机器学习实战入门笔记

Redis入门笔记

Redis快速入门1初识Redis1.1.认识NoSQL1.1.1.结构化与非结构化1.1.2.关联和非关联1.1.3.查询方式1.1.4.事务1.1.5.总结1.2.认识Redis1.3.安装Redis1.3.1.依赖库1.3.2.上传安装包并解压1.3.3.启动1.3.4.默认启动1.3.5.指定配置启动1.3.6.开机自启1.4.Redis桌面客户端1.4.1.Redis命令行客户端1.4.
有多勉为其难·2023-06-12 05:29

机器学习实战：Python基于Logistic逻辑回归进行分类预测（一）

目录1前言1.1Logistic回归的介绍1.2Logistic回归的应用2iris数据集数据处理2.1导入函数2.2导入数据2.3简单数据查看3可视化3.1条形图/散点图3.2箱线图3.3三维散点图4建模预测4.1二分类预测4.2多分类预测5讨论1前言1.1Logistic回归的介绍逻辑回归（Logisticregression，简称LR）是一种经典的二分类算法，它将输入特征与一个sigmoid
Bioinfo Guy·2023-06-12 02:39

shell脚本的学习入门笔记

Shell脚本和Shell程序业界所说的shell通常都是指shell脚本，但要知道，shell和shellscript是两个不同的概念。Shell脚本（shellscript），是一种为shell编写的脚本程序。Shell程序是一个用C语言编写的程序，它是用户使用Linux的桥梁。Shell程序是指一种应用程序，这个应用程序提供了一个界面，用户通过这个界面访问操作系统内核的服务。由于习惯的原因，
淡退·2023-06-12 00:38

《机器学习实战》第一章机器学习基础笔记

作者：PeterHarrington2013年第一部分分类第一章机器学习基础本章内容机器学习的简单概述机器学习的主要任务学习机器学习的原因python语言的优势1.1何谓机器学习机器学习：把无序的数据转换为有用的信息统计学和机器学习的关系：无法精确定义模型的时候，机器学习用统计学工具。1.2关键术语特征或者属性或者特征：测量的类型实例：测量的值训练数据：训练用的样本测试数据：测试用的样本1.3机器
sdnugao·2023-06-11 19:03

WPF 入门笔记 - 03 - 样式基础

本篇为学习李应保老师所著的《WPF专业编程指南》并搭配`WPF`开发圣经《WPF编程宝典第4版》以及痕迹大佬《WPF入门基础教程系列》文章所作笔记，对应《WPF专业编程指南》第9章之间内容，主要概述WPF中关于样式的相关内容，希望可以帮到大家
BoiledYakult·2023-06-11 17:00

机器学习实战-决策树

假设有这么一组数据：不浮出水面是否可以生存是否有脚蹼属于鱼类1是是是2是是是3是否否4否是否5否是否特征包含：不浮出水面是否可以生存，是否有脚蹼。标签是属于鱼类。我们通过构造这样一棵决策树对其进行分类，每个叶子节点代表对一个分类的判断：decisiontree.png相比knn，决策树具体考虑了样本的每一个特征。那么，我们通过对哪些特征先后进行划分来构造这样一棵树呢？首先，我们将数据集转化成符号表
又双叒叕苟了一天·2023-06-11 06:44

Redis入门笔记（一）：Redis在Linux下安装和八大数据类型

文章目录一、什么是Redis二、Redis在Linux下的安装1.Redis和RedisStack的关系2.Redis的安装2.1下载Redis2.2安装和编译2.3前台启动2.4后台启动2.5redis的三种关闭方式三、Redis的数据类型1.Redis的key操作2.Redis的五大数据类型2.1String（字符串）2.2List（列表）2.3Set（集合）2.4Hash（哈希）2.5Red
贫僧洗发爱飘柔·2023-06-10 12:46

