机器学习-线性回归（对于f(x；w)=w^Tx+b理解）
一、𝑓(𝒙;𝒘) = 𝒘T𝒙的推导
学习线性回归，我们那先要对于线性回归的表达公示，有所认识。
我们先假设空间是一组参数化的线性函数：
其中权重向量𝒘 ∈ R𝐷 和偏置𝑏 ∈ R都是可学习的参数，函数𝑓(𝒙;𝒘,𝑏) ∈ R也称为线性模型。
不失一般性， 在本章后面的描述中我们采用简化的表示方法， 直接用 𝒘和 𝒙 分别表示增广权重向量和增广特征向量. 这样， 线性回归的模型简写为 𝑓(𝒙;𝒘) = 𝒘T𝒙.
这就是题目中提到的线性回归模型的推导由来。
这里为了更好的学习线性回归模型，这里我们普及一下大学时线性代数的一些概念。
二、向量、增广向量、增广权重向量、增广特征向量的概念：
1. 向量（Vector）
定义：
向量是一组有序排列的数，表示空间中的点、数据样本或特定属性的集合。
示例：
假设我们有一个人的身体数据，包括身高和体重，我们可以用一个向量表示：
这个向量表示身高 180 cm，体重 75 kg。
常见类型：
- 列向量（常用）： n×1 维，如上例。
- 行向量： 1×n，例如： x=[180,75]。
应用：
- 在机器学习中，向量用来表示数据样本（输入特征）、模型参数等。
- 在物理中，向量用来表示力、速度等有大小和方向的量。
2. 增广向量（Augmented Vector）
定义：
增广向量是在普通向量的基础上，增加一个额外的常数（通常是 1），以便于在数学计算中引入偏置项（Intercept/Bias）。
示例：
假设我们有一个特征向量：
增广后：
为什么要加 1？
在机器学习的线性回归公式中：
y = w_1 x_1 + w_2 x_2 + b
如果将 b 视为 w_3 并将增广向量 x 扩展为：
y = w_1 x_1 + w_2 x_2 + w_3 ⋅1
这时，增广后的矩阵运算更为简洁，公式变为：
应用：
- 机器学习： 在回归、分类等问题中，引入偏置项。
- 计算机视觉： 处理图像坐标变换（如平移操作）。
- 信号处理： 统一矩阵运算，减少额外计算。
3. 增广权重向量（Augmented Weight Vector）
定义：
增广权重向量是在普通权重向量的基础上，增加一个额外的偏置项 b，以与增广输入向量匹配。
示例：
假设我们有普通的权重向量：
增广后：
这样，使用增广权重向量，计算目标值时，可以与增广向量配合使用：
应用：
- 机器学习： 简化计算，避免单独处理偏置项。
- 神经网络： 统一偏置与权重的管理，提高计算效率。
4. 增广特征向量（Augmented Eigenvector）
定义：
增广特征向量是在线性代数的特征值分解问题中，在特征向量的基础上，附加额外的约束条件或辅助信息，以便解决某些特定问题。
特征向量的基本公式：
给定矩阵 A，特征向量满足：
Av=λv
如果原始特征向量是：
增广后：
为什么要增广？
- 在控制系统、信号处理等领域，增广特征向量可以用于增加额外信息，如系统约束或观测量。
- 在奇异值分解（SVD）、PCA等方法中，增加维度可以提高数值稳定性或处理特殊边界条件。
应用：
- 控制工程：增广状态向量来处理观测噪声。
- 计算机视觉：在3D变换中加入齐次坐标（如在2D坐标 (x,y)增广为 (x,y,1)）。
5. 总结：区别与联系
| 名称 | 定义 | 增加的元素 | 作用 | 例子 |
|---|---|---|---|---|
| 向量 | 一组数，表示数据或坐标 | 无 | 描述特征或数据点 | [180,75][180, 75] |
| 增广向量 | 在向量后加 1，使计算更方便 | 1 | 统一计算偏置项 | [180,75,1][180, 75, 1] |
| 增广权重向量 | 在权重后加偏置项 bb 以匹配增广向量 | 1 | 使得矩阵运算统一，减少额外处理 | [0.5,1.2,20][0.5, 1.2, 20] |
| 增广特征向量 | 在特征向量后加常数或约束 | 1 或更多 | 处理约束问题、增加系统观测能力 | [2,3,1][2, 3, 1] |
它们之间的联系：
