AIM_洋

线性回归的详细学习，从原理到最后的训练完成，再到学习过程中出现的错误，大致上可以完全跑通，后续代码理解仍需继续努力。

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第10天，点击查看活动详情 1.数据存取与函数 1.1.数据的CSV文件存取 CSV(Comma-Separated Value,

函数并非总是直接显示输出，它还可以处理一些数据，并返回一个或一组值。函数返回的值称为返回值。在函数中，可使用return语句将值返回到调用函数的代码行。返回值让你能够将程序的大部分繁重工作移到函数中去

本篇对我们数据预处理中常用的三种方式进行列出学习如np.append,np.all,np.where等函数，熟悉了解这些操作让你对数据预处理更加得心应手。

形状变换函数是使用频率都很高的函数，本篇对np.reshape和np.resize两个函数进行具体了解学习，知道其相同的地方也要知道其不相同的地方。

numpy是数据分析常用的工具，了解并使用一些基本的numpy操作为进一步实现数据分析乃至进阶机器学习打好基础

深度学习中线性回归的特点以及基础优化算法中的梯度下降算法的初步理解和总结，进行简要的概括梯度下降算法中的两个重要的超参数是批量大小和学习率。

为了能用深度学习来解决现实世界的问题，我们经常从预处理原始数据开始， 而不是从那些准备好的张量格式数据开始。 在Python中常用的数据分析工具中，我们通常使用pandas软件包。

为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。 通常，我们需要做两件重要的事：（1）获取数据；（2）将数据读入计算机后对其进行处理。如果没有某种方法来存储数据，那么获取数据是没有意义的。