【机器学习实战】Python基于K均值K-means进行聚类（九）

文章目录1前言1.1K-means的介绍1.2K-means的应用2demo实战演示2.1导入函数2.2创建数据2.3拟合聚类2.4查看结果3使用高级技术评估集群性能*3.1导入函数3.2整合数据3.3计算4讨论1前言1.1K-means的介绍K均值（K-means）是一种基于距离度量的聚类算法，其主要思想是将数据集划分为k个不同的簇，每个簇代表一个相似度较高的数据组。该算法通过迭代优化来最小化所
Bioinfo Guy·2023-06-10 09:30

数据结构之栈、队列——算法与数据结构入门笔记（四）

本文是算法与数据结构的学习笔记第四篇，将持续更新，欢迎小伙伴们阅读学习。有不懂的或错误的地方，欢迎交流栈栈是一种线性数据结构，其只允许在固定的一端进行插入和删除元素操作。进行数据插入和删除操作的一端称为栈顶(Top）,另一端称为栈底(Bottom)。栈中的数据元素遵守后进先出LIFO（LastInFirstOut）的原则，即最后进入的元素最先被访问。压栈（push）：栈的插入操作叫做进栈/压栈/入
一名机电研究生·2023-06-10 07:06

数据结构之树与二叉树——算法与数据结构入门笔记（五）

本文是算法与数据结构的学习笔记第五篇，将持续更新，欢迎小伙伴们阅读学习。有不懂的或错误的地方，欢迎交流引言前面章节介绍的都是线性存储的数据结构，包括数组、链表、栈、队列。本节带大家学习一种非线性存储的数据结构，即树（tree）。不管是在面试时，还是日常开发过程中，树都是一种曝光率极高的数据结构。可以说树是数据结构最为承上启下的部分，其可以转化为线性表（通过二叉树的线索化），也是学习图的基础。本文将
一名机电研究生·2023-06-10 07:04

机器学习实战六步法之数据收集方法（四）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据收集数据是机器学习的基础，没有数据一切都是空谈！数据集的数据量和数据的质量往往决定了“事情的成败”。所以现在国内（比如百度的文言一心）搞大模型的公司，他们往往拥有“庞大的”数据资产。数据到底从何而来？数据的收集通常是比较费力的工作！我们通常通过开源的数据集、数据埋点、数据爬取来获取数据集。下面介绍一些
涛声依旧叭·2023-06-10 07:43

TypeScript入门笔记

安装TypeScripthttps://www.tslang.cn/docs/handbook/typescript-in-5-minutes.html官方文档TypeScript无法直接在浏览器中运行Typing强类型，代码编译阶段就能及时发现错误#需要先安装nodejsnpminstall-gtypescripttsc-v#初始项目npminit#lite-server轻量级服务器，-D相当于
GalenZhang888·2023-06-10 04:32

机器学习实战六步法之数据预处理（五）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。看我闪电六连鞭！数据的预处理通常包括5个步骤，如下：这个是比较完整的一个步骤，不同的算法可能会缺少一些步骤，例如无监督学习中，没有标签也就没有特征工程。1、数据可视化数据的可视化，可以帮我们发现数据中的规律和问题。通过数据可视化，我们可以从整体“俯瞰”数据的全貌。可以观察特征和标签之间可能存在哪些关系，以及观测特殊数据。
涛声依旧叭·2023-06-09 22:17

第35步 机器学习实战DLC：不平衡数据处理（下）

失踪人口回归的第二期，继续说一说用PSM处理不平衡数据。一、啥叫PSMPSM全称为PropensityScoreMatching，翻译过来就是倾向匹配得分，为了省流，让小Chart介绍一下：放到我们的数据就是：根据某个特征，从对类别0的1671例中挑出一部分来跟类别1来匹配，形成新的数据集，然后建模。其实就是多变少的策略。可以1:1、1:2、1:3等进行匹配，没啥固定说哪种比例好，慢慢试吧。多说一
Jet4505·2023-06-09 17:35

