该文将介绍感知机A（perceptron）这一算法。感知机是由美国学者Frank Rosenblatt在1957年提出来的。为何我们现在还要学习这一很久以前就有的 算 法 呢 ？ 因 为 感 知 机 也 是 作 为 神 经 网 络（深 度 学 习）的起源的算法 。 因此 ，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。该文我们将简单介绍一下感知机，并用感知机解决一些简单的问题。希

python 图像等比例缩放

如何选择最优特征作为分类特征。本篇文章将在此基础上进行介绍。主要包括：决策树构建、决策树可视化、使用决策树进行分类预测、决策树的存储和读取、sklearn实战之预测隐形眼睛类型

一篇文章搞定《动手学深度学习》-（李沐）PyTorch版本的所有内容

高斯坐标正反算算法，在正算的时候，y的第一个数字表示是用几度带换算的，第二个数字和第三个数字表示带号。该程序是根据武汉大学出版社出版的第三版的《大地测量学基础》编写， 用于课程实验学习。

【代码】用python获取.csv文件中某一列或者某些列。

cv2.error: OpenCV(3.4.2) c:\projects\opencv-python\opencv\modules\imgproc\src\color.hpp:253: error: (-215:Assertion failed) VScn'......'

前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。

k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一

本篇文章将会讲解CART算法的实现和树的剪枝方法，通过测试不同的数据集，学习CART算法和树剪枝技术。