摘要：
结构 阅读全文
摘要：
本质：函数的嵌套，在函数里调用了非本身也非全局的变量 作用：保护数据的安全性和干净性。 应用场景：装饰器 把里面代码开了三遍，每次把数组清空 判断： 不是闭包，func调用的变量是func自己的 是闭包，func调用的变量是foo的 是闭包。 是闭包。 验证闭包的方法： 若返回值为None则不是 阅读全文
摘要：
logistics hypothesis 将一个范围内的值转化成0/1 三种线性模型 推导：将f换成h 推导最小的Ein（w） 求微分： 循序找到w：（10.3） v为变化方向且长度为1. 坡度大就走的多一些，与坡度正相关。 fixed learning rate purple是红和蓝的比值。 总结 阅读全文
摘要：
高阶函数会自动帮实现for循环 模拟filter（） 函数不加括号：加括号调用的是函数运行结果，不加括号是调用函数；且布尔值不能被调用。 filter（函数也就是过滤条件，对象）：过滤 map（）：映射 sorted（）：排序，不在局限于列表。revers=—1，倒序；key=函数名（可以是自定义也 阅读全文
摘要：
字典创建方式 第一种（利用zip函数）： print(dict(zip(list1,list2))) 第二种（利用dict直接创建）： dict（a=1,b=2,c=3） 阅读全文
摘要：
定义 进行加权求和之后不用进行sign运算 因此，线性回归分析的目的就是找到最接近的线/平面。（红色部分为余数，蓝色部分为h） 计算最小的Ein（w） w为加权系数 E（in）为凹函数，设最低点为W（lin） y（hat）=Xw，X是一个N维的平面。 要让y-y（hat）最小，即做平面span的垂直 阅读全文
摘要：
验证g≈f 1.未知x 2.任一x 3.预测是否与结果相同 classification error也可以说时“0/1 error” pointwise：计算每个点上的error再做一个平均，衡量每个点上的error。 两种pointwise 0/1 error用于分类，平方用于判断距离目标y是否过 阅读全文
摘要：
Review 当break point k存在时，m（N）就会被N的k-1次方bound住。 条件： VC Dimesion 定义：在VC Dimesion中h可以shattere某N个点，超过VC Dimesion时（即到k）时，就会出现不能shattered的情况。 因此： 可以推出： 注意：当 阅读全文
摘要：
all() : 判断一个数组里面的值是否都为真，并返回布尔值 any() : 判断一个数组里面的值是否有真，若有真，返回True callable（）：判断一个对象是否能被调用，只有整型变量不能被调用 chr（）：将对应ASCII码位转化为字符 ord（）：将字符转化为对应码位 complex（）： 阅读全文
摘要：
lambda 形参：返回值 （返回值只有一个） 可以没有形参，相当于def（） def func（x，y）： return x + y 等同于 lambda x，y：x + y 匿名函数的作用：常用于不太常用的函数，不用其名字了。 匿名函数用法 函数地址加（）表示直接调用 注意 不能直接调用，要实例 阅读全文