index

count

del a[1]

A = [100,20,1010,414]

pop 删除并返回

remove

extend  尾部插入（wei'zh变）

insert 插入元素

format 函数可以接受不限个参数，位置可以不按顺序

感觉补充和对齐要在用的时候查表。。。直接记不太容易。

>>> a = "我是{0}，我的存款有{1:.2f}"
>>> a.format("高崎"，12414514.12313)
SyntaxError: invalid character '，' (U+FF0C)
>>> a.format("高崎",12414514.12313)
'我是高崎，我的存款有12414514.12'

深度学习

_.startwith()

在字符串的驻留机制

a,b同时使用一个对象（仅包含字母、数字、_ ）

join  !!!

拼接合并

ord()  把字符转换成Unicode码

chr() 把。。。。

神经网络和BP算法

为什么会提出神经网络解决问题

神经网络：大量的结构简单、功能相近的神经元节点按一定的体系架构连接成的网状结构——模拟大脑结构

作用：

分类

模式识别

连续值预测

总的来说就是建立一种输入输出的映射关系；

人工神经网络

神经元：输入向量、权重、偏执

一般浅层网络是3~5层

前馈神经网络：

同一层的神经元之间没有相互连接，层间信息的传送只沿着一个方向进行；

学习的过程实际上是对权重的更改

目标：输出和实际输出越接近越好

梯度下降：

随机梯度下降算法：梯度下降

在传入模型的开始，首先要对数据预处理、特征提取、特征选择、再到推理、预测或者识别

布尔值  true false

链式赋值

隐马可夫链，

期望不能反映收益，

花了一点时间看完视频，复习了一些基础知识，像turtle函数，平时不用都已经忘记有这个东西了，重新拾起感觉还可以，再是程序的构成、变量的声明之类的，讲的很详细。

from pyplot as plt 重命名，简化

啊深度啊收到卡后

老师的卷发就到了发掘了深刻的

print('a')
print('b')
print('c')
代码保存在D盘python_1文件夹内

numpy读取数据

np.loadtxt(frame,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

转置t.T()

t1.reshape(1,24) #修改数组形状

t1.flatten() #展开 二维降成一维

t1+2 #数组每个值都加2 （广播机制）

0除以0得到nan（不是一个数字），其他数字除以0得到inf（无穷的意思）

t6+t5 #对应位置的数据计算