函数说明load_dataset函数从Hugging Face Hub或者本地数据集文件中加载一个数据集。可以通过 https://huggingface.co/datasets 或者datasets.list_datasets()函数来获取所有可用的数据集。参数path表示数据集的名字或者路径。可以是一个数据集的名字，比如"imdb"、“glue”；也可以是通用的产生数据集文件的脚本，比如"js

函数原型numpy.append(arr, values, axis=None)函数解释在数组的末尾添加元素，根据数据的形状可以从不同维度进行添加；如果没有指定axis，则数组会展平成一维数组。函数用法>>> a = np.zeros((2, 2, 2))>>> aarray([[[0., 0.],[0., 0.]],[[0., 0.],[0., 0.]]])&

函数原型tf.keras.layers.BatchNormalization(axis=-1,momentum=0.99,epsilon=0.001,center=True,scale=True,beta_initializer='zeros',gamma_initializer='ones',moving_mean_initi

函数说明contour函数绘制三维图像到二维图像所对应的等高线，而contourf函数也就绘制等高线，值不过contourf是带填充的等高线。这两个函数的参数都是一样的。参数X、Y表示等高线的坐标，Z表示等高线的高度，也就是坐标点(x, y)对应的高度h。如果X的长度为N，Y的长度为M，那么Z的形状为（N，M）。参数levels表示等高线的条数。............

函数原型tf.keras.layers.Embedding(input_dim,output_dim,embeddings_initializer='uniform',embeddings_regularizer=None,activity_regularizer=None,embeddings_constraint=None,mask_zero=False,

函数原型tf.keras.layers.Dense(units,activation=None,use_bias=True,kernel_initializer='glorot_uniform',bias_initializer='zeros',kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,

函数说明Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性（分别是：花萼长度，花萼宽度，花瓣长度，花瓣宽度）。可通过这4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类的鸢尾花中的哪一类。Iris里有两个

函数说明load_dataset函数从Hugging Face Hub或者本地数据集文件中加载一个数据集。可以通过 https://huggingface.co/datasets 或者datasets.list_datasets()函数来获取所有可用的数据集。参数path表示数据集的名字或者路径。可以是一个数据集的名字，比如"imdb"、“glue”；也可以是通用的产生数据集文件的脚本，比如"js

基本概念神经元和感知器模型神经元是人脑中的神经细胞，用于处理和传递化学和电信号；感知器就是一种对神经元运行过程的一种抽象结果。感知器模型如下：f(x)= sign(w*x+b)其中，x为输入向量，sign为符号函数，括号里面大于等于0，则其值为1，括号里面小于0，则其值为-1。w为权值向量，b为偏置。求感知机模型即求模型参数w和b。感知器预测，即通过学习得到的感知机模型，对于新的输入实例给出其对应