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

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)

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

想使用这个接口，首先电脑得配备node.js，如果不知道node.js如何下载安装的可以点击这里，这篇文章前部分是下载安装方法，下面开始正文。

俩个方法在pycharm中导入pandas，numpy，matplotlib这三个包