- 增广向量和增广权重向量通常一起使用，用于机器学习中的线性模型。
- 增广特征向量更偏向于线性代数的特征值分解和矩阵分析，并不直接用于机器学习的建模中。
三、这里思考一个问题：空间可以由线性模型表示吗？
答案是yes，空间可以在一定条件下用线性模型来表示，特别是在欧几里得空间或特征空间中，线性模型可以用于描述点、方向、平面和超平面等几何对象。
1. 线性模型的基本形式
线性模型的一般数学形式是：
在向量形式下可以表示为：
其中：
- x 表示输入向量，描述空间中的点或特征。
- w 是权重向量，表示空间中的方向或特定超平面的法向量。
- b 是偏置，表示超平面与原点的距离。
2. 用线性模型表示几何空间的例子
例 1：平面在三维空间中的表示
假设我们在三维空间中有一个平面，其方程可以写成：
2x+3y−z+5=0
将其改写成线性模型的形式：
z=2x+3y+5z
这实际上是一个线性回归模型，其中：
- x1=x, x2=y，y=z。
- 权重 w=[2,3]。
- 偏置 b=5。
解释：
- 这个线性方程表示三维空间中的一个平面，线性模型可以表示任意方向的平面。
- 平面的法向量 (2,3,−1)代表其朝向。
例 2：二维平面上的直线
假设我们要表示一个 2D 平面上的直线：
y=4x+2
这里：
- x 是输入变量，y 是输出。
- 斜率 w1=4，偏置 b=2。
这条直线可以看作是一个 2D 空间中的线性模型，描述输入 x 和输出 y 之间的线性关系。
解释：
- 该直线分割了平面空间，表示空间中的一个一维子空间。
- 例如，在分类问题中，它可以用来将数据点分成两个类别。
例 3：超平面在高维空间中的表示（机器学习中的决策边界）
在机器学习中，支持向量机（SVM）和线性回归模型使用超平面来表示数据分布。例如，假设在 3D 空间中，数据点属于两个类别，我们可以用一个线性模型来区分它们：
w1x1+w2x2+w3x3+b=0
这个方程描述的是三维空间中的一个超平面，它可以将空间划分成两部分。
解释：
- 在 n 维空间中，线性方程表示的是一个 (n−1)维的超平面。
- 例如，在二维空间中，线性方程表示一条直线，在三维空间中，表示一个平面。
例 4：主成分分析（PCA）用于空间降维
在高维空间中，主成分分析（PCA）是一种常见的线性方法，用于找到数据的最佳投影方向。例如，给定一组三维点 (x1,x2,x3)，PCA 试图找到一个最佳的线性方向来表示这些点，从而将其降维到一个平面或直线。
PCA 线性模型通常可以写作：
其中：
- W 是投影矩阵，定义了降维后的新坐标轴。
- 这个模型可以找到数据所在的低维子空间。
3. 线性模型表示空间的局限性
尽管线性模型可以表示许多几何对象，但也存在局限：
- 无法表示非线性空间结构： 如果数据存在曲面或复杂的非线性关系，线性模型无法准确表示。
- 只能描述平直的结构： 例如圆、球等非线性空间无法用简单的线性方程来表示。
- 需要特征变换： 为了处理复杂空间，通常需要使用特征工程（如多项式特征扩展）或非线性映射（如核方法）。
4. 非线性空间如何用线性模型处理？
如果数据或空间具有非线性特征，可以通过以下方式将其转换为线性模型：
-
特征变换（Feature Engineering）
通过增加维度，空间变得线性。
-
核方法（Kernel Methods）
- 在支持向量机（SVM）中，核函数（如高斯核）将数据映射到高维线性可分空间。
-
神经网络（Deep Learning）
- 通过多层非线性激活函数，神经网络可以近似任意复杂的空间映射。
5. 结论
- 线性模型可以表示许多常见的空间，如直线、平面和高维超平面。
- 对于更复杂的空间结构，需要进行特征变换或使用非线性方法来补充线性模型的局限性。
- 在机器学习、数据分析和几何处理中，线性模型是非常重要的基础工具。
相关文章：
=w^Tx+b理解）)
机器学习-线性回归（对于f(x；w)=w^Tx+b理解）
一、𝑓(𝒙;𝒘) 𝒘T𝒙的推导 学习线性回归，我们那先要对于线性回归的表达公示，有所认识。 我们先假设空间是一组参数化的线性函数： 其中权重向量𝒘 ∈ R𝐷 …...
