说不定以后能用到
(注意：1.所有答案都需写在答题纸上，写在试卷上的无效。
2.涉及数据分析相关库的使用，假定都已经导入并且设置了别名，numpy
的别名为np，pandas的别名为pd，matplotlib.pyplot的别名为plt。
3.涉及到使用matplotlib.pyplot作图的，假定已经经过属性设置，能
够正确显示中文、负号。 )
三、Python编程题（每题7分，共14分）
- 已知一批数据，单价和运输成本是两个字段，其中的数据有：
单价 运输成本
3.6 1.6
6.5 2.8
35.9 6.7
5.9 3.2
4.1 1.9
4.4 2.2
1.8 0.7
7.6 4.0
请编写程序，以单价为特征、运算成本为标签，通过学习以上数据构建一元线性回归算法模型，在此基础上，输出一元线性回归模型的两个参数、并调用预测方法输出单价为10和20时的运输成本。
解：
from sklearn import linear_model （1分）
#数据（必须是二维数组）
x = np.array([3.6,6.5,35.9,5.9,4.1,4.4,1.8,7.6]).reshape(8,1) （1分）
#（一位数组不行，是行）二维数组8行1列
y = np.array([1.6,2.8,6.7,3.2,1.9,2.2,0.7,4.0]).reshape(8,1) （1分）
#模型创建
model = linear_model.LinearRegression() （1分）
#模型学习
model.fit(x,y) （1分）
#输出模型参数
print(model.coef_[0],model.intercept_) （1分）
#模型预测（无论是一个或者多个，必须写为二维数组的形式【成列展示】）
print( model.predict([[10],[20]]) ) （1分） - 已知一批数据，销售额和利润是两个字段，其中的数据有：
销售额 利润
174 86
54 9
90 24
28 19
54 37
15 7
161 33
133 86
如果销售额和利润都是特征，采用K均值聚类算法学习以上数据，划分为3个聚类，在此基础上，输出两个聚类中心点的坐标，并调用预测方法输出预测[50,15]、[100,25]、[150,50]这三个点分别是属于哪个聚类的。
解：from sklearn.cluster import KMeans （1分）
#数据（必须是二维数组）
x = np.array([[174,86],[54,9],[90,24],[28,19],
[54,37],[15,7],[161,33],[133,86]]) （2分）#8行2列
#模型创建
kmeans = KMeans(n_clusters=3) （1分）
#模型学习
kmeans.fit(x) （1分）
#输出模型参数
print( kmeans.cluster_centers_) （1分）
#模型预测（二维数组，两列形式）
print( kmeans.predict([[50,15],[100,25],[150,50]])) （1分）
- 在上一题的数据基础上，如果销售额和利润都是特征，假设引入标签列将以上数据划分为了[1,1,1,2,2,2,3,3]，请采用K邻近算法学习以上数据，设定k为3，在此基础上，调用预测方法输出预测[50,15]、[100,25]、[150,50]这三个点分别是属于哪个标签的。
解：from sklearn.neighbors import KNeighborsClassifier （1分）
#数据
x = np.array([[174,86],[54,9],[90,24],[28,19],
[54,37],[15,7],[161,33],[133,86]]) （2分）
y = np.array([1,1,1,2,2,2,3,3]) （1分）
#模型创建
knn = KNeighborsClassifier(n_neighbors = 3) （1分）
#模型学习
knn.fit(x,y) （1分）
#模型预测
print( knn.predict([[50,15],[100,25],[150,50]])) （1分）