查看版本array的缺点是没有将数据当做向量或者矩阵，不支持基本运算。查看数据类型对于整型来说赋值浮点数会隐式转换。
机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28*28像素的灰度手写数字图片。
对图像矩阵与滤波器矩阵进行对应相乘再求和运算，转化得到新的矩阵。作用：快速定位图像中某些边缘特征英文：convolition将图片与轮廓
获取最小值最大值索引。
distributions 包含可参数化的概率分布和采样函数。Tensor的torch.distributions。0范数/1范数/2范数/p范数/核范数。Pytorch中的奇异值分解。
通过最优化损失函数或者效用函数，获得机器学习的模型。scikit-learn中的 r2_score。通过分析问题，确定问题的损失函数或
绘制图形绘制多条曲线设置线条颜色设置线条样式设置坐标系设置图示设置标题。
向量空间余弦相似度 Cosine Similarity调整余弦相似度 Adjusted Cosine Similarity皮尔森相关系数 Pearson Correlation CoefficientJaccard相似吸收 Jaccard Coeffcient。
并不是所有函数都有唯一的极值点代码演示梯度下降法可视化封装eta = 0.01时eta = 0.001时eta = 0.8时优化 避免死循环eta = 1.1时。
一个数据的传输这些设备的数据转发是通过协议来完成的，整个互联网可以说是完全由网络协议来维持的不同的协议分工不同，比如ip协议确保了ip寻址，tcp协议确保了数据完整性。
Html是骨骼、css是皮肤、js是肌肉，三者之间的关系可以简单理解为m(html)-v(css)-c(js)
如：定性数据：性别：男、女颜色：红、绿、青、蓝、紫教育程度：高中、本科、硕士、博士评价：好评、中评、差评定量数据：年份：2019、2018、2
windows操作系统有一个系统消息队列，每个GUI程序，都有自己的消息队列，系统消息队列负责将消息发送给不同GUI程序的消息队
concatenate只能合并维度一样的数据。加是copy（）则不同步修改。参数为-1时自动识别个数。查看维度（元组形式）
加、减、乘、除、整除幂、取余、倒数、绝对值三角函数e的x次方、3的x次方、logx、log2为底、log10为底。
返回一个标记元素是否为 finite/inf/nan 的mask 张量。标量说零维的张量，向量是一维的张量，矩阵是二维的张量。随机数 正态分布 标准分布。张量高于标量、向量、矩阵。
逻辑回归：解决分类问题逻辑回归既可以看做是回归算法，也可以看做是分类算法通常作为分类算法用，只可以解决二分类问题代码实现实现逻辑回归加载数据使用逻辑回归。
模型误差=偏差（Bias）+方差（Variance）+不可避免的误差。非参数学习通常都是高方差算法。参数学习通常都是高偏差算法。随着训练样本的逐渐增多，算法训练出的模型的表现能力。传入poly_reg的数据 会依次执行管道的内容。算法所训练的模型过多地表达了数据间的噪音关系。大多数算法具有相应的参数，可以调整偏差和方差。有一些算法天生是高方差的算法。
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
