现有一个data.frame，我想计算每组的平均值（即Month下面的per ）

内容 包含程度级别、负面评价、负面情感、正面评价、正面情感、以及表达主张的中英文词语数据集。 可用于文本的情感分析和处理或者判断评论的情感倾向。

内容 未调用python相关库，通过自己书写方法和变量实现线性回归。 可加深对于线性回归的理解，并在此基础上提出改进的方案。并作为其他算法的基础。

MNIST时尚穿搭数据集 介绍 数据集来源于Zalando文章的图片。 数据集包括60,000个例子的训练集和10,000个例子的测试集。每个示例都是一个28x28灰度图像，与10个类的标签相关联。 Zalando打算将此数据集作为原始MNIST数据集的直接替代品，用于对机器学习算法进行基准测试。它共享相同的图像大小结构的训练和测试分割。 内容 每张图像高28像素，宽28像素，总共784像素。每个像素都有一个与之相关联的像素值，表示该像素的明度或暗度，这个像素值是0到255之间的整数，数字越大表示越暗。 训练和测试数据集有785列。第一列由类标签组成，表示服装的物品。其余的列包含关联图像的像素值。 为了定位图像上的一个像素，假设我们将x分解为x = i * 28 + j，其中i和j是0到27之间的整数，像素位于一个28 x 28矩阵的第i行和第j列。例如，pixel31表示位于左边第四列和顶部第二行中的像素。 标签： 每个训练和测试示例都被分配到以下标签之一: 0 T恤 1 裤子 2 套衫 3 礼服 4 层 5 凉鞋 6 衬衫 7 运动鞋 8 包 9 靴 每一行都是一个单独的图像，第1列是类标签，其余列为像素号(共784个)。每个值都是像素的暗度(1到255)。 数据集转载自 https://www.kaggle.com/zalando-research/fashionmnist

数据库管理系统即一种在系统上的程序，能够帮助处理结构化数据的程序。

即选择对象的一部分特征作为算法的输入