第34步 机器学习实战DLC：不平衡数据处理（上）

失踪人口回归的第一期，来说一说不平衡数据。一、不平衡数据的概念什么是不平衡数据？我们先来看看小Chat怎么说的：顾名思义，就是你的因变量1和0的样本数差距有点大，大到影响了模型性能。举个栗子，一个盒子里有100个红球，10个黄球，我们随机盲抽一个球，然后猜颜色，你会怎么猜？是不是无脑猜红球就得了。这么训练的话，模型永远达不到我们的要求。二、不平衡数据的处理处理的其实方法挺多的，首先看看小Chat怎
Jet4505·2023-06-09 17:05

机器学习实战笔记（一）机器学习基础

什么是机器学习？机器学习能让我们从数据集中受到启发。我们会利用计算机来彰显数据背后的真实含义，这才是机器学习的真实含义。机器学习就是把无序的数据转换成有用的信息。可以这么说，机器学习对于任何需要解释并操作数据的领域都有所裨益。机器学习领域的关键术语下表是用于区分不同鸟类需要使用的四个不同的属性值。现实中，你可能会想测量更多的值。通常的做法是测量所有可测属性，然后再挑选出重要部分。上面测量的这四种值
三千侵天·2023-06-09 00:52

张量分析入门笔记 (Tensor For Beginner)

前言学习的时候感觉要学一下张量，在B站看了一个视频，记录一下，参考的是B站视频【机翻】张量分析入门(TensorForBeginner)前言1.张量的定义TensonDefinition2.张量的前向和后向的转换ForwardandBackwardTransformation3.向量Vector4.余向量Covector5.线性映射LinearMap6.度规张量TheMetricTensor7.张
小林up·2023-06-08 15:30

读数据压缩入门笔记04_统计编码

1.统计编码（statisticalencoders）的算法1.1.每种编码方法都对每个符号的概率分布做了不同的假定1.2.需要处理的数据集中符号的概率分布与现有的VLC方法都不能完全匹配1.3.统计编码算法通过数据集中符号出现的概率来进行编码使结果尽可能与熵接近1.4.给定任何输入数据，我们都能为其构造出一套自定义的码字集，而无须去匹配现有的VLC方法1.5.该算法以数据流中符号的频率为依据，为
躺柒·2023-06-08 10:09

MicroPython开发esp32入门笔记--串口篇

文章目录一、串口简介二、串口通信1.UART协议层原理2.RS232，RS485，TTL电平的区别三、ESP32开发--基于串口和MQTT协议1.氮磷钾土壤传感器2.MicroPython实现数据读取和发布的代码总结一、串口简介串行接口简称串口，也称串行通信接口或串行通讯接口（通常指COM接口），是采用串行通信方式的扩展接口。串行接口（SerialInterface）是指数据一位一位地顺序传送。其
szu_ljm·2023-06-08 03:36

[python] LDA处理文档主题分布代码入门笔记

以前只知道LDA是个好东西，但自己并没有真正去使用过。同时，关于它的文章也非常之多，推荐大家阅读书籍《LDA漫游指南》，最近自己在学习文档主题分布和实体对齐中也尝试使用LDA进行简单的实验。这篇文章主要是讲述Python下LDA的基础用法，希望对大家有所帮助。如果文章中有错误或不足之处，还请海涵~一.下载安装LDA推荐下载地址包括：其中前三个比较常用。gensim下载地址：https://radi
Eastmount·2023-06-07 21:52

Linux入门笔记

Linux1.概述2.命令1.常用命令新建文件touch新建目录mkdirLinux命令格式⭐️选项可以对命令具体控制2.文件目录操作1.lsll命令用的很多显示出非隐藏文件的详细信息2.cd~表示当前用户目录，如root用户目录\表示根目录3.查看命令1.cat查看命令-n命令对输出文件内容进行编号2.more查看命令相比于cat，适用于查看大文件3.tail查看命令从文件末尾开始查看常用于日志
微风qin·2023-06-07 16:18

测牛学堂：2023软件测试自动化快速入门笔记之python流程控制（1）

python的流程控制结构概述控制结构主要分为三个部分，顺序结构，分支结构，循环结构。顺序结构最简单的流程控制，我们代码默认都是从上到下依次执行的，这种就是顺序结构。也就是说我们什么都不用去做的，代码执行的大环境就是顺序执行。分支结构分支结构，通过条件判断去选择性执行某一个分支部分的代码。1单分支关键字是if，后面跟条件判断，如果满足，就执行下面缩进不部分的代码num1=int(input('请输
测牛学堂测试培训·2023-06-07 02:53

