机器学习学习笔记（2020-11-1）

• file.seek(offset,whence): offset表示偏移量，一个数字的时候就代表这个属性；偏移多少字节数第二个变量是起始位置，默认0表示从头开始，1表示当前位置开始，2表示从末位开始；
• file.read(size):入读一个数字参数，返回读到的字符串；返回的是字符串，python的字符串是记录在数组中的直接用[]来获取每个字符的值；
  Python认为0x1A（26）就表示文档结束了也就是EOF的值；但是存储的时候二进制文件是从低位到高位排列的；
• 独热编码to_categorical ( arr,n )——二进制数全是零，1的位置表示其类别。该方法可以讲类别变量转换成新增的虚拟变量/指示变量，就是把无关的变量映射到更无关的变量中去。keras.utils.to_categorical(y_train，n)：分类数，n多大，就能分多少类，n位二进制数，1的位置就是类别；

但是，容易出现“ index 5 is out of bounds for axis 1 with size 5 ”错误。你数据集中的数太大了test=[1,5,1,0]；用to_categorical(test,5)去映射。就报错了。即如果是两类，设标签里面的内容为0和1，不能设置为1和2或其他数字。–作用相当于是去掉数字之间的关联性

• Python的 for 循环后只能跟着数值便利 i in rang（start,end,step）；不能跟着判断；要在循环条件做判断可以用while tTrue；
• 调用同目录下自己写的.py文件的方法怎么弄？参考博客

很简答，直接from 包名 import 这个文件名：
from package_demo import RandomNum
RandomNum.Prt_Random_Nums(0, 5, 5)
调用的时候记得带上文件名.方法（）；

-几种常见的激活函数：softmax , sigmoid,tanh,ReLU,ELU,PReLU 函数（图片大小不好调整，自己点进去看吧，侵权必删）

sigmoid函数是对w1x1+……+wnxn以后的结果进行sigmoid计算得到0到1之间的值。

softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解。假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是：
用于互斥的分类信息分类
我的理解：简单来说，就是最后输出层有n个节点，每个节点前面都连着隐藏层好多个节点，输出层的接每个节点都通过加权求和后自己身上有一个数字，现在这个softmax就做归一化处理的。！！！！这个也叫激活函数？只能用于输出层的归一化吧！！

• 回归问题和分类问题：分类是根据好多组数据，你去把每个数据划分到男还是女这两个类别上去，这就叫做分类，顾名思义就能理解；但是这个回归问题呢？就是个预测。