本文是对线性SVM实践性理解，利用sklearn.svm中的LinearSVC。此外参考链接给出了几个较为详细的SVM原理理解。

对于这个练习，了解泛化误差中的方差和偏差

对于这个练习，我们将再次处理手写数字数据集，这次使用反向传播的前馈神经网络。 我们将通过反向传播算法实现神经网络代价函数和梯度计算的非正则化和正则化版本。 我们还将实现随机权重初始化和使用网络进行预测的方法。

本文运用逻辑回归对手写数字进行分类预测。。。。

本文主要是：通过练习，了解逻辑回归原理以及 代价函数、梯度下降相关理解，应用到分类任务中，正则化训练算法

本文主要是：通过练习，了解线性回归原理以及 代价函数、梯度下降相关理解

本文主要是：通过学习python处理糖尿病数据集的方法，了解数据集特征，已经线性回归在预测糖尿病中的应用…

本文主要是：新冠肺炎COVID-19 State Data Set的简单分析与处理

本文主要内容

UC Irvine具有用于存储各种数据的大型存储库。 本文使用鸢尾花数据集（https://archive.ics.uci.edu/ml/datasets/Iris）进行实验。 为分类任务实施朴素贝叶斯分类器。 这项试验，随机抽取70％的实例进行训练，其余的则进行测试。 重复试验10次并计算平均准确度。 由于特征是连续变量，因此您可能需要在概率计算中使用高斯模型。