----机器学习笔记

机器学习笔记（伪标签）/论文笔记 Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neu

Pseudo-Label:TheSimpleandEfficientSemi-SupervisedLearningMethodforDeepNeuralNetworks20131伪标签未标记的数据由监督学习网络标记。（将具有最大预测概率的类作为伪标签）然后使用标记数据和伪标记数据训练网络。2伪标签的损失函数损失函数分为真实标签部分和伪标签部分伪标签部分的权重使用a(t)来进行调节，如果a(t)特别
UQI-LIUWJ·2023-11-16 12:24

Ridge和Lasso回归代码实现--Tensorflow部分

Ridge和Lasso回归代码实现–Tensorflow部分–潘登同学的机器学习笔记python版本–3.6;Tensorflow版本–1.15.0;编辑器–Pycharm文章目录Ridge和Lasso
PD我是你的真爱粉·2023-11-16 10:45

吴恩达机器学习笔记26-样本和直观理解1（Examples and Intuitions I）

从本质上讲，神经网络能够通过学习得出其自身的一系列特征。在普通的逻辑回归中，我们被限制为使用数据中的原始特征?1,?2,...,??，我们虽然可以使用一些二项式项来组合这些特征，但是我们仍然受到这些原始特征的限制。在神经网络中，原始特征只是输入层，在我们上面三层的神经网络例子中，第三层也就是输出层做出的预测利用的是第二层的特征，而非输入层中的原始特征，我们可以认为第二层中的特征是神经网络通过学习后
weixin_34221773·2023-11-15 21:58

机器学习笔记（三）

相关文章链接机器学习的基本概念模型的评估与选择回归分析决策树与随机森林支持向量机SVM与隐马尔可夫模型卷积神经网络CNN与循环神经网络RNN聚类与集成算法机器学习笔记（三）回归分析线性回归损失函数最小二乘法岭回归
枯鱼过河泣·2023-11-11 17:50

【GNN】一文读懂图卷积GCN

作者：苘郁蓁来源：知乎专栏郁蓁的机器学习笔记。编辑：happyGirl整理：浅梦的学习笔记具体来说，本文包括什么：图网络的有哪些种类，它们之间的区别和联系是什么？图卷积的地位，图卷积怎么理解？
zenRRan·2023-11-11 11:33

吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.SolvingtheProblemofOverfitting一、TheProblemofOverfittingunderfitting=highbias；overfitting=highvariance。避免过拟合的方法：二、CostFunction在代价函数J中对每个参数theta加入正则化项（罚函数），从而使所有的参数变小。但是不对theta0增加正则化项。若正则化项中的系数l
Loki97·2023-11-10 17:28

机器学习笔记 - WGAN生成对抗网络概述和示例

一、简述WassersteinGAN或WGAN是一种生成对抗网络，它最小化地球移动器距离(EM)的近似值，而不是原始GAN公式中的Jensen-Shannon散度。与原始GAN相比，它的训练更加稳定，模式崩溃的证据更少，并且具有可用于调试和搜索超参数的有意义的曲线。Wasserstein生成对抗网络（WassersteinGAN）是生成对抗网络的扩展，它既提高了训练模型时的稳定性，又提供了与生成图
坐望云起·2023-11-10 08:23

机器学习笔记(四)

聚类算法K-means分为两个步骤查看每个点并将其分配给最近的集群质心将每个簇质心移动到所有具有相同颜色的点的平均值。损失函数J也叫失真函数Distortion选择聚类数量
半岛铁盒@·2023-11-08 19:01

机器学习笔记(3)

Adam算法Adam主要是用于梯度下降方面的优化,在不同的参数中给定不同的下降速率α主要应用在compile方面,加了一个优化器,初始学习速率是0.001,在运行时会自我调整精确度和召回率P,R调和均值,选择更好的算法右下角为公式.决策树判断的过程中像树一样选择从上到下分别是:根节点,决策节点,叶子节点在决策树的特征选择中,使用不同的特征,效果也不同什么时候停止继续向下分裂?1.当一个节点纯度达到
半岛铁盒@·2023-11-08 19:30

