我建议在最后删除头和尾那块，指向区域画好一点吧，后面都看不到懂指向哪了

           用字符串输出会出错

这个怎么用？                                         

老师，他应该是良好怎么打印的结果是及格呢

c = 85
if c>=70:
    print("及格")
elif c>=85:
    print("良好")
elif c>=90:
    print("优秀")
elif c<=70:
    print("不及格")

老师，他应该是良好怎么打印的结果是及格呢

c = 85
if c>=70:
    print("及格")
elif c>=85:
    print("良好")
elif c>=90:
    print("优秀")
elif c<=70:
    print("不及格")

我a文件内容是abcdef 像我这个第19 20行这么写，先判断读取的文件到没到最后，再赋值给a输出为什么结果是bdf呢

IO流不是使用的是装饰设计模式吗？

在此贴出装饰设计模式和静态代理模式的区别：

装饰器模式关注于在一个对象上动态地添加方法，而代理模式关注于控制对对象的访问。换句话说，用代理模式，代理类可以对它的客户隐藏一个对象的具体信息。因此当使用代理模式的时候，我们常常在一个代理类中创建一个对象的实例；当使用装饰器模式的时候，我们通常的做法是将原始对象作为一个参数传给装饰器的构造器。

装饰器模式和代理模式的使用场景不一样，比如IO流使用的是装饰者模式，可以层层增加功能。而代理模式则一般是用于增加特殊的功能，有些动态代理不支持多层嵌套。

代理和装饰其实从另一个角度更容易去理解两个模式的区别：代理更多的是强调对对象的访问控制，比如说，访问A对象的查询功能时，访问B对象的更新功能时，访问C对象的删除功能时，都需要判断对象是否登陆，那么我需要将判断用户是否登陆的功能抽提出来，并对A对象、B对象和C对象进行代理，使访问它们时都需要去判断用户是否登陆，简单地说就是将某个控制访问权限应用到多个对象上；而装饰器更多的强调给对象加强功能，比如说要给只会唱歌的A对象添加跳舞功能，添加说唱功能等，简单地说就是将多个功能附加在一个对象上。

所以，代理模式注重的是对对象的某一功能的流程把控和辅助，它可以控制对象做某些事，重心是为了借用对象的功能完成某一流程，而非对象功能如何。而装饰模式注重的是对对象功能的扩展，不关心外界如何调用，只注重对对象功能加强，装饰后还是对象本身。

链接：https://www.cnblogs.com/yanggb/p/10952843.html

new内部类时，格式为 Outer.Inner varname = new Outer().new Inner()

实测发现Outer.不加也能执行，这是什么原理？

老师这个出错了，是什么原因呀，删了又下，下了又删，就是不行，开始也有提示容量不足

老师，为什么

>>> a = 'I love you\n'*5

>>> print(a)

这样可以换行，而  >>> 'I love you\n'*5   这样却不能换行呢

上面说能访问，下面又说不能访问，咋回事？

划横线的是已经删除 hello 和  123 元素，程序按照从上往下执行，这两个已经被删除了，但是为什么list.add（“world”）的时候，hello  和123 元素还在 ？

老师，我用的tensorflow2.0的版本，很多代码不一样，但是最主要的是mnist数据集下载不下来，下载了也不知道怎么使用，我在网上找的方法都不太行

我倒是下载了这四个文件，但是怎么用到代码里面去呢，老师的视频都是tensorflow1.6的，麻烦您了

问题1：在xgboost建模部分，一开始设定了目标函数为MSE，后面gbm = xgb.train(params, dtrain, ntrees, evals=watchlist, early_stopping_rounds=100, feval=rmspe_xg, verbose_eval=True)这句代码老师讲解的是设置feval=rmspe_xg则将目标函数替换为了自定义函数，但是我查阅资料，feval是自定义评估函数，obj才是自定义目标函数，不知道是不是我理解有误？

问题2：将老师的代码稍微改动了一下，gbm = xgb.train(params, dtrain, ntrees, evals=watchlist, early_stopping_rounds=100, verbose_eval=True)这句代码中去掉了feval=rmspe_xg，说明此时的目标函数是MSE了吧，最后又打印了MSE/MAE/RMSE/R2（为了节约时间，只迭代了20次），结果很low就不说了，为什么evals评估的rmse和打印出来的RMSE差距甚大？？？？