新人小白初涉博客，不足之处，还望点出
1.小白简介
1.1自我介绍
我现在是山建理学院的一名大一新生，专业：信息与计算科学，计算机和数学四六分，（嘿嘿，不太喜欢数学，所以大部分时间用在了计算机上）。毕竟是大一嘛，接触的东西还是太少了，虽然进了专业的实验室，但对很多东西接触的还是很少，希望能在接下来的几年里能认识并体验到计算机的奥秘。
1.2目的
2020年，这个疫情带来了好多好多麻烦。作为大一的学生，暗自庆幸早考了一年。没有毕业生的焦虑，似乎同时也没了学习的动力。所以来写写博客，以提醒监督自己，同时增长下自己的写作能力。
1.3方向
实验室主攻人工智能（虽然就两个学长会），又加上自己也喜欢编程，喜欢搞些新东西，因此我也学习人工智能方向（现在在学Python）。专业有所趋向数学，数学建模也是一个学习方向（MATLAB）。
1.4目标
最直接的：考研。争取在大学里多参加些竞赛，（ 数学建模，国创啥的必须参加），即使得不了奖，也要积累些经验嘛。
1.5现状
主要在学Python，两三个月了，学的有点乱，机器学习主要是跟着书打代码，没有做过自己的。而且一会学爬虫，一会还学着做些小东西，（感觉也还可以，换换脑子哈哈）。学校刚开C语言，编程语言都差不多，但比起来，C语言就是麻烦。大二学校还要开Java，数据结构啥的，把自己的业余学习全扑到Python上，其他也不会落下。
1.7.flag
毕竟自己才大一，不懂得有很多，要学的东西也还很多很多，但我毕竟年轻嘛，哈哈，对编程有绝对的兴趣，也有朝气有决心。刚看了小鹿的一个博客，里面有个如何十年学好编程，（十年还不一定学好，哈哈，太难了），所以我也不急功近利，稳扎稳打中尽快提升自己，能做更多项目就好。以后至少一周一篇博客吧，不求多少人看，只想督促下自己，同时记录下自己的学习路线。
1.8. 博客内容
大一新生，刚接触编程，内容肯定不会多好，也会很杂乱，可能一会机器学习，一会爬虫，一会又C语言了，主要目的就是像做笔记似的，记录下自己的学习。还望多多指教下我这个小白（同时也能提高下你们嘛 哈哈）。
2.机器学习训练模型
2.1.如果你的训练集有超过百万个特征，你会选择什么线性回归训练算法？
答：如果训练集有数百万个特征，你可以使用随机梯度下降或者是小批量梯度下降，如果内存允许，甚至可以使用批量梯度下降。但是 由于计算复杂度随着特征数量的增加而快速提升（比二次方还高）， 因此不能使用标准方程的方法。
2.2.如果你的训练集里特征的数值大小迥异，什么算法可能会受到影响？受影响程度如何？你应该怎么做？
答：如果训练集的特征数值具有非常迥异的尺寸比例，成本函数将呈现为细长的碗状，这导致梯度下降算法将耗费很长时间来收敛。要解决这个问题，需要在训练模型之前先对数据进行缩放。值得注意的是，使用标准方程法，不经过特征缩放也能正常工作。
2.3.训练逻辑回归模型时，梯度下降是否会困于局部最小值？
答：训练逻辑回归模型时，梯度下降不会陷入局部最小值，因为它 的成本函数是凸函数（如果在曲线上任意两点之间画一条连接线，该线永远不会穿过曲
线。）
2.4.假设运行时间足够长，所有的梯度下降算法是不是最终会产生相同的模型？
答：如果优化问题是凸的（例如线性回归或者逻辑回归），并且学习率也不是太高，那么所有梯度下降算法都可以接近全局最优，最终生成的模型都非常相似。但是，除非逐渐降低学习率，否则随机梯度 下降和小批量梯度下降都不会真正收敛。相反，它们会不断在全局最优的附近波动。也就是说，即使运行时间非常长，这些梯度下降算法产生的模型仍然会有轻微不同。
2.5.假设你使用的是批量梯度下降，并且每一轮训练都绘制出其验证误差，如果发现验证误差持续上升，可能发生了什么？你如何解决这个问题？
答：如果验证误差开始每轮上升，那么可能性之一是学习率太高， 算法开始发散所致。如果训练误差也开始上升，那么很显然你需要降 低学习率了。但是，如果训练误差没有上升，那么模型很可能过度拟 合训练集，应该立刻停止练。
