前言：

老規矩，前言的碎碎念還是得有的，cs231n的課之前就想刷來著，室友也一直盯著我，讓我刷，說我基礎太差，不刷不行，好好好，我來重拾一下，看看究竟用什麼方法，才能讓我堅持下去。
雖然自己也曾經呼叫過一些API，整天就是配環境，刷系統，改bug。
但是感覺這段時間一直學的是“術”，得靜下心來學點“道”了！
來整整吧～也不給自己立flag和設定時間了，盡力吧～

一、K近鄰演算法簡介：

其實我看到這個翻譯教程，以及剛才看的英文視訊，發現，這個K近鄰演算法，好像我記混了，之前學模式識別的時候，也有一個K分類什麼的，忘了叫啥了，感覺那個得迭代好幾次，為啥這個K近鄰就直接算距離？
好吧，我搜了一下，網上目前找到比較全，還算是正經一個教程：

接下來對KNN演算法的思想總結一下：就是在訓練集中資料和標籤已知的情況下，輸入測試資料，將測試資料的特徵與訓練集中對應的特徵進行相互比較，找到訓練集中與之最為相似的前K個數據，則該測試資料對應的類別就是K個數據中出現次數最多的那個分類，其演算法的描述為：

1）計算測試資料與各個訓練資料之間的距離；

2）按照距離的遞增關係進行排序；

3）選取距離最小的K個點；

4）確定前K個點所在類別的出現頻率；

5）返回前K個點中出現頻率最高的類別作為測試資料的預測分類。

具體的演算法，我就不實現了，文中有，但是我感覺這種演算法沒啥用，還複雜，沒意思。

二、Python列表切片和numpy切片的區別

需要注意的問題：
在Python中，列表的直接等於賦值，是淺賦值，二者是關聯的，一個改動，兩個都會改，列表的切片是深複製，會重新建立資料；
而numpy陣列不一樣，直接賦值不清楚，但是切片是淺複製，一個改動，兩個都會改。
舉例看看：

1.列表直接等於賦值：會關聯的。

>>> 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：重新建立

>>> 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：確實是會改變的，看到一個教程說，這其實是一種叫(view)檢視的功能，和list的切片概念都不一樣！
教程連結：【Python】numpy 中的 copy 問題詳解

>>> 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[:] 這種形式就屬於第二種，即檢視，這本質上是一種切片操作（slicing），所有的切片操作返回的都是檢視。具體來說，b = a[:]會建立一個新的物件 b（所以 id(b) 和id(a) 返回的結果是不一樣的），但是 b 的資料完全來自於a，和 a 保持完全一致，換句話說，b的資料完全由a保管，他們兩個的資料變化是一致的！

4.numpy的等於號賦值，看看是啥樣：

>>> 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.]])

確實，id都一樣。b只是a新增的一個引用而已。

5.numpy的完全複製：
只需要在a後面加一個.copy()就行了
舉個例子：

>>> 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

可以看到這才是正確方式～

小結一下：

關於這個翻譯教程，挺容易入門的，不過我也算是有過一些基礎，邊看，邊碼程式碼，驗證，效果還行。
只是還沒有遇到作業，聽說作業才是最重要的～

至於這個切片的區別，主要是我之前不經意之前，很容易被淺複製給坑了！這次總結一下，給大家也提個醒～