FlyAI小课堂：python机器学习笔记：深入学习决策树算法原理

分类技术（或分类法）是一种根据输入数据建立分类模型的系统方法，分类法的例子包括决策分类法，基于规则的分类法，神经网络，支持向量机和朴素贝叶斯分类法。这些技术都使用一种学习算法（learningalgorithm）确定分类模型，该模型能够很好的拟合输入数据中类标号和属性集之间的联系，学习算法得到的模型不仅要很好地拟合输入数据，还要能够正确的预测未知样本的类标号。因此，训练算法的主要目标就是建立具有很
iFlyAI·2023-11-07 16:50

python机器学习笔记：ID3决策树算法实战

ID3算法是一种贪心算法，用来构造决策树，ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每一个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美的分类训练样例。在此之前，推荐大家可以多在FlyAI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站
iFlyAI·2023-11-07 16:20

机器学习笔记5-2：Transformer

*注:本博客参考李宏毅老师2020年机器学习课程.视频链接目录1Seq2seq2Encoder3Decoder3.1AT汉字的产生如何输出不定长向量避免一步错，步步错3.2NAT3.3Training3.4Tips3.4.1CopyMechanism（复制机制）3.4.2GuidedAttention3.4.3BeamSearch3.4.4Learningratescheduling3.4.5Ba
Acetering·2023-11-06 15:44

机器学习笔记：RNN值Teacher Forcing

1基本介绍Teacherforcing是一种在训练循环神经网络（RNN）时使用的技术，尤其是在序列生成任务中，如机器翻译、文本生成或语音合成。这种方法的目的是更有效地训练网络预测下一个输出，给定一系列先前的观察结果。1.1标准RNN训练过程的问题当训练一个用于序列生成的RNN时，通常会让网络预测序列中的下一个元素。（这种模式又被称为free-runningmode/autoregressivemo
UQI-LIUWJ·2023-11-06 15:07

机器学习笔记 - 感知器的数学表达

一、假设前提感知机（或称感知器，Perceptron）是FrankRosenblatt在1957年就职于Cornell航空实验室（CornellAeronauticalLaboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1。感知机是神经网络的雏形，同时也是支持向量机的基础，感知机对应
坐望云起·2023-11-04 12:41

吴恩达的机器学习笔记-写在前面

作为一个还没找到编程工作的的伪程序员，我都不好意思自封非科班程序员。今年是2018年11月，基本上，这一年就算过去了。我是今年毕业，不过7月份头脑发热，转正一个月后就裸辞了。想想心也是真大，说辞就辞，完全不考虑今年这样恶劣的就业环境。这不，你们看，报应来了，到现在都没有工作，只能来写写文章，通过文字来排解内心的焦虑。我在辞职的那家公司工作了大概有半年，工作是产品助理，日常琐碎的事情较多，但也基本应
吾儿滨滨·2023-11-03 03:51

李宏毅机器学习笔记.Flow-based Generative Model(补)

文章目录引子生成问题回顾：GeneratorMathBackgroundJacobianMatrixDeterminant行列式ChangeofVariableTheorem简单实例一维实例二维实例网络G的限制基于Flow的网络构架G的训练CouplingLayerCouplingLayer反函数计算CouplingLayerJacobian矩阵计算CouplingLayerStacking1×1
oldmao_2000·2023-11-03 02:59

python one class svm_Python机器学习笔记：One Class SVM

前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，机器产生奇怪的震动或者机器零件脱落等。相对来说容易得到正常场景下的训练数据，但故障系统状态的收集示例数据可能相当昂贵，或者根本不可能。如果可以模拟一个错误的系统状态，问题就好解决多了，但无法保证所有的错误状态都被模拟到，所以只能寻找单样本检测相关的
weixin_39575775·2023-11-02 08:56

单样本检测方法-One Class SVM

Python机器学习笔记——OneClassSVM前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，
试一试名字能有多长·2023-11-02 08:55

