Ex_treme's blog.

案例:NLP技术实现预测天气冷暖感知度(案例需求和数据准备)

2018/11/14 Share

小节内容

  • 案例需求
  • 实验数据准备,代码演示
  • 数据分析与可视化,代码演示
  • 算法模型及原理讲解
  • 算法模型构建与实现,代码演示
  • 算法优化与应用

案例需求

[需求]现在你来了一个新任务,任务其实非常简单,就是根据吃冰淇淋、喝水的数量、户外活动时长判断程度天气冷热程度。你现在要做的就是去成都街头采访记录一些游客吃了多少冰淇淋,又喝了几瓶水,他觉得程度天气怎么样(这里只考虑二分类问题,假设只有**‘非常热’和‘一般热’**)。其中特征向量包括两个分别是冰淇淋数t、喝水数t2、户外活动时间t3,标签类别分别是非常热A和一般热B。

数据准备

image

代码示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# -*- coding: utf-8 -*-
# @Time : 18-11-14 上午10:14
# @Author : Ex_treme
# @Email : pzsyjsgldd@163.com
# @File : knn.py
# @Software: PyCharm

from numpy import *


def create_dataset():
"""创建数据源,返回数据集和类标签"""
dataset = array([[8, 4, 2], [7, 1, 1], [1, 4, 4], [3, 0, 5]]) # 数据集
labels = ['非常热', '非常热', '一般热', '非常热'] # 类标签
return dataset, labels


if __name__ == "__main__":
dataset, labels = create_dataset()
print(dataset, '\n', labels)
pass
CATALOG
  1. 1. 小节内容
    1. 1.1. 案例需求
    2. 1.2. 数据准备
    3. 1.3. 代码示例