cs231n学习笔记第一天--------图像分类上下、Python基础、线性分类------Python列表切片和numpy切片的区别

前言：

老规矩，前言的碎碎念还是得有的，cs231n的课之前就想刷来着，室友也一直盯着我，让我刷，说我基础太差，不刷不行，好好好，我来重拾一下，看看究竟用什么方法，才能让我坚持下去。
虽然自己也曾经调用过一些API，整天就是配环境，刷系统，改bug。
但是感觉这段时间一直学的是“术”，得静下心来学点“道”了！
来整整吧～也不给自己立flag和设定时间了，尽力吧～

一、K近邻算法简介：

其实我看到这个翻译教程，以及刚才看的英文视频，发现，这个K近邻算法，好像我记混了，之前学模式识别的时候，也有一个K分类什么的，忘了叫啥了，感觉那个得迭代好几次，为啥这个K近邻就直接算距离？
好吧，我搜了一下，网上目前找到比较全，还算是正经一个教程：
机器学习（一）——K-近邻（KNN）算法
不得不说园子里的文章，从质量上说，一般都比CSDN好一些，感觉很多搜到的CSDN博客都是复制粘贴的，不全就算了，还不加引用链接，真是网上垃圾！强烈鄙视！
然后我引用上面的文章的一段文字：

接下来对KNN算法的思想总结一下：就是在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类，其算法的描述为：

1）计算测试数据与各个训练数据之间的距离；

2）按照距离的递增关系进行排序；

3）选取距离最小的K个点；

4）确定前K个点所在类别的出现频率；

5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。

具体的算法，我就不实现了，文中有，但是我感觉这种算法没啥用，还复杂，没意思。

二、Python列表切片和numpy切片的区别

今天已经学习教程链接：
学习教程目录：CS231n官方笔记授权翻译总集篇发布
图像分类教程：CS231n课程笔记翻译：图像分类笔记（上）
Python基础教程：CS231n课程笔记翻译：Python Numpy教程
感谢杜客大佬的分享，比直接啃英文版的视频，要好入门的多。
翻译的真是不错，强烈推荐看看。

需要注意的问题：
在Python中，列表的直接等于赋值，是浅赋值，二者是关联的，一个改动，两个都会改，列表的切片是深复制，会重新创建数据；
而numpy数组不一样，直接赋值不清楚，但是切片是浅复制，一个改动，两个都会改。
举例看看：

1.列表直接等于赋值：会关联的。

>>> a = [1,2,3,4,5]
>>> b = a
>>> a[2] = 0
>>> a
[1, 2, 0, 4, 5]
>>> b
[1, 2, 0, 4, 5]

2.列表切片：重新创建

>>> a = [1,2,3,4,5]
>>> c = a[:]
>>> a[2] = 0
>>> a
[1, 2, 0, 4, 5]
>>> c
[1, 2, 3, 4, 5]

3.numpy切片：确实是会改变的，看到一个教程说，这其实是一种叫(view)视图的功能，和list的切片概念都不一样！
教程链接：【Python】numpy 中的 copy 问题详解

>>> a = np.zeros((3,4))
>>> a
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
>>> b = a[:2,:2]
>>> b
array([[0., 0.],
       [0., 0.]])
>>> a[0,0] = 1
>>> a
array([[1., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
>>> b
array([[1., 0.],
       [0., 0.]])

而 b = a[:] 这种形式就属于第二种，即视图，这本质上是一种切片操作（slicing），所有的切片操作返回的都是视图。具体来说，b = a[:]会创建一个新的对象 b（所以 id(b) 和id(a) 返回的结果是不一样的），但是 b 的数据完全来自于a，和 a 保持完全一致，换句话说，b的数据完全由a保管，他们两个的数据变化是一致的！

4.numpy的等于号赋值，看看是啥样：

>>> import numpy as np
>>> a = np.ones((2,3))
>>> b = a
>>> id(a)
140258825212432
>>> id(b)
140258825212432
>>> a[1,1] = 0
>>> a
array([[1., 1., 1.],
       [1., 0., 1.]])
>>> b
array([[1., 1., 1.],
       [1., 0., 1.]])

确实，id都一样。b只是a新增的一个引用而已。

5.numpy的完全复制：
只需要在a后面加一个.copy()就行了
举个例子：

>>> import numpy as np
>>> a = np.ones((2,3))
>>> b = a.copy()
>>> a[1,1]=0
>>> a
array([[1., 1., 1.],
       [1., 0., 1.]])
>>> b
array([[1., 1., 1.],
       [1., 1., 1.]])
>>> id(a)
140247659348496
>>> id(b)
140247659348976

可以看到这才是正确方式～

小结一下：

关于这个翻译教程，挺容易入门的，不过我也算是有过一些基础，边看，边码代码，验证，效果还行。
只是还没有遇到作业，听说作业才是最重要的～

至于这个切片的区别，主要是我之前不经意之前，很容易被浅复制给坑了！这次总结一下，给大家也提个醒～