python笔记

本文介绍了Python编程语言的基础知识,包括如何使用命令行运行Python文件,不同操作系统下的路径标识符,以及Python中字符串和数学运算的基本操作。文章还涵盖了变量赋值、数据类型转换、注释的使用、算术运算符和比较运算符等内容。

一.Python初识与变量

  1. 用命令行打开文件与后缀名无关。
  2. 命令行【Python C:\Users\16179\Desktop\1.py】。
  3. 文件目录win为\ 而Linux为/
  4. 头文件用于在Linux上用【./.1.py】简易输入命令行,在win系统上没用 。
  5. utf-8编码要添加在python2,python3不需要
  6. 注释:单行# 多行’’’
  7. 有字符串加法,python还独有字符串乘法(*10=字符串重复10次)
  8. 数学运算:次方4**2 除法/ 除法取整// 除法取余%
  9. a=Input()接收到的是字符串 可用int(A)将字符串转为数字

二.运算符与基本数据类型

(一)运算符

  1. n ,not in 判断某个东西是否在某里面(连续,如不连续识别为不在)
  2. and 和or 没有优先级,从前往后一步步执行(如需嵌套加括号)

(二)整形的魔法

  1. 将字符串转换为数字类型:b=int(a)
  2. 指定a为*进制:b=int(a,base=8)
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值