《PyTorch高级机器学习实战》包邮送书三本

这里给大家推荐一本书籍：《PyTorch高级机器学习实战》本书主要介绍的是机器学习领域经典的算法内容，以及相
袁袁袁袁满·2023-06-06 21:16

【社区图书馆】读书推荐：《PyTorch高级机器学习实战》

读书推荐：《PyTorch高级机器学习实战》作者：i阿极作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！
i阿极·2023-04-21 17:54

机器学习实战 - 第4章 基于概率论的分类方法：朴素贝叶斯

一、基于贝叶斯决策理论的分类方法朴素贝叶斯的优点：在数据较少的情况下仍然有效，可以处理多类别问题。缺点：对于输入数据的准备方式较为敏感。使用数据类型：标称型数据(一般在有限的数据中取，而且只存在是和否两种不同的结果)。朴素贝叶斯是贝叶斯决策理论的一部分。贝叶斯决策理论：假设有一个数据集，它由两类数据组成，在判断具体数据属于哪个类别时，会选择高概率对应的类别。这就是贝叶斯决策理论的核心思想，即选择具
算法星球·2023-04-21 07:21

机器学习实战5-天气预测系列:利用数据集可视化分析数据，并预测某个城市的天气情况

大家好，我是微学AI，最近天气真的是多变啊，忽冷忽热，今天再次给大家带来天气的话题，机器学习实战5-天气预测系列，我们将探讨一个城市的气象数据集，并利用机器学习来预测该城市的天气状况。
微学AI·2023-04-21 04:44

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:31

机器学习实战：Python基于LDA线性判别模型进行分类预测（五）

文章目录1前言1.1线性判别模型的介绍1.2线性判别模型的应用2demo数据演示2.1导入函数2.2训练模型2.3预测模型3LDA手写数字数据演示3.1导入函数3.2导入数据3.3输出图像3.4建立模型3.5预测模型4讨论1前言1.1线性判别模型的介绍线性判别模型（LinearDiscriminantAnalysis，LDA）是一种经典的监督学习算法，它旨在通过学习输入特征和它们所属类别之间的线性
Bioinfo Guy·2023-04-20 22:01

机器学习实战：Python基于DT决策树模型进行分类预测（六）

文章目录1前言1.1决策树的介绍1.2决策树的应用2Scikit-learn数据集演示2.1导入函数2.2导入数据2.3建模2.4评估模型2.5可视化决策树2.6优化模型2.7可视化优化模型3讨论1前言1.1决策树的介绍决策树（DecisionTree，DT）是一种类似流程图的树形结构，其中内部节点表示特征或属性，分支表示决策规则，每个叶节点表示结果。在决策树中，最上方的节点称为根节点。它学习基于
Bioinfo Guy·2023-04-20 22:24

JAVA入门笔记~基础知识day03

基础知识day031.数组1.1数组的作用和特点作用：数组可用于存储同一类型的==多个数据==，是一个java的数据容器。特点：数组长度固定，所存数据类型一致。1.2数组的定义格式与初始化数据类型[]数组名=new数据类型[]{元素}动态初始化:数据类型[]数组名=new数据类型[数组长度]静态初始化:数据类型[]数组名={元素}数据类型数组名[](不推荐这样使用)1.3数组元素访问数组变量存储的
Java全栈路线·2023-04-20 12:46

关于机器学习

1.现在的机器学习和深度学习实际上也不高明，机器学习可以用机器学习实战入门，数学要求不会高，但要理解精髓是比较困难的。
遇见我是你最大的运气·2023-04-20 07:36

机器学习实战——特征工程+xgboost股票预测

前言用上证50只股票的以上特征训练xgb模型预测当天的close。代码见文末["open","high","low","volume","price_change","ma5","ma10","ma20","p_change","v_ma5"
只会git clone的程序员·2023-04-19 17:57

