我们在生活中常常听到“这句话信息量好大。”、“这都是废话，没什么信息量。“，而我们却很少思考，这里的信息量究竟是什么意思？是否可以给出精确定义，甚至，量化它呢？

b站-YJango，个人还是对这位先生的

视频地址：b站-Yjango，个人还是对他表示敬意的，他的视频挺具有启发性。

本文同样参考了 如何评价知乎用户 YJango 的公众号？ - Makise Chris的回答 - 知乎

阅读了几篇关于记忆方法的文章，有所感悟，结合了一下自己经历，选了几个我认为有长期实践意义的方法，在此记录，此文可能会长期更新，毕竟记忆方法也是要不断调整的。

前言

我认为针对不同问题，应该具有不同的记忆方法。比如：

单词记忆，那么也许联想类方法比较有用；

记忆某些抽象概念，如剩余价值的含义，也许更适合用关键词法；

…

所以记忆方法不能一概而论，犯教条主义错误。

神经网络中正向传播(Forward propagation)的向量化(Vectorized implementation)

classification_report函数主要用于显示主要分类指标的文本报告

1.前言

在报告中显示每个类的精确度、召回率等信息（可以用来检测回归算法的准确度）。

简单介绍一下Numpy中.dot()、*、multiply()和@的区别

Numpy是在利用Python进行科学计算和数据处理时肯定会使用到的模块(moudle)。

本文用比较通俗的语言讲解一下其中的Meshgrid函数

1.Meshgrid前言

简单来说，Meshgrid就是在用两个坐标轴上的点在平面上画网格，当然也可以用三个坐标，但是为了方便理解，下面都用两个坐标轴举例。

Ctrl+D：选中当前单词，再按一次选中下一个。（妈的谁用谁知道）

Ctrl+L：选中当前行

ctrl+shift+alt+up/down：多行编辑

未完待续…

在Coursera看Ng的视频时，因为不想用MATLAB和Octave，改用了Python实现，由于用到了pandas这个模块(moudle)中的.describe()方法，对它输出值(见下面代码段)中的分位数（25%，50%，75%）没太弄懂，再查阅各种资料之后，做一个简单的总结。

1
2
3
4
5
6
7
8
9
10
11

>>> s = pd.Series([1, 2, 3])
>>> s.describe()
count    3.0
mean     2.0
std      1.0
min      1.0
25%      1.5
50%      2.0
75%      2.5
max      3.0
dtype: float64

整理了一些我对进制之间转换的理解，有些地方为了记忆方便可能不太准确，欢迎指正。

我们日常最常用的进制当然是十进制DEC，因为最符合人类的习惯（数手指）。

对于计算机而言，最熟悉的则是二进制BIN（高低电平表示1和0）。

此外常用的还有八进制OCT，十六进制HEX。