老师为什么我加了condarc的配置文件反而更慢呢？

老师为什么我下载的numpy 的mk依赖包有155mn这么大呢？l

老师，x是一个多维的列向量，请问这里在证明的时候为什么把一个三元的特例乘开了来做证明呢？感觉三元成立不一定证明多元也成立

老师，这个部分前面不是安装过了吗

老师，np.dot(a,i)乘起来不应该是一个内积嘛？为啥不是个数是个矩阵呀？

老师，对于y= x^3, 在原点的一阶导数为零，也称为驻点吗？整个定义域都是单调增的哦

这个初始的w矩阵是怎么算的？

为什么background对应的RBC到达了0.95？说明了什么

这个问题该怎么解决 一打开就这样

出现这种情况怎么办啊，将shade=True改成fill = True,不报错，但出现空白图，没有上色

我的代码是：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#读取数据
data=pd.read_csv('D:/project1/text/实战保险花销代码/代码/data/insurance.csv')
print('读取数据表格为：')
print(data.head())#生成表格n列
#EDA数据探索
#plt.hist(data['charges'])#hist柱状图,但该图像右偏，用log进行正态化
plt.hist(np.log(data['charges']))
sns.kdeplot(data.loc[data.sex=='male','charges'],shade=True,label='male')
sns.kdeplot(data.loc[data.sex=='female','charges']shade=True,label='female')

plt.show()

老师，请问监督学习任务 除了 分类 和 回归，还有别的 吗？

老师，请问 无监督学习任务  只有 聚类 和 降维两种吗？ 还要别的吗？

老师，以前在学校里学过一门课，将数字化数据处理中 有 采样率的问题，这和本节讲到的降维 有何异同？

抱歉，学到后面才知道 术语写错了，Supervised learning：监督学习；unsupervised learning:无监督学习。

请问，老师视频里讲到，前者是有x（输入）有y（输出），而后者强调输入x，而可能无输出y。  怎么从x, y 这种输入输出的函数关系角度来理解 learning 与 unsupervised learning的学习模式之间的差别？

无监督学习的输出 参数 是技术能实现但不需关心吗?还是说 技术原因无法实现？ 

能否举例？

请问，老师视频里讲到，前者是有x（输入）有y（输出），而后者强调输入x，而可能无输出y。  怎么理解 monitored learning 与 non-monitored learning的学习模式之间的差别？