ogistic的多分类 增加L2 norm 10折交叉验证法 带报告

任务说明：分别用下列方法完成titanic数据集分类，给分析每种方法参数设置、方法优缺点分析 logistic回归 决策树 SVM 神经网络

BP神经网络代码matlab，带breast.dat数据集，是分类的，把数据集分了两类，用bp神经网络进行预测和分类，输出预测精度，带代码详细注解，方便看懂代码，方便学习。

lssvm多分类模板， 先说LSSVM分类，LSSVM和SVM的区别就在于，LSSVM把原方法的不等式约束变为等式约束，从而大大方便了Lagrange乘子alpha的求解，原问题是QP问题，而在LSSVM中则是一个解线性方程组的问题

作为不确定性条件下知识表示和决策的重要工具，Dempster-Shafer证据理论（DS理论）已在许多领域中使用。 DS理论的应用严重依赖于基本概率分配（BPA）的可用性。 BPA的确定仍然是一个悬而未决的问题。 提出了一种获取BPA的非参数方法。 该方法可以处理分类问题中的多属性数据集。 数据集样本的每个属性值都被视为随机量。 使用训练数据计算其非参数概率密度函数（PDF），可以将其视为对应属性的概率模型。 然后，基于测试样本和概率模型之间的关系来构造BPA函数。 在证据理论的框架内，数据集中缺少的属性值被视为无知。 此方法没有任何特定分布的假设。 因此，它可以在许多工程应用中灵活使用。 所获得的BPA可以避免证据之间的高度冲突，而这是数据融合所希望的。 使用几个基准分类问题来演示所提出的方法并与现有方法进行比较。 基于所提出的方法构造的分类器与现有技术的算法具有很好的比较性。

码农 转 机器学习，logistic regression 推导过程，有启发，0基础可看懂，用颜色标注的很清楚 （修正前一个pdf问题）

BN层pytorch源码，天气数据四分类问题BN层pytorch源码，天气数据四分类问题

数据增强pytorch源码，天气数据四分类问题

学习速率衰减.pytorch源码，天气数据四分类问题学习速率衰减.pytorch源码，天气数据四分类问题

预训练网络RESNET pytorch源码，天气数据四分类问题预训练网络RESNET pytorch源码，天气数据四分类问题