在这篇文章中，我们将介绍为什么要从头开始实现神经网络呢？即使你打算以后使用PyBrain这样的神经网络库，至少一次从头开始实现一个神经网络也是一个极具价值的练习，这会帮助你理解神经网络是怎么工作的，并且如果你想要设计出高效的神经网络模型，做一个这样的练习也是很有必要的。需要注意的一件事情是，本篇文章的示例代码效率并不高，它的目的是易于被人理解。首先我们生成一个可以操作的数据集，幸运的是，scikit-learn提供了一些有用的数据集生成器，所以我们不需要自己写代码来生成数据集，只需使用make_

ML-入门包 1.人工神经网络（ANN） 它包含一个用Python从头实现的人工神经网络。 2.关联规则学习（先验方法） 关联规则学习是一种基于规则的机器学习方法，用于发现大型数据库中变量之间的有趣关系，旨在使用一些有趣程度来识别在数据库中发现的强大规则。该文件夹包含一个说明该算法的.py文件。 3.决策树分类器 决策树学习使用决策树（作为预测模型）从对项目（在分支中表示）的观察到对项目目标值（在叶子中表示）的结论。 它包含以下实现1.雨量预测决策树2.基本决策树3.虹膜数据集的决策树可视化

在这篇文章中，我们将介绍为什么要从头开始实现神经网络呢？即使你打算以后使用PyBrain这样的神经网络库，至少一次从头开始实现一个神经网络也是一个极具价值的练习，这会帮助你理解神经网络是怎么工作的，并且如果你想要设计出高效的神经网络模型，做一个这样的练习也是很有必要的。需要注意的一件事情是，本篇文章的示例代码效率并不高，它的目的是易于被人理解。 首先我们生成一个可以操作的数据集，幸运的是，scikit-learn提供了一些有用的数据集生成器，所以我们不需要自己写代码来生成数据集，只需使用make