第3关：手写数字识别任务描述相关知识数据简介RandomForestClassifier编程要求测试说明任务描述本关任务：使用 sklearn 中的 RandomForestClassifier 类完成手写数字识别任务。请不要修改Begin-End段之外的代码。相关知识为了完成本关任务，你需要掌握如何使用 sklearn 提供的 RandomForestClassifier 类。数据简介本关使用的

第2关:Seaborn图形介绍任务描述相关知识频次直方图、KDE和密度图矩阵图分面频次直方图条形图折线图编程要求测试说明任务描述本关任务：编写一个使用Seaborn来绘制散点图的程序。相关知识Seaborn的主要思想是用高级命令为统计数据探索和统计模型拟合创建各种图形，下面将介绍一些Seaborn中的数据集和图形类型。虽然所有这些图形都可以用Matplotlib命令实现（其实Matplotlib就

1.首先了解一下什么是过拟合，什么是欠拟合？过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。 过度的拟合了训练数据，而没有考虑到泛化能力。解决方法：（1）减少特征维度；（2）正则化，降低参数值。欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大；解决方法：（1）增加特

第1关：基于贝叶斯决策理论的分类方法任务描述本关任务：理解朴素贝叶斯的分类思想，完成编程习题。相关知识为了完成本关任务，你需要掌握：1.贝叶斯，2.朴素贝叶斯。贝叶斯朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素负叶斯之前有必要快速了解一下贝叶斯决策理论。 假设现在我们有一个数据集，它由两类数据组成，数据分布如图1所示。图1 两个参数已知的概率分布，参数决定了分布的形状。假设有位读者找到了描述图

任务描述相关知识数据集介绍神经网络是如何训练前向传播交叉熵反向传播sklearn中的神经网络编程要求测试说明任务描述本关任务：用sklearn构建神经网络模型，并通过鸢尾花数据集中鸢尾花的4种属性与种类对神经网络模型进行训练。我们会调用你训练好的神经网络模型，来对未知的鸢尾花进行分类。相关知识为了完成本关任务，你需要掌握：1.神经网络是如何训练，2.前向传播，3.反向传播,4.sklearn中的神

第1关：Bagging任务描述相关知识什么是BaggingBagging方法如何训练与预测训练预测编程要求测试说明任务描述本关任务：补充 python 代码，完成 BaggingClassifier 类中的 fit 和 predict 函数。请不要修改 Begin-End 段之外的代码。相关知识为了完成本关任务，你需要掌握：什么是 Bagging；Bagging 算法如何训练与预测。什么是Bagg

任务描述相关知识如何处理隐形眼镜数据集编程要求测试说明任务描述本关任务：编写一个例子讲解决策树如何预测患者需要佩戴的隐形眼镜类型。使用小数据集，我们就可以利用决策树学到很多知识：眼科医生是如何判断患者需要佩戴的镜片类型，一旦理解了决策树的工作原理，我们甚至也可以帮助人们判断需要佩戴的镜片类型。相关知识为了完成本关任务，你需要掌握：1.如何处理隐形眼镜数据集，2.如何使用决策树来进行预测如何处理隐形

第2关：随机森林算法流程任务描述本关任务：补充 python 代码，完成 RandomForestClassifier 类中的 fit 和 predict 函数。请不要修改 Begin-End 段之外的代码。相关知识为了完成本关任务，你需要掌握随机森林的训练与预测流程随机森林的训练流程随机森林是 Bagging 的一种扩展变体，随机森林的训练过程相对与 Bagging 的训练过程的改变有：基学习器

任务描述相关知识卷积神经网络为什么使用卷积神经网络卷积池化全连接网络卷积神经网络大致结构pytorch构建卷积神经网络项目流程数据集介绍与加载数据构建模型训练模型保存模型加载模型编程要求测试说明任务描述本关任务：使用pytorch搭建出卷积神经网络并对手写数字进行识别。相关知识为了完成本关任务，你需要掌握：1.卷积神经网络，2.pytorch构建卷积神经网络项目流程。卷积神经网

第1关：基于贝叶斯决策理论的分类方法任务描述本关任务：理解朴素贝叶斯的分类思想，完成编程习题。相关知识为了完成本关任务，你需要掌握：1.贝叶斯，2.朴素贝叶斯。贝叶斯朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素负叶斯之前有必要快速了解一下贝叶斯决策理论。 假设现在我们有一个数据集，它由两类数据组成，数据分布如图1所示。图1 两个参数已知的概率分布，参数决定了分布的形状。假设有位读者找到了描述图