梯度提升树算法原理与python实战——机器学习笔记之集成学习PartⅣ

***TheMachineLearningNotingSeries***目录1梯度提升算法原理梯度提升算法的原理梯度提升优化参数的过程2梯度提升回归树3梯度提升分类树4用python实现梯度提升算法1梯度提升算法原理梯度提升树采用向前式分步可加建模方式，每次迭代仅需估计当前模型，而且每个模型进入“联合投票委员会”时不会影响之前的模型。在迭代过程中基于损失函数，采用梯度下降法，找到使损失函数下降最快
搏努力概形·2023-11-01 09:51

见微知著，你真的搞懂Google的Wide&Deep模型了吗？

这里是「王喆的机器学习笔记」的第三十二篇文章。
王喆的机器学习笔记·2023-11-01 06:54

机器学习笔记 - 神经辐射场（NeRF）的简要概述

一、简述神经辐射场十分重要。在表示和渲染3D场景领域，神经辐射场(NeRF)在准确性方面取得了巨大突破。给定底层场景的多个图像，NeRF可以从任意视点重建该场景的高分辨率、2D渲染图。与局部光场融合(LLFF)和场景表示网络(SRN)等现有技术相比，NeRF更能够捕获场景外观和几何形状的复杂组成部分（例如，依赖于视图的反射和复杂的材料）。NeRF的研究目的是合成同一场景不同视角下的图像。方法很简单
坐望云起·2023-10-31 09:46

机器学习笔记（含图像处理）

一、回归1.梯度下降梯度下降是通过不断更新各个变量的参数得到代价函数的全局最小值，更新方式为：原来的参数-步长×代价函数对参数的偏导。注意：迭代次数和步长需要由自己设定。越接近最小值时，代价函数对参数的偏导（即斜率）就越小，则达到最小值就越慢。代码：defgradientDescent(X,y,theta,alpha,iters):temp=np.matrix(np.zeros(theta.sha
鼎__·2023-10-31 08:28

机器学习笔记第一周：概述

1.什么是机器学习非正式定义：使计算机学习的能力没有明确编程的学习领域。正式定义：一个计算机程序可以从经验E学习一些类别的任务T和性能测量P，如果它的性能在任务T中以P作为测量，随着经验E改善，则称这个程序为机器学习。“例子：玩跳棋E=玩许多棋子游戏的经验T=玩跳棋的任务P=程序将赢得下一场比赛的概率一般来说，机器学习可以分为两类：有监督学习和无监督学习2.有监督学习在监督式学习中，我们得到了一个
古木沉舟·2023-10-31 01:08

Azure - 机器学习：使用 Apache Spark 进行交互式数据整理

目录本文内容先决条件使用ApacheSpark进行交互式数据整理Azure机器学习笔记本中的无服务器Spark计算从AzureDataLakeStorage(ADLS)Gen2导入和整理数据从AzureBlob
TechLead KrisChang·2023-10-30 07:50

机器学习笔记 第5课：线性回归算法

线性回归可能是统计学和机器学习中最知名且易于理解的算法之一。它不就是一项起源于统计学的技术吗？预测建模主要关注的是让模型的误差最小化，或者说，在可以解释的前提下，尽可能作出最准确的预测。我们会借用，重用，甚至是窃取许多不同领域（包括统计学）的算法，并将其用于上述的目标。线性回归通常表示为这样一个等式：通过查找特定的称为系数（B）的输入变量的权重，来描述最符合输入变量（x）和输出变量（y）之间关系的
首席IT民工·2023-10-29 04:51

机器学习笔记03_机器学习基本概念(下)

学习视频：[中英字幕]吴恩达机器学习系列课程学习资料：https://github.com/fengdu78/Coursera-ML-AndrewNg-NotesGitHub不好用的话，我在CSDN资源区也上传了开源资料，0积分下载，期待和大家一起进步！文章目录12聚类Clustering12.1无监督学习UnsupervisedLearning12.2K-均值算法K-MeansAlgorithm
三木今天学习了嘛·2023-10-28 17:25