【一起啃书】西瓜书（一）

希望通过b站视频课【一起啃书】机器学习西瓜书白话解读来认真读西瓜书，以下是对视频中的重点记录，以及课后自己看书得到的感悟和记录视频学习笔记学习资源：b站李沐老师的论文精读《西瓜书》《南瓜书》《机器学习实战
反科研pua所所长·2023-04-18 17:14

2021-11-28 SQL学习4

课程资料网盘链接：https://pan.baidu.com/s/1-jOwaXWArtv8h21B0-uWGg提取码：wsraSQL零基础入门笔记：https://www.mubucm.com/doc
OD张·2023-04-18 17:06

[皮革入门笔记][2018-01-13]

近期入的第一个坑就是手工皮革的坑，感觉蛮好玩的，学好了可以自己做包，做手帐，做鞋什么什么的。但是当我真正开始入坑后，我发现我有些许小后悔，因为太TM费钱了，可能所有的坑都很费钱吧。在这里记录下学习的笔记，方便以后回顾，留个小记录，当然也为了能满足一点小小的虚荣心吸引一些关注。并且希望可能也许大概稍微有点小小的作用来帮助引导哪些想入皮革坑的人入坑。一、关于皮革什么是皮革那么，首先什么是皮了，就是直接
心上物·2023-04-18 15:28

c++入门笔记-set/multiset集合容器

基本概念简介：所有元素都会在插入时自动被排序本质：set/multiset属于关联式容器底层结构是用二叉树实现set和multiset区别：set不允许容器中有重复的元素multiset允许容器中有重复的元素注意⚠️：只要包含了set头文件就可以使用multisetset构造和赋值操作setst;//默认构造set(constset&st);//拷贝构造set&operator=(constset
山姆哥up·2023-04-18 15:01

深度学习入门路径

基础（深度之眼课程）[5d]2.数学基础（深度之眼课程）[10d]基础课程不限于此，资源较多，可自行选择机器学习部分1.吴恩达机器学习（B站资源）+机器学习图解笔记（up主：深度碎片）[20d]@2.机器学习实战
或跃在渊_NUE·2023-04-18 11:15

Python实现哈里斯鹰优化算法(HHO)优化Catboost分类模型(CatBoostClassifier算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2023-04-18 08:18

Python实现哈里斯鹰优化算法(HHO)优化Catboost回归模型(CatBoostRegressor算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
胖哥真不错·2023-04-18 08:15

机器学习实战：Python基于支持向量机SVM-RFE进行分类预测（三）

文章目录1前言1.1支持向量机的介绍1.2支持向量机的应用2demo数据集演示2.1导入函数2.2构建数据集拟合2.3预测模型及可视化3实例演示分类（非SVM）3.1导入函数和数据3.2简单线性分类3.3最大间隔决定分类4实例演示分类（SVM）4.1主角登场4.2软间隔4.3超平面5讨论1前言1.1支持向量机的介绍支持向量机（SupportVectorMachine，SVM）是一种监督学习的分类算
Bioinfo Guy·2023-04-17 20:21

机器学习实战：Python基于K近邻KNN进行分类预测（四）

文章目录1前言1.1K近邻的介绍1.2K近邻的应用2二维数据集演示2.1导入函数2.2导入数据2.3训练模型及可视化3莺尾花数据集全数据演示3.1导入函数3.2导入数据3.3训练模型及预测4模拟数据集演示4.1导入函数4.2模拟数据集4.3建模比较5马绞痛数据+pipeline演示5.1下载数据集5.2导入函数5.3填充空值5.4建模计算6讨论1前言1.1K近邻的介绍K近邻（K-NearestNe
Bioinfo Guy·2023-04-17 20:21

机器学习实战——SVD

文章目录1SVD的应用1.1隐性语义索引1.2推荐系统2矩阵分解3利用Python实现SVD4基于协同过滤的推荐引擎5总结1SVD的应用优点：简化数据，去除噪声，提高算法的结果。缺点：数据的转换可能难以理解。适用数据类型：数值型数据。应用隐性语义索引推荐系统1.1隐性语义索引在LSI中，一个矩阵是由文档和词语组成的。当我们在该矩阵上应用SVD时，就会构建出多个奇异值。这些奇异值代表了文档中的概念或
SKYWALKERS_2397·2023-04-17 14:41

