机器学习：线性模型
从线性组合的假设出发，介绍线性模型、线性回归与逻辑斯蒂回归的基本思想，建立从特征到预测函数的建模框架。
机器学习
机器学习基础：背景介绍与pandas对象的创建
面向机器学习前期数据准备，介绍 Pandas 的 Series、DataFrame 与基本创建方式，帮助把原始数据整理成后续建模可以直接使用的表格结构。
机器学习基础：对NumPy数组进行数据处理操作
整理 NumPy 数组的数据处理操作，包括索引切片、过滤、统计聚合、组合与结果保存，适合作为数据预处理阶段的速查笔记。
机器学习基础：通过NumPy生成随机数与样本采样
介绍 NumPy 随机数生成与样本采样方法，涵盖常见分布、随机数组和抽样场景，为实验数据构造与模型训练准备基础工具。
机器学习基础：使用NumPy做算术运算和矩阵运算
围绕 NumPy 数组运算展开，梳理逐元素计算、广播机制、矩阵乘法和常用线性代数操作，建立机器学习数值实现的基本手感。
机器学习基础：NumPy数组的创建和基本使用
从机器学习中的数值计算需求出发，讲解 NumPy 数组的创建、初始化、数据类型和基础属性，为后续矩阵运算与数据处理打底。
CentOS7上配置Anaconda3并使用vscode远程连接jupyter
本文记录了笔者在Centosy7服务器上搭建了jupyter notebook的实验环境和使用vscode远程连接jupyter notebook的过程。