一、实验目的 1、复习主成分分析的原理和算法 2、使用sklearn库函数实现对鸢尾花数据集的主成分分析，观察主成分分析的作用 3、（选做）解读基于主成分分析和支持向量机的人脸识别程序 二、实验步骤 1、导入鸢尾花数据集，查看数据分布情况： 选取三个特征查看数据分布情况 选取两个特征查看数据分布情况 2、使用主成分分析函数对鸢尾花数据集降维 3、对降维后的数据集和原始数据集分别进行线性判别分析，比较分析的准确率 4、（选做）使用数值计算方法实现步骤2，深入了解主成分分析的实现过程 三、实验结果与讨论 1、简单清楚的叙述主成分分析的过程 2、绘制人脸识别程序的流程框图

文本摘要 CNN/DailyMail 原始数据集。 压缩包内含 cnn_stories.tgz 和 dailymail_stories.tgz 。 可用于抽取式摘要（Extractive Summarization）任务以及生成式摘要（Abstractive Summarization）旨在方便国内的研究者们获取该数据集。 技术细节可参考博文：https://blog.csdn.net/muyao987/article/details/104949367

cs-training.csv cs-test.csv

web安全数据集，可以用于入侵检测，包含标注数据集与原始数据集，主要用于机器学习和深度学习在安全领域建模。

对应文章https://editor.csdn.net/md/?articleId=123280234，用于测试Excel中两表数据核对方法的原始数据集

Andrew线性回归算法的原始数据集 ，有相应的ipynb训练代码

阅读理解数据集SQuAD-V2，　对应的MRC代码可参考https://github.com/shawroad。　实现了很多阅读理解算法。

Mnist-时尚-赋值-PIAIC Fashion-MNIST是Zalando文章图片的数据集-包含60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像，与来自10个类别的标签相关联。 Zalando打算将Fashion-MNIST用作直接替代MNIST原始数据集的基准机器学习算法。它具有相同的图像大小以及训练和测试分割的结构。原始MNIST数据集包含许多手写数字。 AI / ML /数据科学社区的成员喜欢此数据集，并将其用作验证其算法的基准。实际上，MNIST通常是研究人员尝试的第一个数据集。他们说：“如果它在MNIST上不起作用，那么它将根本不起作用”。 “好吧，如果它确实可以在MNIST上运行，那么在其他系统上仍然可能会失败。” Zalando试图替换原始的MNIST数据集内容每个图像的高度为28像素，宽度为28像素，总计784像素。每个像素都

ActivityRecognitionFlow 对原始数据集进行预处理，窗口划分，特征提取，特征融合，分类识别 数据集：Opportunity Data Set（ 预处理：删除含有缺失数据（"NaN"）或是Locomotion标签为0的数据item 窗口划分：窗口大小64，重叠率50% 特征提取：均值，方差，相关系数，能量 特征融合：LDA（线性判别分析） 分类识别：KNN，LDA

适合计算机视觉-语义分割学习的人