2.处理缺失值下载 UCI 数据集中的“匹兹堡的桥”（https://archive.ics.uci.edu/ml/datasets/Pittsburgh+Bridges, 选择其中的bridges.data.version1 部分）。对该数据集中出现的缺失值（用？表示），选择一个数值列，用平均值填充；选择一个离散列（离散型取值），用众数填充。说明：（1）建议放入数据集的特征名。（2）建议将缺失值

实验数据集：垃圾邮件数据集（http://archive.ics.uci.edu/ml/datasets/Spambase）。请从spambase.csv读入数据。数据集基本信息如下：样本数: 4601,特征数量: 57, 类别：1为垃圾邮件，0为非垃圾邮件。将样本集划分为70%的训练集，30%作为测试集。分别完成以下内容。决策树（1）分别取节点分裂标准为“gini”或“entropy”，分别建立

数据集：乳腺癌数据集（from sklearn.datasets import load_breast_cancer）。（1）将样本集划分为70%的训练集，30%作为测试集，分别用逻辑回归算法和KNN算法（需要先对数据进行标准化）建模（不指定参数），输出其测试结果的混淆矩阵，计算其准确率、查全率和假正率。（2）利用搜索网格，分别确定逻辑回归及KNN模型的最优参数。KNN算法的主要参数提示：①n_n

中国各省市名称和行政区号