PyTorch框架使得构造和训练神经网络方便了许多，为简述其用法，同时也为说明卷积神经网络的原理，本文举例说明如何基于PyTorch框架构造并训练一个卷积神经网络用于识别手写阿拉伯数字。

反向传播神经网络是最经典的有监督学习网络，本文给出其详细原理，并使用Python代码给出一个使用示例。

简述什么是回归分析，为何要把普通线性模型推广到广义，为什么要关注被解释变量服从什么分布、连结函数的选择与被解释变量所属分布是否有关、为什么说最小二乘法是训练广义线性模型的一种特例、如何处理离散且无序的解释变量、如何训练模型、如何检验模型效果等一系列问题。并通过代码给出一个在车险纯风险保费定价中的应用示例。

PyTorch框架使得构造和训练神经网络方便了许多，为简述其用法，同时也为说明卷积神经网络的原理，本文举例说明如何基于PyTorch框架构造并训练一个卷积神经网络用于识别手写阿拉伯数字。

本文希望以尽可能直观形象的视角简单阐述一下究竟什么是线性方程组，以及与之相关的一些概念和性质，并举例说明一下如何求解一个线性方程组。

在做回归分析之前，往往需要先了解各变量或者说各维度之间的相关程度，具有明显相关性的变量间才有回归分析的必要。如果变量间是线性相关，可以用相关系数度量；如果是非线性相关，则需要用信息量相关度来度量。本文给出这两种度量方法的原理和示例代码。

反向传播神经网络是最经典的有监督学习网络，本文给出其详细原理，并使用Python代码给出一个使用示例。