2.6.当验证误差开始上升时，立刻停止小批量梯度下降算法训练是否为一个好主意？
答：无论是随机梯度下降还是小批量梯度下降，由于它们的随机 性，使得它们都不能保证在每一次的训练迭代中都取得进展。所以， 如果在验证误差刚开始上升时就停止训练，很有可能会在达到最优之 前过早停止训练。更好的方法是定时保存模型，当较长一段时间都没 有改善时（意味着可能不会再超过最好的记录了），可以恢复到保存 的最优模型。
2.7.哪种梯度下降算法（所有我们讨论过的）能最快到达最优解的附近？哪种会收敛？如何使其他算法同样收敛？
答：随机梯度下降的训练迭代最快，因为它一次只考虑一个训练实例，所以通常来说，它会最快到达全局最优的附近（或者是批量非常小的小批量梯降）。但是，只有批量梯度下降才会经过足够长时间的训练后真正收敛。对于随机梯度下降和小批量梯度下降来说，除非逐渐调低学习率，否则将一直围绕最小值上上下下。
2.8.假设你使用的是多项式回归，绘制出学习曲线，你发现训练误差和验证误差之间存在很大的差距。发生了什么？哪三种方法可以解决这个问题？
答：如果验证误差远高于训练误差，可能是因为模型过度拟合训练集。解决这个问题的方法之一是对多项式降阶：自由度越低的模型，过度拟合的可能性越低。另一个方法是对模型进行正则化——例如，在成本函数中增加2（岭回归）或1（Lasso回归）惩罚，同样可以降低模型的自由度。最后，你还可以尝试扩大训练集。
2.9.假设你使用的是岭回归，你注意到训练误差和验证误差几乎相等，并且非常高。你认为模型是高方差还是高偏差？你应该提高还是降低正则化超参数？
答：如果训练误差和验证误差相近，并且都非常高，则模型很可能对训练集拟合不足。这意味着偏差较高，应该尝试降低正则化超参数。
2.10.你为何要使用：岭回归而不是线性回归？Lasso回归而不是岭回归？弹性网络而不是Lasso回归？
答：有正则化的模型通常比没有正则化的模型表现得更好，所以应该优先选择岭回归而不是普通的线性回归。如果训练误差和验证误差相近，并且都非高，则模型很可能对训练集拟合不足。这意味着偏差较高，应该尝试降低正则化超参数。
Lasso回归使用1惩罚函数，往往倾向于将不重要的特征权重降至零。这将生成一个除了最重要的权重之外，其他所有权重都为零的稀疏模型。这是自动执行特征选择的一种方法，如果你觉得只有少数几个特征是真正重要的，这不失为一个非常好的选择，但是当您不确定的时候，应该更青睐岭回归模型。
·弹性网络比Lasso更受欢迎，因为某些情况下Lasso可能产生异常
表现（例如当多个特征强相关，或者特征数量比训练实例多时）。并
且，弹性网络会添加一个额外的超参数来对模型进行调整。如果你想
使用Lasso，只需要将弹性网络的l1_ratio设置为接近1即可。
2.11.如果你想将图片分类为户外/室内以及白天/黑夜。你应该实现
两个逻辑回归分类器还是一个Softmax回归分类器？**
答：要将图片分类为户外/室内和白天/夜间，你应该训练两个逻辑
回归分类器，因为这些类别之间并不是排他的（存在四种组合）
3 杂乱的基础知识
3.1 np.c_ np.r_
**1.np.c_
>>>np.c_[np.ones([2,2]),([1,2],[3,4])]
array([[1., 1., 1., 2.],
[1., 1., 3., 4.]])
>>>np.c_[np.array([1,2,3]), np.array([4,5,6])]
array([[1, 4],
[2, 5],
[3, 6]])
>>>np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]
array([[1, 2, 3,0,0, 4, 5, 6]]
2.np.r_
>>> np.r_[1:4:4j, [0]*3, 5, 6]
array([1., 2., 3., 4., 0., 0., 0., 5., 6.])
