1、机器学习代码:这种代码通常用于训练模型,比如使用Python中的`scikitlearn`库进行分类、回归或聚类任务。
python
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
加载数据集
iris = load_iris()
X, y = iris.data, iris.target
将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
2、深度学习代码:使用框架如TensorFlow或PyTorch来构建神经网络。
python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
构建一个简单的神经网络模型
model = Sequential([
Dense(64, activation='relu', input_shape=(784,)),
Dense(10, activation='softmax')
])