一种有次序的数据项集合，在栈中，数据项的加入和移除都仅发生在同一端，遵循后进先出原则。

一种有序列的数据集合，数据项的加入和移除发生在两端，遵循先进先出原则。

一种数据按照其相对位置存放的数据集结构。其本身没有固定的顺序概念，为了便于查找引入了节点来联接不同的数据项。

有序列表并非是列表，而是具备某一特定可比性的特殊数据结构。对有序列表的实现采用无序列表的实现思路。stop = True# 如果当前节点的下一个节点数据大于需要查询的数据，则后续查找也不会成功，停止查找。orderlist相比较于unorderlist的区别是数据项有一定的规律性，其add方法和search方法会有一定的差异。有序列表是一种数据项依据其某可比性质来决定在列表中的位置的数据结构。（2

思路：从第一个元素开始，逐个往后比对，找到为止代码实现如下：# 顺序查找pos = 0else:pos += 1。

双端队列也是一种有次序的数据集，但其数据项的加入或移除可以从发生在队尾也可发生在队首。这种特性意味着它既具有栈的特性也能充当队列使用。

把任意数据通过散列函数压缩映射成一个固定范围的整数下标直接定位存储位置，即在规定范围内存储带坐标的数据，这种数据结构称为散列，最常见的散列结构就是散列表。映射结构是在散列结构的基础上额外添加了一个数据结构存储所谓的‘任意数据’，字典结构就是典型的映射数据结构。

树是一种非线性的层次型数据结构，不像数组、链表是一条直线，而是一层一层往下分叉，像现实中的倒着长的树。

encoded_array = encoder.fit_transform(X_train[['Embarked']])# 注意双括号。train = pd.read_csv("C:/python study/study base/train.csv")# 训练数据集。test = pd.read_csv("C:/python study/study base/test.csv")# 测试数据集。

几乎所有搭建的模型都需要进行评估。在绝大多数应用场景中，衡量模型优劣的核心标准是预测准确率，也就是模型的预测结果与实际情况是否接近。很多人在评估预测准确率时会犯一个严重错误：直接用训练数据做预测，再将预测结果和训练数据里的真实目标值进行比对。下文会讲解这种做法存在的问题以及对应的解决办法，我们先了解一下这个错误的评估方式。首先，需要用直观的方式量化模型效果。假如对比一万套房屋的预测房价与真实房价，