1. 数据结构三要素1）逻辑结构 指的是数据间的逻辑关系，与数据的存储无关，独立于计算机之外。它又分为线性结构和非线性结构线性结构：线性表，栈，队列，串，数组和广义表非线性结构：树，图，集合2）存储结构 是逻辑结构的存储映像，就是数据间的关系在计算机中的表现形式。也成为物理结构。它又分为 4 类：顺序存储 ，链式存储，索引存储和散列存储顺序存储：把逻辑上相邻的元素存储在物理位置也相邻的存储单元里链

文章目录一、 主界面样式二、 menu 与 router的绑定，实现页面跳转1. 在views中新建`BookManager.vue (查询图书页面)、BookUpdate.vue（图书信息修改页面）、AddBook.vue（添加图书页面）`2. 配置路由（router/`index.js` )3. 修改`App.vue`, 实现menu 与 router的绑定（页面跳转）三、前后端信息传递，显.

单工、半双工、全双工频分复用 时分复用 波分复用 码分复用频分复用如何避免各路信号间的干扰七层网络模型计算机网络中各层的作用数据链路层协议：CSMA/CD 协议 如果两端同时发送信息会出现什么情况，为什么？

单工、半双工、全双工频分复用 时分复用 波分复用 码分复用频分复用如何避免各路信号间的干扰七层网络模型计算机网络中各层的作用数据链路层协议：CSMA/CD 协议 如果两端同时发送信息会出现什么情况，为什么？

朴素贝叶斯法是基于贝叶斯定理与特征条件独立性假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入输出的联合概率分布（朴素贝叶斯法这种通过学习得到模型的机制，显然属于生成模型）；然后基于此模型，对给定的输入 x，利用贝叶斯定理求出后验概率最大的输出 y。学习朴素贝叶斯算法之前，我们先搞定下面这些基本概念和数学公式

朴素贝叶斯法是基于贝叶斯定理与特征条件独立性假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入输出的联合概率分布（朴素贝叶斯法这种通过学习得到模型的机制，显然属于生成模型）；然后基于此模型，对给定的输入 x，利用贝叶斯定理求出后验概率最大的输出 y。学习朴素贝叶斯算法之前，我们先搞定下面这些基本概念和数学公式

???? 本节是根据吴恩达老师的《Machine Learning》课程做的笔记和总结，并未涉及复杂的数学推导和代码，可用来对机器学习做一个初步的认识和了解。1 - Introduction to Machine Learning2 - 模型评估与选择3 - 线性回归4 - 逻辑回归 + 正则化5 - 神经网络6 - 支持向量机 SVM7 - 聚类 (K-means 算法) + 降维 (PCA 算

朴素贝叶斯法是基于贝叶斯定理与特征条件独立性假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入输出的联合概率分布（朴素贝叶斯法这种通过学习得到模型的机制，显然属于生成模型）；然后基于此模型，对给定的输入 x，利用贝叶斯定理求出后验概率最大的输出 y。学习朴素贝叶斯算法之前，我们先搞定下面这些基本概念和数学公式