实现神经网络的反向传播求导，并用梯度来优化神经网络，实现对手写数字的多分类任务。在最后对隐藏层进行可视化。

吴恩达《机器学习》课后实践，介绍使用Logistic和神经网络实现对手写数字的分类的相关知识，用python进行代码实现（使用预训练好的参数），并在PyTorch框架下搭建了一个神经网络，查看其参数。

实现神经网络的反向传播求导，并用梯度来优化神经网络，实现对手写数字的多分类任务。在最后对隐藏层进行可视化。

吴恩达《机器学习》之Logistic回归原理讲解与Python代码实现，服数据集

机器学习--线性回归的原理讲解以及代码实现，实验分析，附数据与源码

吴恩达《机器学习》之Logistic回归原理讲解与Python代码实现，服数据集

实验四 机器学习算法建模与求解实验目的：掌握使用实用软件通过各类基础的机器学习算法解决实际数据统计分析任务的能力，熟悉线性回归、SVM、kmeans、PCA等算法的调用。实验内容：1、对于下表中的数据，对1990年-2005年内的数据建立人口自然增长率对于国民总收入、CPI增长率和人均GDP的三元线性回归模型。2、下载UCI中wine数据集：http://archive.ics.uci.edu/m

K-Means算法的数学原理和python实现，并利用K-Menas算法进行了图像压缩和分析。

从数学角度推理PCA降维的方法，使用python实现PCA降维，实现人脸数据的压缩。附带源代码和数据集。

从数学角度推理PCA降维的方法，使用python实现PCA降维，实现人脸数据的压缩。附带源代码和数据集。