MyBatis1、mybatis简介1.1 mybatis历史MyBatis最初是Apache的一个开源项目iBatis, 2010年6月这个项目由Apache Software Foundation迁移到了Google Code。随着开发团队转投Google Code旗下， iBatis3.x正式更名为MyBatis。代码于2013年11月迁移到Github。iBatis一词来源于“intern

1 简介和基础使用1.1 简介JDBC：是sun发布的一个java程序和数据库之间通信的规范（接口） 各大数据库厂商去实现JDBC规范（实现类），将这些实现类打成压缩包，就是所谓的jar包 比如： 1.2 创建连接url：防止中文乱码，加上参数useUnicode=true&characterEncoding=utf-8。url的标准格式为：jdbc:mysql://ip:端口号/数据库

计算图定义：使用计算图来表示任意函数，其中图的节点表示我们要执行的每一步计算。 好处：使用计算图来表示一个函数，就能使用反向传播技术递归地调用链式法则来计算一下计算图中每个变量的梯度。当涉及到非常复杂的函数时，这种方法非常有用。 例子对于函数$f(x,y,z) = (x+y)z$,其中x=-2,y=5,z=-4 用计算图表示整个函数 向前传播计算中间变量的梯度 从后往前，根据链式法则和向前传播得

损失函数如何确定W，如何利用训练数据得到好的W。 损失函数：定义一个函数，输入W，然后定量计算W的好坏。 支持向量机SVM给定一个样本$(xi,y_i)$，其中$x_i$是图片，$y_i$是图片真实对应的标签，就是第几类，i代表是训练集第i个样本。用支持向量机表示为：$$L_i = \sum{j\neq yi}max(0,s_j-s{y_i}+1)$$，S为这张图片通过分类器计算出来的各个类的得分

图像分类遇到的问题 semantic gap 语义鸿沟，人看到的是一张图片，但是计算机看到的是数字矩阵 viewpoint variation 视角不同，看到的内容不同 Illumination 照明问题 Deformation 变形问题 Occlusion 遮挡问题 Background Clutter 比如猫身上的条纹和背景很像 Intraclass variation 类内

1 感知机给予输入，权重和偏差，然后感知机输出1或0，其实是个二分类问题 二分类：-1或1 线性回归：输出实数 softmax回归：输出回归概率 1.1 训练感知机标记$y_i$有值为1和-1，分别对应着二分类中的两个类。如果$< w,x_i >+b$的值小于等于0，即预测的为-1对应的类，但是真实的$y_i$是1，二者相乘结果为非整数表示分类错误，就需要调整参数。 -\log P

Pandas1、基本介绍pandas类似于python的字典，一般和numpy搭配着使用。 创建DataFrame，指定行和列的名称 默认名称就是索引号 传入字典构造DataFrame 查看数据类型 查看行和列的名称 转置 排序，按照索引名称排序。按照值排序 12345678910111213141516171819202122232425262728293031323334353637383

numpy0、作用使用numpy&pandas使得数据分析中计算非常快，比python自带的字典和列表快很多，因为这俩模块使用C语言编写的。应用到了矩阵的运算，使用C语言实现，更快。 1、安装直接在终端使用命令 1pip install numpy 安装完成即可 2、numpy基本属性基本属性包括：将列表转换为numpy的array，查看array的维度、形状、总元素个数 1234567

1、安装minicondawindows下安装，去清华大学开源镜像下载，速度比较快。 选中Miniconda3-latest-Windos-x86_64.exe下载安装包（目前最新的是py3.9）或者（py3.8版本的）（由于该课程李沐用的是3.8，所以建议3.8）：下载完成之后双击安装即可，一般都选择默认配置即可 安装完成后，打开anaconda prompt这个终端（安装miniconda的时