这是V1版本，后续版本迁移到ApacheCN组织的kaggle项目里。这个repo就停止更新了。
kaggle入门题目，训练数据已经处理成向量并与标签一一对应，判断测试数据对应的标签。
- 在solutions中存储不同的解法，在所有解法单独实现完成之后，最终结果采用所有解法的结果来做交叉验证之后的答案，即对于某个向量的预测，采用所有解法中出现次数最多的作为结果。
- main.py作为项目的入口，所有程序的调用都采用
python main.py -* *的形式来调用，主要是为了统一log等的设置
-
2018-03-12 score=0.99285
keras-原始数据0.5倍缩放之后，采用keras深度学习
-
2018-03-11 score=0.98542
svm-将原始数据0.5倍缩放之后，采用pca降维，再使用svm分类
-
2018-03-08 score=0.97342
knn-采用0.5倍缩放之后，只设置n_neighbors=3，其余保持默认。
-
2018-03-03 score=0.96357
knn-采用二值化之后的数据，n_neighbors=3，algorithm、weights选择默认。
-
开始前 score=0.96857
knn-采用原始数据，n_neighbors=3，algorithm、weights选择默认
2018-03-07 ~ 2018-03-14
- 完成knn、svm、深度学习三种算法的基础解法
- 得分达到0.99+
直接上图吧：
鉴于V1版本是第一次开始入门作，存在诸多不完善的地方，因此在代码已经可行的情况，将代码整理放到之后的V2版本。
-
ps : 数据二值化之后，采用knn算法
-
ps : 深度学习-keras，达到0.99+
注：参考的博客文章可能在某些地方有一定问题，但大体是正确的，不影响入门学习（刚入门对于细节也不需要那么重视）。
-
命令行参数设置：
-
图像缩放：
-
KNN:
-
PCA降维：
-
感知机：
-
SVM：
-
keras+TensorFlow：
安装一定要注意tensorflow、cuda、cudnn的版本要互相匹配。
同时注意，keras2.0与之前相比已经有了比较大的变动，具体可看：
算法：
版本号V2.0，3月15日正式启动，至3月31日结束。
- 项目结构重新设计
- 数据分析，进一步减少非必要信息，例如缩放倍率、数据本身的笨些规律等等
- 参数调试。更加细致的参数调试
- 不同结果之间的交叉验证