近期想搭个服务器做一个博客，正好昨天正式发布了，我用的是thinkcmf的二次开发框架,thinkcmf其实就是thinkphp框架基础上所进行的二次开发，本质也还是php项目，写这篇也是为了记录下发布过程中的整个步骤，以防以后忘记，一共分为三部分，不想看前面的直接看第二步就行了，第一部分是买服务器过程（我是新用户试用一个月），第二部分宝塔面板的操作，第三部分是买一个域名进行绑定。

本次是多分类逻辑回归的代码，主题是让你预测5000个手写数字对应的真正数字，每张图片有400个特征值，可以用20*20的方阵表示出来，一共5000行数据，此次的数据集是.mat类型，和以往的txt的导入会不同。.........

这次的作业主要目的是研究偏差和方差也就是过拟合和欠拟合的关系，数据分别是水位的变化来预测大坝流出的水量，其实和房价预测相差不大，要说区别就是这次将X分为了三部分，分别是训练集，交叉集，测试集（X，Xval，Xtest）

这篇是逻辑回归第一个任务的一个稍改动版，简单说一下代码的流程，需要知道细节的可以看看我前俩篇的逻辑回归，这俩篇分别是单分类和多分类逻辑回归，内容很细，这篇主要是为了上传一下完整代码。......

这篇是逻辑回归第一个任务的一个稍改动版，简单说一下代码的流程，需要知道细节的可以看看我前俩篇的逻辑回归，这俩篇分别是单分类和多分类逻辑回归，内容很细，这篇主要是为了上传一下完整代码。......

此次还是分为俩个部分，第一部分是利用k-means算法进行聚类，第一部分分为俩小步骤，第一步为给好的数据集进行分类(ex7data2)，第二步是利用k-means算法来对图片进行压缩，然后第二部分也分为俩小步骤，第一步是将一个二维数组利用PCA方法降到1维(ex7data1)，第二步，将一堆人脸图片，利用PCA进行降维(ex7faces)

这篇就是总结一下Anaconda里也就是jupyter notebook中如何安装使用tensorflow的GPU版本，踩了好多好多坑，各种各样的错误，写这篇文章也是为了记录一下步骤和各种错误，以防自己忘了还要在踩坑。(这里我就默认已经装好了Anaconda和jupyter notebook了)

最近机器学习学完，闲着无事学一下小程序，安装vant组件库的前提是要拥有一个node.js（npm在其中），下载完node.js之后，在微信小程序的项目文件中输入命令行安装即可。

这篇主要是用神经网络来预测手写数据集，用的数据还是多分类逻辑回归的数据，这次多填了一个ex3weight.mat文件，有5000个样本，400列特征值。

此次作业共可分为4个部分，前三个部分是利用支持向量机和高斯来对数据集进行分类，类似前几章的逻辑回归，第四部分是对垃圾邮件进行分类，理论什么的可以看看大神的笔记，讲的比较细致，数据集分别是ex6data(1-3),spainTest,spainTrain这次需要用到pandas中的pd.DataFrame()的方法，将数据集整合到一起并且准确找出特征值，sklearn工具包中包括了许多高级算法，支持