数据分片是将全局数据进行逻辑划分和实际物理分配的过程。全局数据由分片模式定义分成各个片段数据，各个片段数据由分配模式定义存储在各场地上。

此次实验我完成了使用python操作mongodb的实验，实验中涉及到对python代码和mongodb命令的综合运用，因为大二上学习过python，在参考马老师发的Python_mongodb.pdf文件后，此次实验顺利完成，实验中也并未出现报错现象。

此次实验我完成了MongoDB 数据库的安装，以及MongoDB 数据库的文档、集合、数据库的增删改查等基本操作，实验整体完成较为顺利。通过此次实验我对MongoDB 数据库有了更全面的了解，也感受到了它存储非结构化数据时的便捷。

西瓜书P93页习题四试编程实现基于信息熵/基尼指数进行划分选择的决策树算法并为表4.3中数据生成一颗决策树保存至D:\桌面\研0\西瓜书\第四章习题\西瓜数据集3.0.csv文件中数据：编号,色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率,好瓜1,青绿,蜷缩,浊响,清晰,凹陷,硬滑,0.697,0.46,是2,乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,0.774,0.376,是3,乌黑,蜷缩,浊响,清

在类里初始化权重和偏置，并定义前向传播函数、标准BP算法和累积BP算法的函数。标准BP算法是对每个样本进行迭代，它每次更新只针对单个样例，所以直接计算并更新各参数；累积BP算法是对整个训练集进行计算，根据所有训练样本的累积误差对参数进行一次更新。在net类的构造函数里，规定输入层神经元数量为8，隐藏层神经元数量为10，输出层神经元数量为1，并在里面初始化神经网络的权重、偏置在forward()函数

最近阅读了论文《Semi-Supervised Classification with Graph Convolutional Network》，也看了相关的代码，以下是笔记和代码逻辑的整理。本节主要说明了数据预处理部分，建模在第二节。

在类里初始化权重和偏置，并定义前向传播函数、标准BP算法和累积BP算法的函数。标准BP算法是对每个样本进行迭代，它每次更新只针对单个样例，所以直接计算并更新各参数；累积BP算法是对整个训练集进行计算，根据所有训练样本的累积误差对参数进行一次更新。在net类的构造函数里，规定输入层神经元数量为8，隐藏层神经元数量为10，输出层神经元数量为1，并在里面初始化神经网络的权重、偏置在forward()函数

第一次自行用Transformer模型实现二分类，过程很曲折，不过最后还好成功实现了。各位大佬们如果有更好的模型实现思路，欢迎在评论区指教!

原因：位于https://pypi.tuna.tsinghua.edu.cn/simple/的存储库不是受信任的或安全的主机，正在被忽略。要求使用“–trusted host pypi.tuna.tsinghua.edu.cn/simple/修改命令为：pip install --user d2l==1.0.3 -i https://pypi.tuna.tsinghua.edu.cn/simple