【Salesforce】审批流程，代理登录 tips
审批流程权限 审批流程权限问题解决方案代理登录代理登录后Logout 审批流程权限 前几天，使用审批流程，但是是两个sandbox，同样的配置，我有管理员权限。但是profile不是管理员，只是通过具备管理员权限的permission set…...
第20篇：Python 开发进阶：使用Django进行Web开发详解
第20篇：使用Django进行Web开发 内容简介 在上一篇文章中，我们深入探讨了Flask框架的高级功能，并通过构建一个博客系统展示了其实际应用。本篇文章将转向Django，另一个功能强大且广泛使用的Python Web框架。我们将介绍Django的核…...
Elastic Agent 对 Kafka 的新输出：数据收集和流式传输的无限可能性
作者：来 Elastic Valerio Arvizzigno, Geetha Anne 及 Jeremy Hogan 介绍 Elastic Agent 的新功能：原生输出到 Kafka。借助这一最新功能，Elastic 用户现在可以轻松地将数据路由到 Kafka 集群，从而实现数据流和处理中无与伦比的可扩…...
IPoIB（IP over InfiniBand）数据接收与发送机制详解
IPoIB（IP over InfiniBand）是一种在InfiniBand网络上实现IP协议的技术，它允许在InfiniBand网络上传输IP数据包。IPoIB通过将IP数据包封装在InfiniBand的数据包中，实现了在InfiniBand网络上的高效通信。本文将详细分析IPoIB如何接收…...
快速更改WampServer根目录php脚本
快速更改WampServer根目录php脚本 <?php // 配置文件地址 $apacheConfPath C:\Install\CTF\Wampserver\bin\apache\apache2.4.62.1\conf\httpd.conf; $apacheConfPath2 C:\Install\CTF\Wampserver\bin\apache\apache2.4.62.1\conf\extra\httpd-vhosts.conf; // 新根目录…...
——基本数据类型及使用的基础知识)
C#，入门教程(08)——基本数据类型及使用的基础知识
上一篇： C#，入门教程(07)——软件项目的源文件与目录结构https://blog.csdn.net/beijinghorn/article/details/124139947 数据类型用于指定数据体（DataEntity，包括但不限于类或结构体的属性、变量、常量、函数返回值）…...
【自定义函数】编码-查询-匹配
目录 自定义编码匹配编码匹配改进 sheet来源汇总来源汇总改进 END 自定义编码匹配 在wps vb环境写一个新的excel函数名为编码匹配，第一个参数指定待匹配文本所在单元格（相对引用），第二个参数指定关键词区域（绝对引用&…...
docker-制作镜像gcc添加jdk运行java程序
最近的项目需要使用java调用c的链接库，.OS文件，一开始准备在jdk的镜像下去安装c的环境，不过安装的内容很多，比较复杂也容易缺很多的包，经过实验，我们决定使用gcc的镜像安装jdk来正确的运行java程序。 基础镜…...
工业相机 SDK 二次开发-Sherlock插件
本文介绍了 sherlock 连接相机时的插件使用。通过本套插件可连接海康的工业相机。 一．环境配置 1. 拷贝动态库 在用户安装 MVS 目录下按照如下路径 Development\ThirdPartyPlatformAdapter 找到目 录为 DalsaSherlock 的文件夹，根据 Sherlock 版本找到…...
智慧消防营区一体化安全管控 2024 年度深度剖析与展望
在 2024 年，智慧消防营区一体化安全管控领域取得了令人瞩目的进展，成为保障营区安全稳定运行的关键力量。这一年，行业在政策驱动、技术创新应用、实践成果及合作交流等方面呈现出多元且深刻的发展态势，同时也面临着一系列亟待解决…...
On to OpenGL and 3D computer graphics
2. On to OpenGL and 3D computer graphics 声明：该代码来自：Computer Graphics Through OpenGL From Theory to Experiments，仅用作学习参考 2.1 First Program Square.cpp完整代码 /// // square.cpp // // OpenGL program to draw a squ…...
python实现http文件服务器访问下载
//1.py import http.server import socketserver import os import threading import sys# 获取当前脚本所在的目录 DIRECTORY os.path.dirname(os.path.abspath(__file__))# 设置服务器的端口 PORT 8000# 自定义Handler，将根目录设置为脚本所在目录 class MyHTT…...
