總結一下最近學的正則化知識，裡面有一些自己的理解。如果有錯，歡迎討論。
概念捋清：我的理解是正則化表達是通過一組符號表達一種字串組織結構，相當於用乙個表示式表示了乙個字串組合的集合。
首先考慮單個匹配，從表示式的基本符號開始著手。
1.非重複選擇：
系統給定選擇：\d 數字，\s 空格，\w 字母或者數字 . 任意字元。把小寫變大寫代表非，比如\d表示非數字
自定義選擇：1.1 | 表或，如ac|bc，[abc] 表示這個位點字元為方括號中的乙個，括號內字串是拆開了或的關係，在中加入^表示非。
注：字串或者表示式有位置關係，而或是沒有位置關係的，比如原字串為ac，考慮[c,b]|[a,b]，其實效果與[a,b,c,d]一樣，^只能在裡表示非的意思
2.重複選擇：
系統給定選擇：？0或1次，+ 次數大於等於1 ，*任意次數。
注：？在正則化中通常表示要進行一些特殊操作
注：通常匹配的時候都是貪婪模式，即會輸出匹配最多的情況，如原字串為abbbbb，正規表示式為ab+，則會輸出abbbbb，加上？後變為非貪婪模式，如ab*？，輸出為ab
自定義選擇：a a重複n次,a a重複 n到m 次。
字串組合重複：使用（），如（ab）
注：在re函式中，括號還有分組的意思，如果想要取消分組，公式為（？：string）,如（？：abc），具體後面**。
3.位置確定：
每行的：^開頭 $結尾
全文性質的：\a 開頭 \z 結尾
分隔：\b 大寫為非的意思
注：在使用re.search('\ba','a a').group()的時候報錯，改為re.search(r'\ba','a a')後成功。
為什麼要用 r'\ba'或『\\ba』才能在『a a』中匹配出a？
正規表示式匹配反斜槓"\"，為什麼是"\\\\"或是 r"\\"呢？
因為在正規表示式中\為特殊符號，為了取消它在正規表示式中的特殊意義需要加乙個\就變成了\\，但是問題又來了，\也是字串中的特殊字元，所以又要分別對兩個\取消其特殊意義，即為\\\\。python中有乙個原始字串操作符，用於那些字串中出現特殊字元，在原始字串中，沒有轉義字元和不能列印的字元。這樣就可以取消了\在字串中的轉義功能，即r"\\"。也就是說\b並不是正規表示式的命令，而是字串的命令？正規表示式中的\和字串中的\在命令出現重疊的時候是不一樣的,正規表示式在更底層，要後進行轉意，也就是先生成字串，再在字串的基礎上進行正則表達，『\ba』生成字串就是退格a，需要再加乙個\,這樣生成的字串才是\ba，如果命令不重疊就會直接生成\，可以嘗試print 『\dr』，結果為'\dr'.那麼r『』轉的到底是字串的轉意還是正則化的轉意？考慮r『\ba』,作用在1a上，如果去掉的是正則化轉意應該沒有輸出，所以去掉的應該是字串的，但是這樣有乙個邏輯缺陷，如果『\ds』是先變成字串再用正則化表示，'\ds'是's'，那麼『s』應當可以用『\ds』輸出，但是用程式表示出來會報錯，個人理解是為了實現對字串所有結構的識別，字串中的\d被編譯成了其他的編碼，從這個角度出發，『\ds』 字串應該可以用'\ds'識別，re.search('\ds','\ds').group()，結果為『\x08s』,所以這個理解應該是對的。
4.分組
（？p） 把括號內匹配定為name組（原有排序組名仍在）
/number 引用第number組的字串，如原字串『1a2a2』,'(\d)a\1',會輸出2a2
（？p=name）引用name組的字串,
5.其他
（？mode）string 表示用某種模式對後面string進行匹配
6.條件選擇
a（？=string）表示a後為string表示式，但是該位置不輸出，相當於乙個條件選擇，如a（？='b'）,輸出後面為b的a
a（？!）和上面相反
a（？<=）a之前的內容匹配後才能輸出
a（？<！）和上相反
（？（name）true|false）如果name組的字串匹配到了就要匹配true表示式， 否則匹配false表示式。
先到這，有空繼續補
re核心函式
findall
match
search
compile
subsplit
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習 1 1 0 強化學習介紹
abstract 本文介紹reinforcement learning的具體特點和與其他機器學習演算法不同之處，本文是乙個骨架性的文章，所有專有名詞都保持英文原始單詞，具體內容會在後續中給出詳細解答。keywords reinforcement learning，situation，action，e...
離散化學習
有些資料本身很大，自身無法作為陣列的下標儲存對應的屬性。如果這時只是需要這堆資料的相對屬性，那麼可以對其進行離散化處理！離散化 當資料只與它們之間的相對大小有關，而與具體是多少無關時，可以進行離散化。例如9 1 0 5 4 與 5 2 1 4 3 的逆序對個數相同。設有4個數 1234567 123...