目录

前言

一、AI1 鸢尾花分类_1

描述：

解答：

二、AI2 鸢尾花分类_2

描述

解答

三、 AI3 决策树的生成与训练-信息熵的计算

描述

 解答

 四、AI4 决策树的生成与训练-信息增益

描述

 解答：

选择最优划分算法

 五、AI5 使用梯度下降对逻辑回归进行训练

描述

解答

Logistic模型原理详解以及Python项目实现 

 gradientDescent梯度下降算法

总结

前言

能使用机器学习算法模型的业务场景还是很少的，而且检验成本高，一般是建模比赛或者是其他相关赛事才能用到机器学习模型，而且衡量模型质量检测也是个问题。我们在学习阶段比较难应用到部分算法而且仅参照书本上少数例子很容易遗忘，在网上搜索有关机器学习算法练习的时候发现牛客正好有此题目分类，但是题目量比较少仅有五道，也算是练练手吧~

刷题传送门：牛客刷题

使用方法：

一、AI1 鸢尾花分类_1

描述：

请编写代码实现train_and_predict功能，实现能够根据四个特征对三种类型的鸢尾花进行分类。

train_and_predict函数接收三个参数:

• train_input_features—二维NumPy数组，其中每个元素都是一个数组，它包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。

• train_outputs—一维NumPy数组，其中每个元素都是一个数字，表示在train_input_features的同一行中描述的鸢尾花种类。0表示鸢尾setosa，1表示versicolor，2代表Iris virginica。

• prediction_features—二维NumPy数组，其中每个元素都是一个数组，包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。