本书为本科生设计，旨在通过一系列实践性实验引导学生深入理解并掌握机器学习的核心概念与算法。
线性方程
1. 建立房价与住房面积的线性回归模型，训练回归参数，并给出测试结果及计算精度；同时画出回归线和散点图。
2. 选择多种因素建立房价与住房面积的多元线性回归模型，训练回归参数并提供测试结果及计算精度；最后绘制残差图。
线性回归
下载AT&T人脸数据库，包含40人，每人10张照片，分为40类。每类中8张用于训练，其余2张作为测试样本。图片大小为112*92。
1. 使用线性回归方法给出分类结果和精度。
逻辑回归
使用相同的数据集进行以下操作：
1. 采用逻辑回归提供分类结果及精度评估。
线性SVM
同样利用AT&T人脸数据库，包含40人的数据，每人有10张照片。每类中8张图片用于训练，剩余2张作为测试样本。
1. 使用线性支持向量机（SVM）给出分类结果和计算精度；可以使用LibSVM工具包进行相关操作。
浅层神经网络模型
利用以上提供的数据集构建相应的浅层神经网络模型，并评估其性能。
5星
