摘要：
标识列 也叫作自增长列，可以不用手动输入值，系统提供默认的序列值。 特点： 1、标识列必须和主键搭配吗？不一定，但要求是一个key2、一个表可以有几个标识列？至多一个！3、标识列的类型只能是数值型4、标识列可以通过 SET auto_increment_increment=3;设置步长；可以通过手动 阅读全文
摘要：
含义：一种限制，用于限制表中的数据，为了保证表中的数据的准确和可靠性 分类：六大约束 NOT NULL：非空，用于保证该字段的值不能为空 比如姓名、学号等 DEFAULT:默认，用于保证该字段有默认值 比如性别 PRIMARY KEY:主键，用于保证该字段的值具有唯一性，并且非空 比如学号、员工编号 阅读全文
摘要：
插入语句 语法一： INSERT INTO 表名（列名，...） VALUES（值1，...） #1.插入类型要与列的类型一致或兼容 INSERT INTO `beauty`(id,`name`,`sex`,`borndate`,`phone`,`photo`,`boyfriend_id`) VAL 阅读全文
摘要：
连接查询/多表查询 sql92版本 # 内连接 #1.等值连接 #查询员工名和对应部门名 SELECT `last_name`, `department_name` FROM `employees`, `departments` WHERE `employees`.`department_id` = 阅读全文
摘要：
跟着尚硅谷视频重新开始学习复习，做个笔记+自我总结 注释语法： 单行注释# 或者--加空格（空格必须有） 多行注释/* */ 查询 基础查询 /* select 查询列表 from 表名 可以查表中字段/常量值/表达式/函数 查询结果是虚拟表格。并不真实存在 */ # 查询一个字段 SELECT l 阅读全文
摘要：
PCA做法 deep auto-encoder做法 deep auto-encoder还原的图会更接近原图，但这并不是重点，要不然直接输出原图就好了，降维干嘛 重点是降维后能分开 例子： 阅读全文
摘要：
有多少个词汇就有多少维向量，只有表示它那维是1其他都是0。这样不知道词汇之间的关系，所以可以采用class。但是这样太粗糙了，引入word embedding。 word embedding简介： 根据词汇的上下文找出它的vector count based：两个词经常一起出现，给他们一个相似的向量 阅读全文
摘要：
凭借的是降维前的空间中，每一个点和它的邻居之间的关系进行降维。 也叫流形学习Manifold Learning。 那个点离黄色点更远还是离红色点更远呢，表面上好像黄色点更远，但是按照形状其实红色更远，就像要降维之后再观察 方法一：局部线性嵌入（LLE） LLE目的也是降维，第一步找出wij K不能太 阅读全文
摘要：
贴标签，不知道要分成多少类？就要根据经验决定。 >简单介绍K近邻 两两计算相似度（相似度高的两个），切一刀看哪些在一组 cluster时就是以偏概全，每个object都一定属于某个cluster，但这样太过粗糙，所以要用一个vector表示一个object。 dimension reduction被 阅读全文
摘要：
把词汇变成一个向量，方法： 用other表示不在词汇组里的向量 以及用26个字母表示 希望如此：但是不理解出发还是到达 我们希望neural network有记忆力，可以根据上下文产生不同output，所以产生了RNN： 举例说明： 给memory一个初始值[1,1]蓝色格子，带入计算 蓝色格子被更 阅读全文