机器学习大作业线性回归模型和卷积模型识别数字手写体.zip使用TensorFlow技术和Flask框架相结合，采用MNIST数据集作为数据，通过前端HTML和jQuery框架，利用canvas画布将用户在屏幕上的手写文字传入到后台Flask的Restful API中，然后flask通过调取模型接口，把数据传入模型中进行手写体识别，形成一个完整的闭环。本文使用两种方法训练数据，线性和卷积的方法，并将结果进行对比。训练结果较为理想，可以有效识别出手写数字，并得到较好的准确率。 本次MNIST手写数字识别首先使用MNIST来导入数据，建立模型，建立了线性模型和卷积模型。再通过调取模型，进行训练，建立训练模型，保存参数模型，得到训练模型。通过前端请求，加载模型，进行调用。完成数据传入，训练，打包，调用。可以作为基础，可以通过相关数据集训练进行更多图像分类。

线性回归模型 普通最小二乘线性回归模型的实现。

python-一元线性回归模型.ipynb

模糊线性回归模型及其应用，王磊，郭嗣琮，本文提出了一种基于结构元线性表示的模糊回归模型，此模型的输入为精确数据，输出为模糊数据。给出了在最小二乘意义下的回归系数

考虑线性回归模型 Y = Xb + 误差，其中误差的分布函数未知，但误差是独立且对称分布的。 该包包含一个名为 LRMDE 的函数，它以 Y 和 X 作为输入并返回模型中参数 b 的最小距离估计量。

基于MATLAB的多元非线性回归模型.pdf

云南大学数学与统计学实验教学中心实验报告ó membre de reg té un període de temps humit. 6.3.10 estellat de la causa de racons: formigó desigual, local de baixa intensitat; o obrir morir prematurament, mètode d'extracció. Precaucions: designar un feed de monitor, mesura exacta de l'alimentació; temps suficient, despulla

matlab多元参数非线性回归模型代码

一维神经网络 非线性回归模型在一维卷积神经网络中的应用

本资源适用于小编的文章《机器学习——线性回归介绍及案例实战》中用到的数据表，适合学习Python、机器学习、数据分析等内容的小伙伴学习。