Redis高阶5-布隆过滤器
Redis布隆过滤器 由一个初始值都为零的bit数组和多个哈希函数构成，用来快速判断集合中是否存在某个元素 目的减少内存占用方式不保存数据信息，只是在内存中做一个是否存在的标记flag 布隆过滤器（英语：Bloom Filter࿰…...
Hive关于数据库的语法,warehouse,metastore
关于数据库的语法 在default数据库下,查看其他数据库的表 in 打开控制台 字体大小的设置 Hive默认的库: default, 1/4说明一共有4个库,现在只展示了1个,单击>>所有架构 数据库的删除 方法一: 语法 删除有表的数据库,加cascade 方法二 当前连接的数据库 切换当前数据库…...
Kafka 深入服务端 — 时间轮
Kafka中存在大量的延迟操作，比如延时生产、延时拉取和延时删除等。Kafka基于时间轮概念自定义实现了一个用于延时功能的定时器，来完成这些延迟操作。 1 时间轮 Kafka没有使用基于JDK自带的Timer或DelayQueue来实现延迟功能，因为它们的插入和…...
ubuntu系统docker环境搭建
ubuntu系统docker环境搭建 docker引擎安装 高版本docker引擎安装时已经自带有docker compose 安装参考docker官网Install Docker Engine on Ubuntu 方式一： 在线安装 参考apt方式安装 1、Set up Docker’s apt repository. # Add Dockers official GPG key: …...
安宝特方案 | AR在供应链管理中的应用：提升效率与透明度
随着全球化的不断深入和市场需求的快速变化，企业对供应链管理的要求也日益提高。如何在复杂的供应链环境中提升效率、降低成本，并确保信息的透明度，成为了各大行业亟待解决的问题。而增强现实（AR）技术，特别…...
[ Spring ] Spring Cloud Alibaba Message Stream Binder for RocketMQ 2025
文章目录 IntroduceProject StructureDeclare Plugins and ModulesApply Plugins and Add DependenciesSender PropertiesSender ApplicationSender ControllerReceiver PropertiesReceiver ApplicationReceiver Message HandlerCongratulationsAutomatically Send Message By …...
再述 Dijkstra
再述 Dijkstra 学 Dijkstra 好久了，今天再学了一遍，感觉推翻了好多自己的知识…… 定义 一种用于求非负权值的图的单源最短路径的算法。 方法 已知：如果要求从起始点 s 到某一个点 x 的最短路径，显然只能从某一个已确认为最短…...
大语言模型之prompt工程
前言 随着人工智能的快速发展，我们正慢慢进入AIGC的新时代，其中对自然语言的处理成为了智能化的关键一环，在这个大背景下，“Prompt工程”由此产生，并且正逐渐成为有力的工具... LLM （Large Language Mode…...
JavaScript系列（43）--依赖注入系统实现详解
JavaScript依赖注入系统实现详解 💉 今天，让我们深入探讨JavaScript的依赖注入系统实现。依赖注入是一种设计模式，它通过将依赖关系的创建和管理从代码中分离出来，提高了代码的可维护性和可测试性。 依赖注入基础概念 …...
Mono里运行C#脚本36—加载C#类定义的成员变量和方法的数量
前面分析了加载类和基类的基本过程， 接着来分析一下加载成员变量和方法的数量。 因为我们知道C#语言定义一个类，主要就是定义成员变量，以及那些对此成员变量进行操作的方法， 所以需要使用一种方法来描述C#语言定义类的能力。 一般情况下，主要有两种类型： 普通的类，比如前…...
SWPU 2022 新生赛--web题
奇妙的MD5 进入靶场 然我们输入一个特殊的字符串，然后我到处翻了翻，发现有提示 在MD5中有两个特殊的字符串 0e215962017 //MD5加密后弱比较等于自身 ffifdyop //MD5加密后变成万能密码 这里明显就是万能密码了 输入之后就来到了这个页…...
Windows 靶机常见服务、端口及枚举工具与方法全解析：SMB、LDAP、NFS、RDP、WinRM、DNS
在渗透测试中，Windows 靶机通常会运行多种服务，每种服务都有其默认端口和常见的枚举工具及方法。以下是 Windows 靶机常见的服务、端口、枚举工具和方法的详细说明： 1. SMB（Server Message Block） 端口 445/TCP&…...