>>> np.r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])]
array([1, 2, 3,0,0, 4, 5, 6])
>>> a = np.array([[0, 1, 2], [3, 4, 5]])
>>> b=np.array([[1,1,1],[2,2,2]])
>>> np.r_['0', a, b]
array([[0, 1, 2],
[3, 4, 5]
[1, 1, 1],
[2, 2, 2]])
>>> a = np.array([[0, 1, 2], [3, 4, 5]])
>>> b=np.array([[1,1,1],[2,2,2]])
>>> np.r_['1', a, b]
array([[0, 1, 2, 1, 1, 1],
[3, 4, 5, 2, 2, 2]])
3.2 np.random
1.np.random.rand()
rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
>>np.random.rand(4,2)
array([[ 0.02173903, 0.44376568],
[ 0.25309942, 0.85259262],
[ 0.56465709, 0.95135013],
[ 0.14145746, 0.55389458]])
2.np.random.randn()
randn函数返回一个或一组样本，具有标准正态分布。
>>np.random.randn(2,4)
array([[ 0.27795239, -2.57882503, 0.3817649 , 1.42367345],
[-1.16724625, -0.22408299, 0.63006614, -0.41714538]])
3.np.random.randint()
返回随机整数
>>np.random.randint(-5,5,size=(2,2))
array([[ 2, -1],
[ 2, 0]])
4.np.random.seed
np.random.seed()的作用：使得随机数据可预测。
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
import numpy as np
i=0
a=[]
b=[]
while i<6:
np.random.seed(1)
a.append(np.random.randint(1,10))
i+=1
print(a)
[6, 6, 6, 6, 6, 6]
np.random.seed(1)
for j in range(10):
b.append(np.random.randint(1,10))
print(b)
[6, 9, 6, 1, 1, 2, 8, 7, 3, 5]
5.random.shuffle(x)
现场修改序列，改变自身内容。（类似洗牌，打乱顺序）
>>B = np.arange(9).reshape((3, 3))
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>>np.random.shuffle(B)
>array([[6, 7, 8],
[0, 1, 2],
[3, 4, 5]])
6.numpy.random.permutation ( x )
返回一个随机排列
>>>np.random.permutation(10)
array([7, 9, 5, 0, 3, 6, 1, 4, 8, 2])
>>>np.random.permutation([1, 4, 9, 12, 15])
array([ 1, 9, 15, 12, 4])
>>>A = np.arange(9).reshape((3, 3))
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>>np.random.permutation(A)
array([[0, 1, 2],
[6, 7, 8],
[3, 4, 5]])
7.numpy.random.RandomState（）
指定种子值是为了使同样的条件下每次产生的随机数一样，避免程序调试时由随机数不同而引起的问题。
>>>np.random.RandomState(2018).randn(2,3) #RandomState()固定随机值 使其可还原 rand(2,3)两行三列的数组
array([[-0.2767676 , 0.581851 , 2.14839926],
[-1.279487 , 0.50227689, 0.8560293 ]])
8.np.random.permutation(x)
洗牌
>>>np.random.permutation(np.arange(10))#洗牌
array([0, 5, 1, 3, 7, 8, 6, 9, 2, 4])
3.3C语言函数（变量）
1.局部变量
局部变量也称为内部变量。局部变量是在函数内作定义说明的。其作用域仅限于函数内，离开该函数后再使用这种变量是非法的。
关于局部变量的作用域还要说明以下几点：
1)主函数中定义的变量也只能在主函数中使用，不能在其它函数中使用。同时，主函数中也不能使用其它函数中定义的变量。因为主函数也是一个函数，它与其它函数是平行关系。这一点是与其它语言不同的，应予以注意。
2)形参变量是属于被调函数的局部变量，实参变量是属于主调函数的局部变量。
3)允许在不同的函数中使用相同的变量名，它们代表不同的对象，分配不同的单元，互不干扰，也不会发生混淆。如在前例中，形参和实参的变量名都为n，是完全允许的。
4)在复合语句中也可定义变量，其作用域只在复合语句范围内。
2.全局变量
全局变量也称为外部变量，它是在函数外部定义的变量。它不属于哪一个函数，它属于一个源程序文件。其作用域是整个源程序。在函数中使用全局变量，一般应作全局变量说明。只有在函数内经过说明的全局变量才能使用。全局变量的说明符为extern。但在一个函数之前定义的全局变量，在该函数内使用可不再加以说明。
3.根据长方体的长宽高求它的体积以及三个面的面积
#include <stdio.h>
int s1, s2, s3; //面积
int vs(int a, int b, int c){
int v; //体积
v = a * b * c;
s1 = a * b;
s2 = b * c;
s3 = a * c;
return v;
}
int main(){
int v, length, width, height;
printf("Input length, width and height: ");
scanf("%d %d %d", &length, &width, &height);
v = vs(length, width, height);
printf("v=%d, s1=%d, s2=%d, s3=%d\n", v, s1, s2, s3);
return 0;
}
利用下列公式编程计算三角形面积
提示：
(1)三角形边长a,b,c由键盘输入；
(2)若输入的a,b,c能构成三角形，则计算面积并输出(结果保留两位小数)；
(3)若输入的a,b,c不能构成三角形，则重新输入一组a,b,c，转(2)。
要求：【样例输出1】Please input a,b,c:1,2,3
a=1,b=2,c=3 is not triangle.
Please input a,b,c again:1,1,1
area=0.43
#include<stdio.h>
#include<math.h>
//float a, b, c, s, ar, area; //递归调用，全局局部都可
int inp() {
float a, b, c, s, ar, area;
printf("Please input a,b,c:\n");
scanf("%f%f%f", &a, &b, &c);
s = (a + b + c) / 2, ar = (s - a) * (s - b) * (s - c), area = sqrt(s * ar);
if (a < c + b && b < c + a && c < a + b) {
printf("area=%.2f\n", area);
}
else {
printf("a=%.0f,b=%.0f,c=%.0f is not triangle.\n", a, b, c);
float are = inp();
}
return area;
}
int main() {
inp();
}
