1.掌握KNN算法分类API2.掌握KNN算法回归API数据文件 train.csv 和 test.csv 包含从 0 到 9 的手绘数字的灰度图像。每个图像高 28 像素，宽28 像素，共784个像素。每个像素取值范围[0,255]，取值越大意味着该像素颜色越深训练数据集（train.csv）共785列。第一列为 “标签”，为该图片对应的手写数字。其余784列为该图像的像素值训练集中的特征名称均

决策树是什么？决策树是一种树形结构，树中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，每个叶子节点代表一种分类结果决策树的建立过程1.特征选择：选取有较强分类能力的特征。2.决策树生成：根据选择的特征生成决策树。3.决策树也易过拟合，采用剪枝的方法缓解过拟合。Cart模型是一种决策树模型，它即可以用于分类，也可以用于回归。与ID3、C4.5等算法不同，CART在分类任务中使用基

Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

操作系统（Operating System，简称OS）是管理和控制计算机硬件与软件资源的计算机程序，是直接运行在“裸机”上的最基本的系统软件，任何其他软件都必须在操作系统的支持下才能运行。目录作用/bin二进制命令所在的目录(普通命令 => 普通用户itcast和超级管理员root)/boot系统引导程序所需要的文件目录，相当于Windows中的C盘/dev/device缩写，设备文件目录，磁盘，

豆瓣的列表接口通常遵循 offset/limit 的分页逻辑，limit=20 表示每页只返回20条数据，start=0 表示从第0条数据开始取(即第一页)，start=20 表示从第20条数据开始取(即第2页)， start=40 表示从第40条数据开始取(即第3页)。要实现"加载更多"并爬取后续的电影信息，核心在于理解豆瓣分页数据的获取逻辑，也就是通过修改API接口中的 start 参数来控制

它不仅能创建新对话，还能列出历史会话并提供加载和删除的入口。可以把它看作一个聊天应用的“文件管理器”，让你能保存、回顾和整理不同的对话。它会立即重新运行整个脚本，让用户能立刻看到一个干净的聊天界面和更新后的历史会话列表。将新会话的名称等信息保存到持久化存储（如文件或数据库）中，这样它才会出现在下方的历史列表里。在开始新话题前，把正在进行中的对话保存到历史记录里，防止内容丢失。将存储聊天记录的列表重

这行代码的作用是创建一个"空容器"或"占位符"，并将其赋值给变量response_message。它不再是使用固定的系统提示词，而是根据用户在界面上选择的“昵称”和“性格”，实时生成一段专属的指令发给 AI。Streamlit 的默认机制是：只要用户有交互，整个页面就会重新运行并刷新。这个坑位当前是空的，但你可以随时往里面填东西(比如文字、图表)，而且。1.功能扩充(ai_partner_2)：实

st.session_state就像一个“魔法字典”，它存储的数据会在整个会话期间保留下来，即使脚本反复重运行，数据也不会丢失。可以把它想象成一个应用的“记忆体”，让应用能够“记住”用户的选择和状态。这意味着，虽然你用了OpenAI的库，但你的请求实际上会被发送到DeepSeek的服务器，而不是OpenAI的服务器。）进行对话的“通行证”和“连接器”。这段代码通常用于替代 OpenAI 的官方 S

st.session_state就像一个“魔法字典”，它存储的数据会在整个会话期间保留下来，即使脚本反复重运行，数据也不会丢失。可以把它想象成一个应用的“记忆体”，让应用能够“记住”用户的选择和状态。这意味着，虽然你用了OpenAI的库，但你的请求实际上会被发送到DeepSeek的服务器，而不是OpenAI的服务器。）进行对话的“通行证”和“连接器”。这段代码通常用于替代 OpenAI 的官方 S

比如：1.5b，7b，8b，14b，32b，70b，671b。需要注意的是，Ollama提供的DeepSeek是量化压缩版本，对比官网的蒸馏版会更小，对显卡要求更低。ollama是一个模型管理工具和平台，它提供了很多国内外常见的模型，我们可以在其官网上搜索自己需要的模型：https://ollama.com/search。比如电脑内存32G，显存是8G，选择部署的是8b的模型，当然7b也是可以的，