python 元类

本文介绍了Python中type、metaclass、class、实例及其属性方法的对应关系。通过示例展示了如何用class创建类和实例,还说明了用type创建类的方式,以及type创建类时三个参数的具体意义。

在python 中,所有的一切都来自于type  各种对应关系如下

1、type   所有的一切来源

2、metaclass  元类  或者类生成器

3、class   类  或者叫  实例生成器

4、实例   

5、实例的各种属性与方法

 

举例说明:

# 创建一个Hello类,拥有一个方法,也是她的一个属性
class Hello():
    def say_hello(self, name='world'):
        print('Hello, %s.' % name)

# 用类来创建一个实例
hello = Hello()

# 使用hello调用方法say_hello 
hello.say_hello()

 

如果使用type创建一个类就可以用如下的:

def fn(self, name="world"):

      print("hello, %s" %name)

Hello = type("Hello", (object,), dict(say_hello=fn))

#  创建实例并调用

hello = Hello()

hello.say_hello()

Hello = type("Hello", (object,), dict(say_hello=fn))

这句话中三个参数的意义

Hello   就相当于这个实例的名字   将它叫做Hello

(object,)    它来自于哪里,就是所有类的祖先,object

dict(say_hello=fn)    将包含的属性和方法包到一个字典中然后作为参数传递

 

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,聚或者物品之间的有趣关联. 机器学习分 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
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