机器学习笔记3——模型评估与选择（二）

凡事都要有个标准，仅仅看实验测试的表现还不够，衡量泛化能力还需要有一套评价标准，也叫做性能度量（performancemeasure）。当然标准也可以有好几套，从不同维度和侧重来评价。这同时也反映了模型的好坏是相对的，换一个标准评价的结果是不一样的。没有最好的，只有最合适的。一、性能度量1、错误率与精度这是分类任务最常用的两种性能度量。错误率=分类错误的数量/样本总数精度=分类正确的数量/样本总数
libodls·2023-10-28 14:27

吴恩达机器学习笔记

WhatisMachineLearning?TwodefinitionsofMachineLearningareoffered.ArthurSamueldescribeditas:"thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."Thisisanolder,informaldef
孙虾米·2023-10-28 03:33

【机器学习算法-K近邻（KNN）】

机器学习笔记（1）-K近邻K近邻算法scikit-learnK近邻算法API案例机器学习算法步骤k值的选择鸢尾花数据集种类预测鸢尾花数据集案例实现交叉验证K近邻算法什么是k近邻算法（k近邻算法又叫做knn
闲看庭前梦落花·2023-10-28 02:56

机器学习笔记（三）

神经网络训练中的问题（二）BatchandMomentumBatch之前有说过，实际上在算微分的时候,并不是真的对所有Data算出来的L作微分,你是把所有的Data分成一个一个的Batch，每次在更新参数时实际上是对每一个batch进行操作，所有的batch看过一遍叫做一个Epoch。那么就存在这样一个问题，batch的大小如何选择？取两个极端的情况，同样是一个20个数据大小数据集，第一次我们将b
鼠尾草的第24个朋友·2023-10-28 01:47

机器学习笔记：逆置换

1介绍给定一个排列p，它的逆置换（inversepermutation）是一个排列invp，满足invp[p[i]]=i和p[invp[i]]=i对所有i成立。2python实现'''计算一个排列的逆排列给定一个排列p，它的逆排列是一个排列invp，满足invp[p[i]]=i和p[invp[i]]=i对所有i成立'''definvpermute(p):"""inversepermutation"
UQI-LIUWJ·2023-10-27 17:06

吴恩达机器学习笔记（五）正则化Regularization

正则化（regularization）过拟合问题（overfitting)Underfitting（欠拟合）–>highbias(高偏差)Overfitting（过拟合）–>highvariance(高方差)Overfitting:Ifwehavetoomanyfeatures,thelearnedhypothesismayfitthetrainingsetverywell,butfailtoge
哇哈哈哈哈呀哇哈哈哈·2023-10-24 20:09

吴恩达机器学习笔记---正则化

前言使用正则化技术缓解过拟合现象，使模型更具泛化性1.过拟合问题(Overfit)2.代价函数(CostFunction)3.线性回归的正则化(RegularizedLinearRegression)4.逻辑回归的正则化(RegularizedLogisticRegression)正则化(Regularization)(一)过拟合问题(Overfit)  先看两张图：  两张图分别代表回归问题和分
ML0209·2023-10-24 20:38

机器学习笔记（四）模型泛化 、过拟合与欠拟合、L1正则化、L2正则化

目录1、过拟合与欠拟合2、学习曲线3、数据划分4、交叉验证5、偏差方差权衡BiasVarianceTradeoff6、模型正则化Regularization6.1、正则化6.2、岭回归RidgeRegression6.3、LASSORegression6.4、L1正则化，L2正则化和弹性网ElasticNet1、过拟合与欠拟合欠拟合underfitting算法所训练的模型不能完整表述数据关系过拟合
小广向前进·2023-10-24 20:38

机器学习笔记 - 特斯拉的占用网络简述

一、简述2022年，特斯拉宣布即将在其车辆中发布全新算法。该算法被称为occupancynetworks，它应该是对Tesla的HydraNet的改进。自动驾驶汽车行业在技术上分为两类：基于视觉的系统和基于激光雷达的系统。后者使用激光传感器来确定物体的存在和距离，而视觉系统则纯粹基于相机。特斯拉的TeslaVision就是单纯的基于视觉实现。但基于视觉的系统存在很多缺陷，并且仍然面临着许多由物体检
坐望云起·2023-10-23 22:07

