blank，在两个blank之间去重

print()

copy ../data/text ./

要把001 002 

卷积神经网络，局部感知

无量纲化： 

(x - data_min) / (data_max - data_min)

无量纲化，可以看成是一种归一化操作

去除单位对数据值的影响，称为无量纲化。

CosA = 临/斜

SinA = 对/斜

对 = 斜*SinA 

已知(X1,Y1)(X2,Y2)(X3,Y3)(X4,Y4)

设直线Y= KX+B

未知K,B

|Y1- （KX1+B)| + |Y2- （KX2+B)| + |Y3- （KX3+B)| + |Y4- （KX4+B)| =>

i= 1Σn |Yi- (KXi+B)|

这个报错了

第一步：求解点的概率：
P(A)=P(x1,...,xn)=P(x1)...P(xn)=Π(n i=1)P(xi)
P(xi)=φ(xi)·∆xi
第二步：求概率密度函数：
φ(x)= [1/(√(2π))][e^(-(y理-y真)²/2)]，y理=kx+b,kxi+b看做向量？矩阵 (1 x1)*(b k)=kx+b可以看做Xθ,带入得到概率密度函数：
φ(θ)= [1/(√(2π))][e^(-(Xθ-y真)²/2)]
第三步：带入概率密度函数，得到极大似然函数
P(xi)=φ(θ)·∆xi=[1/(√(2π))][e^(-(Xiθ-y真)²/2)]·∆xi，即
P(A)=Π(n i=1)φ(θ)·∆xi
令L(θ)=P(A)，求L(θ)=Π(n i=1)φ(θ)·∆xi最大值：
第四步：两边同时取ln
lnL(θ)=Σ(n i=1)[(-(Xiθ-y真)²/2)+ln[1/√(2π)]+ln∆xi]
第五步：对lnL(θ)求导=0，求θ的极大似然估计
(lnL(θ))'=[Σ(n i=1)[(-(Xiθ-y真)²/2)]'= -1/2[2*(Xiθ-y真)Xi]=0
Xiθ=y真    
θ=y真/Xi

cmd打python跳出应用商店是环境变量有问题

用了随机模型3，结果训练和测试的数据都飙到0.9了

polyModel.set_params(Poly__degree=3)

#注意这里有一处两个下划线。。。

要不是我查到“需要在参数前加“__”（2个下划线）”我就一直对不出报错是哪里打错了

现代全球所有的人类，仅仅20万年而已

安装了numpy和scipy运行jupyter还是报错的问题，解决办法如下

1. Anaconda -> Enviroment -> 选择所在的环境

2. 点击三角 -> open terminal

3. 在弹出的框框中输入pip install sklearn

4. 回车

列表：
    名字 = [数据1, 数据2, ....]

访问列表元素：
    列表名[下标] -- 从零开始, 且索引不存在的数据无法访问

新发现
names = ["111", "222", "333", "444"] #这样写没问题
 names = ["111", "222", "333", "444"] #顶部空一格报错

错误信息：
    IndentationError: unexpected indent

1. 字符串操作
    str.lstrip() -- 去除头部空白
    str.rstrip() -- 去除尾部空白
    str.strip()  -- 掐头去尾去空白

2. 数字类型
    1. 操作: +, -, *, /, //， %， ** 次方
        % : 取余数(取模)
        // : 舍弃小数部分
        ** : 次方
    2. 转字符串 str()
    3. 转整数 int() -->字符串和小数都可以用
    4. 转浮点数 float()
    5. python 中，字符串和数字不可以直接连接
    
3. 用户输入
    input() --> 字符串

有哪条直线更能表示x与y的关系

列表：name = ["aaa","aa","bb","dd"]

截取列表: na = name[0:2]