在 TensorFlow 和 （Py-）Torch 等深度学习框架中，张量“只是”针对快速计算而优化的多维数组。
事实上，torch tensor就像一个 R array，因为它可以是任意维度的。但与array不同的是，它专为快速且可扩展地执行数学计算而设计，您可以将其移动到 GPU。
回归
在统计学和机器学习中，回归分析是一种用于预测和建模的技术，旨在确定目标变量与一个或多个自变量之间的关系。通过回归分析，我们可以预测某些变量的未来值，分析变量之间的因果关系，并发现数据中的趋势和模式。
conda安装最新版本的R
首先创建和激活R环境
conda create -n R conda activate R然后选择下列中的其中一个，安装最新版本的R
conda install conda-forge::r-base conda install conda-forge/label/broken::r-base conda install conda-forge/label/cf201901::r-base conda install conda-forge/label/cf202003::r-base conda install conda-forge/label/gcc7::r-baseJava script中的&&和||
&&是与或非的与操作符，||是与或非的或操作符。let isTrue = true; let isFalse = false; let result = isTrue && isTrue; console.log(result); result = isTrue && isFalse; console.log(result); result = isTrue || isFalse; console.log(result);
展开/折叠结果
true false true
预测变量与响应变量
预测变量（Predictor variable），又叫做自变量、独立变量、解释变量，是分析中用于预测或解释响应变量的变量。在回归分析中，预测变量是模型的输入。
响应变量（Response variable），又称为因变量或依赖变量。在分析中被预测的变量。回归分析中，响应变量是模型的输出。
简言之，预测变量是x，响应变量是y。预测变量用来预测，响应变量被预测。
CSS中的margin
Margins generate space around an element, outside of any paddings and borders.
Although they both add spacing around them, margins and paddings are different.
The paddings adds space between the content and the border, while the margin adds space between the border and other elements.
CSS中的padding
Elements on a webpage are rectangular boxes with four layers: content, paddings, borders, and margins(Arranged from inside to out).
Paddings generate space between the content and the border of an element.
p { padding: 50px; border: 1px solid black; }html中的doctype
所有的html都由
doctype声明。标准的html为html5。<!DOCTYPE html>
在较旧的文档（HTML 4或XHTML）中，声明更复杂，因为声明必须引用DTD（文档类型定义）。
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
DOCTYPE不区分大小写。