，注意中文容易出现乱码。

西瓜数据集2.0

西瓜数据集3.0

西瓜数据集4.0

import pandas as pddef createDataSet_2():dataSet_2 = [# 1['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],# 2['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],# 3['乌黑', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],# 4['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜'],# 5['浅白', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],# 6['青绿', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '好瓜'],# 7['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', '好瓜'],# 8['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '硬滑', '好瓜'],# 9['乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜'],# 10['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', '坏瓜'],# 11['浅白', '硬挺', '清脆', '模糊', '平坦', '硬滑', '坏瓜'],# 12['浅白', '蜷缩', '浊响', '模糊', '平坦', '软粘', '坏瓜'],# 13['青绿', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', '坏瓜'],# 14['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', '坏瓜'],# 15['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘', '坏瓜'],# 16['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', '坏瓜'],# 17['青绿', '蜷缩', '沉闷', '稍糊', '稍凹', '硬滑', '坏瓜']]# 特征值列表labels_2 = ['色泽', '根蒂', '敲击', '纹理', '脐部', '触感', '好瓜']return dataSet_2, labels_2def createDataSet_3():dataSet_3 = [# 1['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.697, 0.460, '好瓜'],# 2['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', 0.774, 0.376, '好瓜'],# 3['乌黑', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.634, 0.264, '好瓜'],# 4['青绿', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', 0.608, 0.318, '好瓜'],# 5['浅白', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', 0.556, 0.215, '好瓜'],# 6['青绿', '稍蜷', '浊响', '清晰', '稍凹', '软粘', 0.403, 0.237, '好瓜'],# 7['乌黑', '稍蜷', '浊响', '稍糊', '稍凹', '软粘', 0.481, 0.149, '好瓜'],# 8['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '硬滑', 0.437, 0.211, '好瓜'],# 9['乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '硬滑', 0.666, 0.091, '坏瓜'],# 10['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', 0.243, 0.267, '坏瓜'],# 11['浅白', '硬挺', '清脆', '模糊', '平坦', '硬滑', 0.245, 0.057, '坏瓜'],# 12['浅白', '蜷缩', '浊响', '模糊', '平坦', '软粘', 0.343, 0.099, '坏瓜'],# 13['青绿', '稍蜷', '浊响', '稍糊', '凹陷', '硬滑', 0.639, 0.161, '坏瓜'],# 14['浅白', '稍蜷', '沉闷', '稍糊', '凹陷', '硬滑', 0.657, 0.198, '坏瓜'],# 15['乌黑', '稍蜷', '浊响', '清晰', '稍凹', '软粘', 0.360, 0.370, '坏瓜'],# 16['浅白', '蜷缩', '浊响', '模糊', '平坦', '硬滑', 0.593, 0.042, '坏瓜'],# 17['青绿', '蜷缩', '沉闷', '稍糊', '稍凹', '硬滑', 0.719, 0.103, '坏瓜']]# 特征值列表labels_3 = ['色泽', '根蒂', '敲击', '纹理', '脐部', '触感', '密度', '含糖率','好瓜']return dataSet_3, labels_3def createDataSet_4():dataSet_4 = [# 1[0.697, 0.460, '好瓜'],# 2[0.774, 0.376, '好瓜'],# 3[0.634, 0.264, '好瓜'],# 4[0.608, 0.318, '好瓜'],# 5[0.556, 0.215, '好瓜'],# 6[0.403, 0.237, '好瓜'],# 7[0.481, 0.149, '好瓜'],# 8[0.437, 0.211, '好瓜'],# 9[0.666, 0.091, '坏瓜'],# 10[0.243, 0.267, '坏瓜'],# 11[0.245, 0.057, '坏瓜'],# 12[0.343, 0.099, '坏瓜'],# 13[0.639, 0.161, '坏瓜'],# 14[0.657, 0.198, '坏瓜'],# 15[0.360, 0.370, '坏瓜'],# 16[0.593, 0.042, '坏瓜'],# 17[0.719, 0.103, '坏瓜']]# 特征值列表labels_4 = ['密度', '含糖率','好瓜']return dataSet_4, labels_4

机器学习算法笔记--------建立西瓜数据集相关推荐

python决策树 value_机器学习 | 算法笔记（四）- 决策树算法以及代码实现
概述上一篇讲述了<机器学习 | 算法笔记(三)- 支持向量机算法以及代码实现>,本篇讲述机器学习算法决策树,内容包括模型介绍及代码实现. 决策树决策树(Decision Tree)在机 ...
ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测
ML之分类预测:基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测目录输出结果数据集展示输出结果 1.k-NN 2.LoR 4.DT 5.RF ...
机器学习算法笔记——P22 sklearn—LASSO算法
机器学习算法笔记--P22 sklearn-LASSO算法 #!/usr/bin/env python # coding: utf-8# In[1]:import numpy as np from n ...
白话机器学习算法——笔记
白话机器学习算法--笔记第一章 1 数据准备数据格式 (一般为表格) 变量类型变量选择特征工程降维缺失数据的处理 2 选择算法 3 参数调优 4 评价模型总结第二章 k均值聚类 1 迭 ...
机器学习算法笔记（零）
机器学习算法笔记(零) 简介机器学习的定义:对于某类任务 T 和性能度量 P,一个计算机程序被认为可以从经验 E 中学习是指,通过经验 E 改进后,它在任务 T 上由性能度量 P 衡量的性能有所提升 ...
机器学习 | 算法笔记- 集成学习（Ensemble Learning）
前言本系列为机器学习算法的总结和归纳,目的为了清晰阐述算法原理,同时附带上手代码实例,便于理解. 目录 k近邻(KNN) 决策树线性回归逻辑斯蒂回归朴素贝叶斯支持向量机(SVM) 组合算法( ...
监督性机器学习算法笔记
基础与背景 1 基本概念 2 模型的评估与过拟合 3 泛化感知机与逻辑回归 1 感知机 11 模型 12 策略 13 算法 14 拓展 2 逻辑回归 21 二项分类模型 22 策略 23 算法 k- ...
机器学习算法笔记-聚类
聚类算法 k-means聚类 k-means的基本概念不稳定结果评价指标参数k如何选择基于kmeans的图像分割基于kmeans的半监督学习 DBSCAN聚类 DBSCAN的基本概念如何选 ...
【机器学习算法笔记系列】逻辑回归(LR)算法详解和实战
逻辑回归(LR)算法概述逻辑回归(Logistic Regression)是用于处理因变量为分类变量的回归问题,常见的是二分类或二项分布问题,也可以处理多分类问题,它实际上是属于一种分类方法. 逻辑 ...

机器学习算法笔记--------建立西瓜数据集

西瓜数据集2.0

西瓜数据集3.0

西瓜数据集4.0

机器学习算法笔记--------建立西瓜数据集相关推荐

最新文章

热门文章