mode = input("请选择模式:")
n = int(input("请输入数字:"))if mode == "A" or mode == "a":# 模式A n:输入的层数 i:当前的层数# 每行数字循环次数 == ifor i in range(1, n + 1):for j in range(1, i + 1):print(j, end="\t")print()if mode == "B" or mode == "b":# 模式B n:输入的层数 i:当前的层数# 每行数字循环次数 == n - i + 1for i in range(1, n + 1):for j in range(1, n - i + 2):print(j, end="\t")print()if mode == "C" or mode == "c":# 模式C n:输入的层数 i:当前的层数# 每行空格循环次数 == n - i# 每行数字循环次数 == ifor i in range(1, n + 1):for _ in range(n - i):print(" ", end="\t")for _ in range(i):print(i,end="\t")i -= 1print()if mode == "D" or mode == "d":# 模式D n:输入的层数 i:当前的层数# 每行空格循环次数 == i - 1# 每行数字循环次数 == n - i + 1for i in range(1, n + 1):for _ in range(i - 1):print("", end="\t")for j in range(1, n - i + 2):print(j, end="\t")print()
模型的学习过程
将数据的特征分为,有用特征和无用特征(噪声).有用特征与任务有关,无用特征与任务无关. 模型的学习过程就是增大有用特征的权重并减少无用特征的权重的过程. 神经网络反向传播过程简化如下: y a 0 x 0 a 1 x 1 , l o s s 0.5 ∗ ( y l a b e l − y ) 2 y …