PCA简介 主成分分析（principle component analysis）是一种线性降维方法。它利用正交变换对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。PCA是一种对数据进行简化分析的技术，可以有效地找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复

“Talk is cheap. Show me the code.” ― Linus Torvalds 老子第41章 上德若谷 大白若辱 大方無隅 大器晚成 大音希聲 大象無形 道隱無名 拳打千遍, 身法自然 “There’s no shortage of remarkable ideas, what’s missing is the will to execute them.” – Set

通过前两次对前馈神经网络的探究实验，基础掌握了前馈神经网络的基本概念、网络结构及代码实现，利用前馈神经网络完成一个分类任务，并通过两个简单的实验，观察前馈神经网络的梯度消失问题和死亡ReLU问题，以及对应的优化策略。接下来便落实实例，完成基于前馈神经网络完成鸾尾花分类。 目录 深入研究鸾尾花数据集 小批量梯度下降法  数据分组 数据处理 用DataLoader进行封装 模型构建

Python机器学习 学习笔记与实践 环境：win10 + Anaconda3.8 例子二 源自《Python机器学习基础教程》—Andreas C.Muller 任务：鸾尾花的分类。鸾尾花有3个品种：setosa、versicolor、virginica。每种鸾尾花都有4个属性：花瓣的长度和宽度以及花萼的长度和宽度。现在要建立模型根据鸾尾花的4个属性来判断鸾尾花的种类，即分类问题。 1、获

“”" 这是一个神经网络的示意图。 大家看到这里可能会感到非常的困惑，什么输入层，输出层，隐藏层，权重，阈值什么的到底是什么。接下来我为大家举个例子，去理解它。 这里我们从线性回归开始一步步引入神经网络，因为我们可以把线性回归看成是一个单层的神经网络，它的结构就应该是这样： 在线性回归中，我们尝试使用一条y_pred=wx+b的直线来拟合真实值y_true。使用梯度下降来一步步逼近他的真实

目录 1 机器学习中的Helloworld _鸾尾花分类项目 2 导入项目所需类库和鸾尾花数据集 2.1 导入类库 2.2 scikit-learn 库介绍  （1）主要特点： （2）常见的子模块： 3 导入鸾尾花数据集 3.1 概述数据 3.2 数据维度 3.3 查看数据自身 3.4 统计描述数据 3.5 数据分类分布 4 数据可视化 4.1 单变量图表 4.2 多

目录 5 模型实现 5.1 分离出评估数据集 5.2 创建不同的模型来预测新数据

目录 1 机器学习中的Helloworld _鸾尾花分类项目 2 导入项目所需类库和鸾尾花数据集 2.1 导入类库