摘要：本文通过SAS的REG过程演示了多元线性回归分析。示例使用8组观测数据，建立y与x1-x3的回归模型。分析内容包括参数估计（含p值检验）、方差分析（回归平方和、残差平方和）、模型显著性检验，以及决定系数、复相关系数等统计量。当p值显示某些自变量不显著时，需进行变量筛选优化模型。最终输出了回归方程、拟合诊断及各项统计指标，全面评估了模型的解释力和拟合效果。

Seaborn的sns.clustermap函数用于创建聚类热图，通过颜色和位置直观展示数据相似性。主要参数包括数据输入、行列聚类控制、距离度量方法、标准化处理及颜色映射。函数返回ClusterGrid对象，支持进一步自定义。参考实现展示了不同应用场景：基础聚类、大小布局调整、彩色标签添加、颜色映射修改、聚类参数变更、数据标准化和规范化处理。该工具适用于探索性数据分析，但需注意大数据集可能增加计算

详细参照前文【PyTorch】单目标检测项目import os# 定义一个函数，用于将a列表中的元素除以b列表中的对应元素，返回一个新的列表# 使用zip函数将a和b列表中的元素一一对应# 返回新的列表return div# 定义一个函数，用于将a列表中的元素乘以b列表中的对应元素，返回一个新的列表# 使用zip函数将a和b列表中的元素一一对应# 返回新的列表return div# 定义一个函数，

Kd树是一种对K（与k近邻的k意义不同）维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。Kd树是一种二叉树，表示对K维空间的一个划分(partition)。构造Kd树相当于不断地用垂直于坐标轴的超平面将K维空间切分，构成一 系列的K维超矩形区域。Kd树的每个结点对应于一个k维超矩形区域。

LInux虚拟机ubuntu-20.04.6安装配置（可直接联网）

热力图是一种通过颜色变化展示数据强度的可视化工具，常用于呈现矩阵数据、相关性分析等场景。其核心原理是将数值映射为颜色深浅，通过色块直观反映数据分布。Seaborn库的sns.heatmap函数支持多种参数配置，包括颜色映射范围、注释显示、单元格样式等。典型实现包括生成随机矩阵、设置坐标标签、添加遮罩效果等操作，还能结合相关系数矩阵进行高级分析。通过合理设置参数，热力图可有效揭示数据间的关联模式和分

TensorFlow Playground 是 Google 推出的浏览器端交互式神经网络可视化工具。该工具无需安装，支持通过拖拽实时观察隐藏层、神经元数量对决策边界的影响，以及学习率、激活函数等参数的变化效果。界面分为五大功能区：数据区提供内置数据集，特征区控制输入维度，网络区调整拓扑结构，训练区设置超参数，可视化区展示实时训练曲线和决策边界。此外，用户可自定义数据生成、特征工程和网络结构，并通

Pytorch torchvision 包提供了很多常用数据集数据按照用途一般分为三组：训练（train）、验证（validation）和测试（test）。使用训练数据集来训练模型，使用验证数据集跟踪模型在训练期间的性能，使用测试数据集对模型进行最终评估。

决策树是一类预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。

CUDA 是 NVIDIA 专为图形处理单元 (GPU) 上的通用计算开发的并行计算平台和编程模型，CUDA版本需满足对应的Pytorch要求。-n后面加上命名，pyt1是环境名，python=3.6指给创建的环境配置python3.6的解释器。在Anaconda prompt中通过conda指令创建一个命名为pyt1的环境。在创建的虚拟环境中安装Pytorch，使用之前复制的命令。安装完成后看下