java安装文件结构  SDK：软件开发包  jdk代码（封装好的功能），java开发包，是SDK的子集  jre运行环境（对应各种软件程序，保证运行）  源文件的声明规则： 1、一个源文件只能有一个public类 2、一个源文件可以有多个public类  环境变量： windows linux 数据类型 1、基本数据类型 2、引用数据类型 方法重载：在一个类中，通过不同的参数列表来区分同名的方法 访问控制符 static关键字 final关键字 单例模式：饿汉式、懒汉式 集合框架： Collection接口 ->List接口，线性表。 -->ArrayList类，动态数组，寻址效率更高。 -->LinkedList类，链表，插入删除更新效率更高。 ->Queue接口，队列。由LinkedList实现。先进先出。 -->Deque接口，双端队列。由LinkedList实现。可以从两端进出，如果控制从一端进出，可以实现栈(stack)的数据结构。 Set接口：不重复数据集合 -->HashSet类 -->TreeSet类 Iterator接口： 用于遍历集合元素，主要提供了3个方法，hasNext(),next(),remove() Collections类： 提供一些方法用于操作集合对象 Map接口，查找表，值为键值对的形式，key-value，key不存在重复的，可以通过key访问value值 ->HashMap类 ->TreeMap类 泛型：在定义接口或者类时，可以定义其中的方法的参数或者返回值为一个泛型（Object），在实际实现或者调用时可以指定一个确定的类类型。这样使方法更灵活。集合中的方法基本都为泛型方法。泛型检查在编译期进行，在运行期不执行。可以通过反射调用绕开泛型检查。 异常处理： throw语句：在方法中抛出指定异常对象 throws关键字：声明在方法外，将方法中发生的异常做抛出处理，不在方法中进行处理，调用该方法会得到抛出的异常，可以选择处理，或者继续抛出。通常只抛检测异常。 异常分类： 1.非检测异常，在编译代码时，该类型异常不需要进行处理，属于运行期异常。RuntimeException()。 2.检测异常，在编译代码时，该类型异常必须得到处理或抛出，否则无法通过编译，属于编译期异常。 3.自定义异常 反射类：通过反射返回Class对象，来访问类构造器、类属性、类方法。 1.通过类的对象，反射Class对象——Class 对象 = 类对象.getClass() 2.通过类来反射Class对象——Class 对象 =类.class 3.通过Class.forName(String 类路径)，反射Class对象——Class 对象 = Class.forName(String 类路径) IO类 java.io.File java.io.FileWriter java.io.BufferedWriter java.io.FileReader java.io.BufferedReader 枚举enum 多线程： 1.通过继承Thread类，改写类中的void run()方法，通过void start()来启动线程。 2.通过实现Runnable接口，实现接口中的void run()方法，通过接口对象构建Thread类对象。 3.通过实现Callable接口，实现接口中的V call()方法，通过接口对象创建FutureTask包装器对象,通过包装器对象构建Thread类对象。 4.通过实现Callable接口，实现接口中的V call()方法，ExecutorService创建线程池对象，通过线程池对象执行实现的接口方法，得到返回值返回到Future对象中。 守护线程：会在其他线程结束后结束 线程锁：synchronized 修饰方法，来锁定整个方法 修饰代码块，来锁定部分语句 锁定对象：1.锁定类的类的对象，this 2.锁定类,类名.class 3.锁定具体对象，对象名

函数 内置函数：  数据类型转换函数  len() 函数 写函数：1、告诉计算机，要定义一个函数 2、函数的名字是什么 3、这个函数需要输入什么参数 4、参数的处理过程是什么样的 5、把什么样的处理结果还给输入者 参数：形参 、默认参数、实参、位置参数、关键字参数 变量：全局作用域、局部作用域（global 关键字） 类与面向对象编程 面向过程：C语言 面向对象：对象=属性（特征、变量）+方法（行为、定义在类的函数） 类的实例化：__init__() 方法initialize（初始化） 继承 与 多态：子类重写父类方法、方法的多态性 条件分支——布尔表达式：三元表达式、二元表达式 多路分支：多选一问题，让计算机先判断最难满足的条件 多个条件语句：多次选择，选择结果互不影响 嵌套条件：前一个选择的结果会影响后面的选择 条件判断——布尔运算符： 取反运算符：! 且运算符：&& 或运算符：|| 三元运算符：?: 比较运算符：==（等于）；!=（不等于）；>（大于）；=（大于等于）；

有监督算法： ML机器学习：极大似然估计、中间极限定理、多元线性回归、泰勒展开公式 深度学习——逻辑回归LR：Softmax回归、交叉熵损失函数、sigmoid函数二分类 神经网络——网络拓扑： DNN深度 CNN卷积 RNN循环 对抗神经网络GAN ——激活函数： 非线性变换sigmoid Tanh 双曲正切函数hyperbolic tangent function Relu线性整流函数（Linear rectification function），又称修正线性单元 训练神经网络 向前阶段→正向传播（存储每一层的输出x/a，每一层的Z） 向后阶段→反向传播 1、求梯度，调参数 2、算出每一个参数对loss的贡献进行比较 3、求出残差 求前一层的梯度会用到后一层的梯度 通过for循环计算完正向传播和反向传播再进行“更新” 决策树DT:（二叉树，多叉树——信息增益率） 回归：MSE作为损失函数 分类：交叉熵cross-entropy作为损失函数 防止过拟合——前剪枝： gini系数 树的最大深度（层数） random_state随机种子 class_weight类别权重 后剪枝： REP—错误率降低剪枝 PEP—悲观剪枝（C4.5） CCP——代价复杂度剪枝（CART） 集成学习： Stacking：堆叠（多个阶段）：GBDT+LR Bagging（随机森林）：并行，有放回的抽样（按行） base model基模型→聚合模型 Aggregation Model Boosting：串行（需要第一个模型） 图模型：隐含马尔可夫模型 无监督算法： 聚类（K-均值算法） W模型参数 防止过拟合调整w：正则化 惩罚项——L1，L2 梯度下降法：求参数（权重，θ/w值） 设置“超参数” 1、初始化参数（initialization） 2、求gradient（斜率/梯度值）：梯度是loss/cost对变量θ（x轴）求导 3、调整θ：调整幅度——设置η学习率 4、终止条件：设置threshold阈值，计算收益 损失函数loss 矩阵——转置、矩阵乘法、逐点加法、逐点乘法 数据预处理： PCA降维 归一化： 最大值最小值归一化 标准归一化（方差归一化） feature extraction特征抽取 使用工具包：Numpy、sklearn 环境：CUDA、annaconda3、pytorch、torch、cudnn