《机器学习实战》example[1] for example in dataSet的理解

　

for example

附上源代码：

dataset=[    [1,1,'yes'],
             [1,1,'yes'],
             [1,0,'no'],
             [0,1,'no'],
             [0,1,'no']]
>>>featList=[example[1] for example in dataSet]
>>>featList
[1, 1, 0, 1, 1]
>>>featList=[example[0] for example in dataSet]
>>>featList
[1, 1, 1, 0, 0]
>>>featList=[example[2] for example in dataSet]
>>>featList
['yes', 'yes', 'no', 'no', 'no']

理解如下：

以 featList=[example[1] for example in dataSet] 为例     

上面这条语句是用列表推导来创建一个新的列表featList

1.先执行for语句，看example是否在dataSet数据集里，按行遍历
2.开始读的时候，发现example=[1,1,'yes']在dataSet数据集里，然后取出example[1]也就是1这个数放入featList列表里
3.继续执行for语句，发现example=[1,1,'yes']在dataSet数据集里，然后取出example[1]也就是1这个数放入featList列表里
4.继续执行for语句，发现example=[1,0,'no']在dataSet数据集里，然后取出example[1]也就是0这个数放入featList列表里
5.继续执行for语句，直到dataSet中的数据集全部按行遍历完，就结束了，打印featList中的数据，即featList=[1, 1, 0, 1, 1]

相关阅读

notifyDataSetChanged()刷新数据不更新原因

使用Listview的时候: 当要动态显示更改后的数据(例如数据库改动), 很多人应该都用过notifyDataSetChanged();这个方法来刷新Listv

如何理解正态倒伽马分布(Normal-inverse-gamma distri

Normal-inverse gamma distribution 又称 normal-scaled inverse gamme distriution。它是正态分布的先验分布。 但是根据我的观

对偶问题的理解

1. 为什么要使用对偶问题（SVM） 1. 对偶问题将原始问题中的约束转为了对偶问题中的等式约束 2. 方便核函数的引入 3. 改变了问题的

Spring中Model、ModelMap、ModelAndView理解和具体使

在了解这三者之前，需要知道一点：SpringMVC在调用方法前会创建一个隐含的数据模型，作为模型数据的存储容器， 成为”隐含模型”。 也就

矩阵乘法结合律的理解

矩阵相似是同一个变换在不同基下的描述。参考： https://spaces.ac.cn/archives/1777这篇文章给出了关于矩阵相似的比较直观的理解