我们在markdown中进行公式书写时,部分会采取引用站外图片的方式,如下。
str1=r'''
### **4.5 多变量决策树**
### **单变量决策树(univariate decision tree)**
特点:轴平行(axis-parallel):即它的分类边界由若干个与坐标轴平行的分段组成
![](https://pic2.zhimg.com/v2-ce44dfd71d55248e7e9d2d613f94212d_b.jpg)
### **多变量决策树(multivariate decision tree)**
特点:非叶结点不再是仅对某个属性进行测试,而是对属性的线性组合进行测试
每一个非叶结点是一个形如 ![\sum_{i=1}^dw_ia_i=t](https://www.zhihu.com/equation?tex=%5Csum_%7Bi%3D1%7D%5Edw_ia_i%3Dt) 的线性分类器,其中 ![w_i](https://www.zhihu.com/equation?tex=w_i) 是属性 ![a_i](https://www.zhihu.com/equation?tex=a_i) 的权重
![](https://pic4.zhimg.com/v2-ff1d8ed2d8c0b7b70be8845a0f4efd0b_b.jpg)
'''
利用下面的代码,可以实现内联公式的标准化。
import re
string=str1.replace(r"[]",'@@')
string = string.replace(r"![",'$')
string = re.sub(r"\]\(https(.+?)\)",'$',string)
string = string.replace(r"@@",'[]')
print(string)
结果输出
### **4.5 多变量决策树**
### **单变量决策树(univariate decision tree)**
特点:轴平行(axis-parallel):即它的分类边界由若干个与坐标轴平行的分段组成
![](https://img-blog.csdnimg.cn/img_convert/d87ec3e182387bc5485c0db5c5168807.png)
### **多变量决策树(multivariate decision tree)**
特点:非叶结点不再是仅对某个属性进行测试,而是对属性的线性组合进行测试
每一个非叶结点是一个形如 $\sum_{i=1}^dw_ia_i=t$ 的线性分类器,其中 $w_i$ 是属性 $a_i$ 的权重
![](https://img-blog.csdnimg.cn/img_convert/43d47240982ad184d34105ee0e24c6af.png)