记一次Linux共享内存段排除Bug：key值为0x0000000的共享内存段删除不了
本文目录 一、问题情况二、解决方法2.1 通过kill命令删除2.2 通过程序删除 一、问题情况 今天查看共享内存段发现好多共享内存段，而且命令ipcrm -m <shmid>删除不了。 回想了一下，应该是有一些程序跑while循环，或者死循环，…...
RV1126画面质量四：GOP改善画质
一． 什么是 GOP GOP 实际上就是两个 I 帧的间隔，比方说分辨率是 1920 * 1080 50 帧，假设 GOP 为 5，那就是大概 2s 插入一个 I 帧。我们再 回顾下，H264/H265 的帧结构。H264/H265 分别分为三种帧类型：I 帧、…...
手机app如何跳过无障碍权限实现弹框自动点击-ADB连接专题
手机app如何跳过无障碍权限实现弹框自动点击 --ADB连接专题 一、前言 我们在前期的时候，在双SIM卡进行协同外呼和SIM卡切换时，对如何在手机中“执行批处理脚本做自动点击”的内容进行预研，力图使用事件触发和坐标点击等方式来实现手机安装…...
)
kafka-保姆级配置说明(consumer)
bootstrap.servers #deserializer应该与producer保持对应 #key.deserializer #value.deserializer ##fetch请求返回时，至少获取的字节数，默认值为1 ##当数据量不足时，客户端请求将会阻塞 ##此值越大，客户端请求阻塞的时间越长&…...
c语言中的数组（上）
数组的概念 数组是⼀组相同类型元素的集合； 数组中存放的是1个或者多个数据，但是数组元素个数不能为0。 数组中存放的多个数据，类型是相同的。 数组分为⼀维数组和多维数组，多维数组⼀般⽐较多⻅的是⼆维数组。 数组创建 在C语言…...
20250122-正则表达式
1. 正则标记 表示一位字符：\\ 表示指定的一位字符：x 表示任意的一位字符：. 表示任意一位数字：\d 表示任意一位非数字：\D 表示任意一个字母：[a-zA-Z]（大写或小写） 表示任意一个…...
（回溯法 子集）leetcode78
#include<iostream> #include<string> #include<vector> //只有子集需要在每个结点收集结果，其余在叶子结点收集结果 using namespace std; vector<vector<int>>ans; vector<int>combine; void backtracking(int index,vector&…...
Pyecharts之图表组合与布局优化
在数据可视化中，我们经常需要将多个图表组合在一起，以展示不同维度的数据或者进行对比分析。同时，合理的布局能够提升图表的可读性和用户体验。Pyecharts 提供了强大的组件和方法，让我们可以轻松实现图表的组合和布局优化。本篇将…...
代码随想录训练营第五十六天| 108.冗余连接 109.冗余连接II
108.冗余连接 题目链接：卡码网题目链接（ACM模式） (opens new window) 讲解链接：代码随想录 并查集可以解决什么问题：两个节点是否在一个集合，也可以将两个节点添加到一个集合中。 引自代码随想录ÿ…...
私有包上传maven私有仓库nexus-2.9.2
一、上传 二、获取相应文件 三、最后修改自己的pom文件...
)
二叉搜索树中的搜索(力扣700)
首先介绍一下什么是二叉搜索树。 二叉搜索树是一个有序树： 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值；若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值；它的左、右子树也分别为二叉…...
)
社区养老服务平台的设计与实现(代码+数据库+LW)
摘 要 互联网发展至今，无论是其理论还是技术都已经成熟，而且它广泛参与在社会中的方方面面。它让信息都可以通过网络传播，搭配信息管理工具可以很好地为人们提供服务。针对信息管理混乱，出错率高，信息安全性差&#…...
高速光模块中的并行光学和WDM波分光学技术
随着AI大模型训练和推理对计算能力的需求呈指数级增长，AI数据中心的网络带宽需求大幅提升，推动了高速光模块的发展。光模块作为数据中心和高性能计算系统中的关键器件，主要用于提供高速和大容量的数据传输服务。 光模块提升带宽的方法有两种…...
python生成图片和pdf，快速
1、下载安装 pip install imgkit pip install pdfkit2、wkhtmltopdf工具包，下载安装 下载地址：https://wkhtmltopdf.org/downloads.html 3、生成图片 import imgkit path_wkimg rD:\app\wkhtmltopdf\bin\wkhtmltoimage.exe # 工具路径，安…...