机器学习实战（2）——端到端的机器学习项目

目录1框架问题2选择性能指标2.1均方根误差（RMSE）2.2平均绝对误差（MAE）3获取数据4创建测试集5从数据探索和可视化中获得洞见5.1将地理数据可视化5.2寻找相关性5.3试验不同属性的组合6机器学习算法的数据准备6.1数据清理6.2处理文本和分类属性6.3特征缩放6.4转换流水线本篇中，我们将学习一个端到端的项目案例，假设我们是一个房地产公司新雇佣的数据科学家，以下是我们将会经历的主要步
WHJ226·2023-04-17 11:47

强化学习之入门笔记（一）

文章目录强化学习一、入门强化学习基本元素主要元素核心元素二、基础概念1、马尔科夫链2、马尔科夫“链”3、强化学习中的Q值和V值更复杂的未来Q和V的意义V值的定义Q值的定义V值和Q值关系从Q到V从V到Q4、使用蒙地卡罗方法（Monte-Carlo）估算V值先看故事蒙地卡罗算法原理再进一步蒙地卡罗MC的更新公式平均香蕉更进一步蒙地卡罗的缺陷5、使用时序差分TD估算状态V值蒙地卡罗的限制时序差分算法时序
一只楚楚猫·2023-04-17 09:51

强化学习之入门笔记（二）

文章目录强化学习一、Qlearning算法QlearningTD之于Q值估算麻烦来了SARSAQlearning二、深度强化学习三、DQNDeepnetwork+Qlearning=DQN神经网络的目标四、PolicyGradient策略梯度(PolicyGradient)直观感受PG算法五、Actor-Critic什么是ACTD-error参考强化学习一、Qlearning算法Qlearning
一只楚楚猫·2023-04-17 09:51

Numpy入门笔记

初级入门简要记录，矩阵运算后续使用重新温习补充导入importnumpyasnp创建10行10列的数值为浮点1的矩阵array_one=np.ones([10,10])创建10行10列的数值为浮点0的矩阵array_zero=np.zeros([10,10])随机数组np.random.rand(10,10)创建指定形状(示例为10行10列)的数组(范围在0至1之间)np.random.unifo
A雪_辰A·2023-04-17 05:27

Spring最佳教学教程入门笔记

一、Spring简介Spring是由RodJohnson2004组织和开发的一个分层的JavaSE/EEfustack(一站式)轻量级开源框架，Spring可以被看作是一个大型工厂，这个工厂的作用就是生产和管理Spring容器中的Bean。它以loC(InversionofControl，控制反转)和AOP(AspectOrientedProgramming,面向切面编程)为内核，Spring致力
我问你瓜保熟吗·2023-04-16 21:07

spring入门笔记

控制反转:把创建对象的权利交给框架,在使用过程中直接去得到这个对象；它包括依赖注入（DependencyInjection，简称DI）和依赖查找（DependencyLookup）；Spring概况Spring是一个开源框架，为了解决企业应用开发的复杂性而创建的，但现在已经不止应用于企业应用。是一个轻量级的控制反转（IOC）和面向切面（AOP）编程的容器框架从大小和开销两方面而言Spring都是轻
_Sisyphus·2023-04-15 19:51

python入门笔记03

if判断python中if语句的一般形式如下：ifcondition_1:statement_block_1elifcondition_2:statement_block_2else:statement_block_3如果"condition_1"为True将执行"statement_block_1"块语句如果"condition_1"为False，将判断"condition_2"如果"condi
9efb9af6eebe·2023-04-15 00:31

Nodejs后端架构基础知识和案例展示

入门笔记，大神请绕路！！！简单的说Node.js就是运行在服务端的JavaScript。Node.js是一个基于ChromeJavaScript运行时建立的一个平台。
IT飞牛·2023-04-14 23:40
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他