梯度消失：http://www.cnblogs.com/tsiangleo/p/6151560.html根本的问题其实并非是消失的梯度问题或者激增的梯度问题，而是在前面的层上的梯度是来自后面的层上项的乘积。所以神经网络非常不稳定。唯一可能的情况是以上的连续乘积刚好平衡大约等于1，但是这种几率非常小。所以只要是sigmoid函数的神经网络都会造成梯度更新的时候极其不稳定，产生梯度消失

1.IV的用途IV的全称是Information Value，中文意思是信息价值，或者信息量。我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？挑选入模变量过程是个比较复

for循环需要的时间太长，简化时间的一种策略，字典不能直接将list或dict对象进行写入，会出现typeError。一、写list到txt文件：[python] view plain copyipTable = ['158.59.194.213', '18.9.14.13', '58.59.14.21']  fileObject = open('sampleList.txt', 'w')  fo