机器学习笔记19: 线性二次型高斯

线性二次型高斯(LinearQuadraticGaussian(LQG))在现实世界中，我们通常不能获取到所有的状态st。比如一个自动驾驶汽车可以通过摄像头获取图像，但这仅仅是一个观察(observation)，并不能反映真实世界的所有状态。我们之前的讨论都是基于状态是可以完全获得的。考虑到真实世界并不是这样，我们需要一个新工具来对真实世界建模，这个工具就是部分可观测的MDP(PartiallyO
secondplayer·2023-10-23 12:37

决策树的原理、方法以及python实现——机器学习笔记

******TheMachineLearningNotingSeries******决策树（DecisionTree）是机器学习的核心算法之一，在较小训练样本或有限计算资源下仍有较好表现，它包括分类树和回归树，是目前应用最广泛的分类预测和回归预测方法。导航0引言1决策树的概念分类树回归树2决策树的生长分类算法分类过程3决策树的剪枝剪枝算法剪枝过程4python代码实现——实例应用---------
搏努力概形·2023-10-22 19:05

机器学习笔记：随机森林

随机森林随机森林是一种集成算法，是对决策树模型的集成学习。目的是通过考虑多个评估器建模结果，汇总得到一个综合结果。集成算法包括bagging（装袋法），boosting（提升法），stacking（堆栈法）三种。装袋法的核心思想是构建多个相互独立的评估器，然后对其预测进行平均或多数表决原则来决定集成评估器的结果。装袋法的代表模型就是随机森林。提升法中，基评估器是相关的，是按顺序一一构建的。其核心思
0/404·2023-10-21 21:03

机器学习笔记AN01--提高机器学习模型准确率的八大方法简单总结

annotation英[ˌænə'teɪʃn]n.注释【非原创】，作者不明1.增加更多数据2.处理缺失值和异常值对于连续变量，可以把缺失值替换成平均值、中位数、众数。对于分类变量，可以把变量作为一个特殊类别看待。你也可以建立模型预测缺失值。KNN为处理缺失值提供了很好的方法。异常值：你可以删除这些条目，进行转换，分箱。如同缺失值，你也可以对异常值进行区别对待。3.特征工程学这一步骤有助于从现有数据
EL33·2023-10-21 12:42

机器学习笔记 - 深度学习中跳跃连接的直观解释

一、概述如今人们利用深度学习做无数的应用。然而，为了理解在许多作品中看到的大量设计选择（例如跳过连接），了解一点反向传播机制至关重要。如果你在2014年尝试训练神经网络，你肯定会观察到所谓的梯度消失问题。简单来说：你在屏幕后面检查网络的训练过程，你看到的只是训练损失停止减少，但距离期望值仍然很远。1、更新规则和梯度消失问题没有动量的梯度下降的更新规则，假设L是损失函数，λ是学习率，其中基本上是通过
坐望云起·2023-10-21 06:12

自用机器学习笔记（1）：什么是概率以及似然

自用机器学习笔记（1）：什么是概率以及似然（1）解释1：这个是quora上的一个回答Whatisthedifferencebetweenprobabilityandlikelihood?
Dante5128·2023-10-20 04:48

机器学习笔记 四 ：线性回归（Linear regression）及房屋数据集的回归

目录1.单变量线性回归：2.多变量线性回归 最近在学习吴恩达老师的机器学习课程，所以在这里记录一下，主要是完成他的课后作业。思路： 1.首先，我们自己编写线性回归函数，看看整个计算的流程； 2.使用sklearn进行线性回归计算； 3.对比以上两种方法的优缺点。1.单变量线性回归：importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt
Amyniez·2023-10-19 03:43

