goto(x,y)

circle( r ) 

penup()

pendown()

foward(distance)

left(angle)

ls

默认显示当前目录的文件

通配符

每一个命令，有10几个选项，10几个参数

文件以.开头的，相当于隐藏文件

/windows有分盘

而linux没有分盘。在直接用

除了home文件夹，其它的都不用动

只有第一个/才能称之为根目录

tree 的命令

Linux内核有几千万行代码

Linux发行版本

Android 是Linux kernel外面封装一圈java程序

桌面环境，是win的天下

操作系统，就是让多个程序一起执行

所谓的并发，莫过如此

Android的本质，就是linux

kernel是整个操作系统，最核以的东西

LINUX kernel 封装了java的东西，就是Android

Unix是整个OS的鼻祖

用同一门语言，运行在联想的电脑上，与华硕的电脑上，运行的结果不一样。

叫做跨硬件平台性比较差。

BCPL的第二个字母作为这种语言的名字，这就是C语言

C语言的主体完成，Thompson和Ritchie迫不及待地开始用它完全重写现在大名鼎鼎的Unix

迭代：已有版本，开发一个新的版本，称之为迭低

开源与闭源

他以小型UNIX（mini-UNIX）之意，将它称为MINIX

mini-Unix 用来教学

汽车导航：默认出厂的WIN CE

Android主要运行在移动端

win10 主要在PC上，个人电脑上

操作系统为自己控制硬件

什么是操作系统

操作系统OS

软件，能够直接控制硬件，向上支持应用软件使用

没有操作系统的

应用层软件，

开发环境：IDLE、pycharm……

官方：www.python.org

【深度学习框架】

- Scikit-learn：面向机器学习，不支持 GPU 加速

- Caffe：第一个面向深度学习的框架

- Keras

- Theano

- Torch

- Singa

- PyTorch

- TensorFlow

- 线性回归需要标准化

决策树的分类依据之一

信息增益

【分类模型的评估标准】

【准确率】

estimator.score()：一般最常见使用的是准确率，及预测结果正确的百分比

【混淆矩阵】

在分类任务下，预测结果和正确标记之间存在四种不同的组合，构成混淆矩阵（适用于多酚类）

【精确率】

预测结果为正例的样本中，真实为正例的比例（查得准）

【召回率】

真实为正例的样本中，预测结果为正例的比例（查的全，对正样本的区分能力）

【分类模型评估API】

sklearn.metrics.classification_report (y_true, y_predict,  target_names = None)

- y_true：真实目标值

- y_predict：估计器预测目标值

- target_names：目标类别名称

- return：每个类别精确率与召回率

朴素贝叶斯案例流程

1. 加载新闻数据，并进行分割

2. 生成文章特征词

3. 朴素贝叶斯流程进行预估

K近邻算法：相似的样本，特征之间的值应该都是相近的

k近邻算法：需要做标准化处理