浅谈在AI时代GIS的发展方向和建议
在AI时代，GIS（地理信息系统）的发展正经历着深刻的变革，随着人工智能技术的进步，GIS不再仅仅是传统的地图和空间数据处理工具，而是向更加智能化、自动化、精准化的方向发展。作为一名GIS开发工程师ÿ…...
【25考研】中科院软件考研复试难度分析！
中科院软件复试不需要上机！且对专业综合能力要求较高！提醒同学一定要认真复习！ 一、复试内容 二、参考书目 官方并未明确给出，建议同学参考初试书目： 1）《数据结构（C语言版）》严蔚…...
- 计算网络信号、信号强度（JavaScriptJava PythonC/C++）)
【2024年华为OD机试】 (A卷,200分)- 计算网络信号、信号强度（JavaScriptJava PythonC/C++）
一、问题描述 题目解析 问题描述 我们有一个 m x n 的二维网格地图，每个格子可能是以下几种情况之一： 0：表示该位置是空旷的。x（正整数）：表示该位置是信号源，信号强度为 x。-1：表示该位置是阻隔物，信号无法直接穿透。信号源只有一个，阻隔物可能有多个。信号在传播…...
SpringBoot整合Swagger UI 用于提供接口可视化界面
目录 一、引入相关依赖 二、添加配置文件 三、测试 四、Swagger 相关注解 一、引入相关依赖 图像化依赖 Swagger UI 用于提供可视化界面： <dependency><groupId>io.springfox</groupId><artifactId>springfox-swagger-ui</artifactI…...
C语言：数据的存储
本文重点： 1. 数据类型详细介绍 2. 整形在内存中的存储：原码、反码、补码 3. 大小端字节序介绍及判断 4. 浮点型在内存中的存储解析 数据类型结构的介绍： 类型的基本归类： 整型家族 浮点家族 构造类型： 指针类型&…...
OpenFGA
1.什么是OpenFGA Fine-Grained Authorization 细粒度关系型授权 2.什么是细粒度授权 细粒度授权 (FGA) 意味着能够授予特定用户在特定资源中执行特定操作的权限。 精心设计的 FGA 系统允许您管理数百万个对象和用户的权限。随着系统不断添加对象并更新用户的访问权限&#…...
Kafka 入门与应用实战：吞吐量优化与与 RabbitMQ、RocketMQ 的对比
前言 在现代微服务架构和分布式系统中，消息队列作为解耦组件，承担着重要的职责。它不仅提供了异步处理的能力，还能确保系统的高可用性、容错性和扩展性。常见的消息队列包括 Kafka、RabbitMQ 和 RocketMQ，其中 Kafka 因其高吞吐量…...
单链表算法实战：解锁数据结构核心谜题——链表的回文结构
题目如下： 解题过程如下： 回文结构举例： 回文数字：12521、12321、1221…… 回文字符串：“abcba”、“abba”…… 并不是所有的循环嵌套的时间复杂度都是O(n^2) 可以用C写C程序： C里可以直接使用ListNode…...
【2024年 CSDN博客之星】我的2024年创作之旅：从C语言到人工智能，个人成长与突破的全景回顾
我的2024年创作之旅：从C语言到人工智能，个人成长与突破的全景回顾 引言 回望2024年，我不仅收获了技术上的成长，更收获了来自CSDN平台上无数粉丝、朋友以及网友们的支持与鼓励。在这条创作之路上，CSDN不仅是我展示技术成…...
Qt Enter和HoverEnter事件
介绍 做PC开发的过程中或多或少都会接触到鼠标的悬停事件，Qt中处理鼠标悬停有Enter和HoverEnter两种事件 相同点 QEvent::Enter对应QEnterEvent，描述的是鼠标进入控件坐标范围之内的行为，QEnterEvent可以抓取鼠标的位置；QEvent…...
Python：元组构造式和字典推导式
（Python 元组构造式和字典推导式整理笔记） 1. 元组构造式 1.1 创建元组 使用圆括号： tuple1 (1, 2.5, (three, four), [True, 5], False) print(tuple1) # 输出: (1, 2.5, (three, four), [True, 5], False) 省略圆括号： tup…...