李宏毅机器学习笔记-transformer

transformer是什么呢？是一个seq2seq的model。具体应用如上图所示，输入和输出的序列长度不固定，由model自己决定。语音翻译指的是，直接输入一段语音信号，例如英文，输出的直接是翻译之后的中文。seq2seq如今已经是一个应用非常广泛的模型，可以应用于NLP的各种任务，如语义分析，语义分类，聊天机器人等。另外还有个值得说明的功能是做multilabelclassification
ZEERO~·2023-10-18 07:00

李宏毅机器学习笔记-半监督学习

半监督学习，一般应用于少量带标签的数据（数量R）和大量未带标签数据的场景（数量U），一般来说，U>>R。半监督学习一般可以分为2种情况，一种是transductivelearning，这种情况下，将unlabeleddata的feature利用进来。另外一种是inductivelearning，这种情况下，在训练的整个过程中，完全不看任何unlabeleddata的信息。为什么要做semi-sup
ZEERO~·2023-10-18 07:24

机器学习笔记 - 3D 对象跟踪极简概述

一、简述大多数对象跟踪应用程序都是2D的。但现实世界是3D的，无论您是跟踪汽车、人、直升机、导弹，还是进行增强现实，您都需要使用3D。在CVPR2022（计算机视觉和模式识别）会议上，已经出现了大量3D目标检测论文。二、什么是3D对象跟踪？对象跟踪是指随着时间的推移定位并跟踪对象在空间中的位置和方向。它涉及检测图像序列（或点云）中的对象，然后预测其在后续帧中的位置。目标是持续估计对象的位置和方向，
坐望云起·2023-10-17 23:13

李宏毅机器学习笔记第7周_局部最小值与鞍点

文章目录一、OptimizationFailsbecause……二、TaylerSeriesApproximation三、Example总结一、OptimizationFailsbecause……1．问题：我们在做optimization的时候会发现，随着参数的不断更新，training的loss不会再下降，但是我们对loss并不满意。因此我们会发现，一开始model就train不起来，不管我们怎
MoxiMoses·2023-10-16 19:21

【机器学习笔记1.1】线性回归之正规方程求解

线性回归概述##我们先考虑最简单的一种情况，即输入属性的数目只有一个，线性回归试图学得[1](1)f(xi)=wxi+b，使得f(xi)≈yif(x_i)=wx_i+b，使得f(x_i)\approxy_i\tag{1}f(xi)=wxi+b，使得f(xi)≈yi(1)那么如何确定w⃗\vec{w}w和b呢？关键在于如何衡量f(x⃗)f(\vec{x})f(x)与y之间的差别。均方误差是回归任务重
取取经·2023-10-15 20:53

机器学习笔记 - 车道检测的几种深度学习方法

一、简述人们在打造自动驾驶汽车时首先想到的就是实现车道检测。这是Tesla和mobileye所说的“强制性”任务，也是SebastianThrun（自动驾驶汽车教父）在接受采访时所说的首要任务。这个方向有很多传统的OpenCV算法，这些算法由不再使用的非常旧的函数组成。目前全部都转到深度学习的方式了。二、车道线检测的分割方法1、LaneNet检测车道线的第一种也是最流行的方法是使用图像分割，它很重
坐望云起·2023-10-15 11:58

机器学习笔记 - 使用3D卷积神经网络进行视频分类

1、导入相应的库3DCNN使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在2DCNN中它可以在二维上滑动。首先安装并导入必要的库，用于处理ZIP文件内容的Remotezip、用于使用进度条的tqdm、用于处理视频文件的OpenCV、用于执行更复杂的张量操作的einops，以及用于在JupyterNotebook中嵌入数据的库。importtqdmimportrandomimportpath
坐望云起·2023-10-14 11:43

机器学习笔记（3）：无监督学习

上节，我们已经介绍了监督学习。回想当时的数据集，如上表所示，这个数据集中每条数据都已经标明是阴性或阳性，即是良性或恶性肿瘤。所以，对于监督学习里的每条数据，我们已经清楚地知道，训练集对应的正确答案，是良性或恶性了。在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每
大锅烩菜·2023-10-14 05:07
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他