def add(a,b,c):

  '''完成三个数的加法，并返回他们的和'''

  sum = a+b+c

  print("{0}、{1}、{2}三个数的和是：{3}".format(a,b,c,sum))

  return sum

add(10,20,30)

add(30,40,50)

老师，上面代码的return返回值，我们并没有使用到吗？它返回给谁啊？

C:\WINDOWS\system32>ruby -v

ruby 3.1.2p20 (2022-04-12 revision 4491bb740a) [x64-mingw-ucrt]

C:\WINDOWS\system32>gem sources --add https://gems.ruby-china.com/ --remove https://rubygems.org/

Error fetching https://gems.ruby-china.com/:

        server did not return a valid file (https://gems.ruby-china.com/specs.4.8.gz)

C:\WINDOWS\system32>

老师 这个报错怎么解决啊

turtle
math

x1,y1 =,x2,y2 =,-x3,y3 =-,-x4,y4 =-,turtle.penup()
turtle.goto(x1,y1)
turtle.pendown()
turtle.goto(x2,y2)
turtle.goto(x3,y3)
turtle.goto(x4,y4)
distance =math.sqrt(x1-x4)**+(y1-y4)**turtle.write(distance)
turtle.done()

time

b=(time.time())
(b)
totalMinutes=b//(totalMinutes)
totaDays=totalMinutes//(*)
totalYears=totaDays//(totalYears)

老师 选择某个维度作为条件如何理解？是先选择分裂特征，在选择分裂特征之后，在确定分裂条件吗？还是同时进行呢？

import time
class Decorater():
    __cache = {}
    def __init__(self,func):
        self.func = func
    def __call__(self, *args, **kwargs):
        if self.func.__name__ in Decorater.__cache:
            return Decorater.__cache[self.func.__name__]
        else:
            result = self.func(*args,**kwargs)
            Decorater.__cache[self.func.__name__] = result
            return result

def costtime(func):
    def infunc(*args,**kwargs):
        start = time.time()
        result = func(*args,**kwargs)
        end = time.time()
        print(f"{end-start}")
        return end-start
    return infunc
@costtime
@Decorater
def long_time():
    print("start")
    time.sleep(4)
    print("end")
    return 999
if __name__ == "__main__":
    r1 = long_time()
    r2 = long_time()
    print(r1)
    print(r2)

请问老师，这里我输出的结果没有返回值999是什么原因啊

老师可以解释一下什么是解释型语言，什么是编译型语言吗。本质区别是什么？

请问老师，对于一元线性回归的最大似然估计可不可以理解为：

模型的组测输出公式为y^= wx + b, 和真实值的误差是e，所以真实值y和预测值y^之间的关系可以定为：

y = y^ +e = wx +b +e。 所以当误差e最小时所对应的w和b就是我们需要的模型最佳参数。

因为e是符合正态分布，那么y也是符合正态分布的。所以y可以写成关于w和b的符合正态分布的概率密度公式。其中均值是wx + b，方差是一个常熟。那么对于一个样本，当这个概率密度最大的时候也就是wx + b越接近y的时候，我们模型的预测是最准确的，得到真实值的概率是最大的。此时所对应的w参数wb就是我们需要的模型参数。

因为我们所有样本都满足独立分布，所以总概率就可以写成所有样本的上述概率密度的累乘，我们只要最大化这个累乘后的概率密度，就可以找到对于所有数据样本来说最接近真实y概率的对应参数wb从而得到一个拟合不错的线性模型。

之后两边同取对数之后，因为以e为底的对数函数是单调递增的，所以最大化似然函数等同于最大化这个对数函数。因为化简后有一个常数项和一个有负号的关于wb的一项，那么问题就变成了最小化去掉负号的带有wb的这一项函数，从而就推导出来了我们的mse损失函数。

我运行了下，a.rfind("高")结果是22不是29（如图），我觉得可能是课件变了之前举的例子和现在的不一样忘记改了，希望老师可以改下免得我们有疑问。

别人提的两个疑问我也思考了下:

1.可以使用行连接符\，可能那个同学操作错了，我这里用它是为了方便截图，和检查结果的时候大单排段文字显示不出来免得拖动界面。

2.rfind()，是从右向左查找的，但别人可能和我一样疑问，打个比方：为啥不是最后一个字符往前数依次0，1，2，3……我懒得数反正如果这样算肯定结果不是正着数的22，这样想就错了。我由结果正着数的22推导一下，我觉得应该是随便举个例子解释：字符串的位置码是确定的，从左到右依次0，1……n，从右向左查找是先看n，再看n-1,……一直到找到那个括号内要查找的内容，为啥这样找就是为了效率我觉得，用处就是找最后一次出现地方。记住两点位置码不变，从右向左查找。（注：位置码是我取的名字，不够严谨，我只是为了好理解）

没有问题自问自答哈，另外视频中第一部分rfind()例子与答案不符希望老师改下。

f : Callable [ [ int , int ] , int ] = sum_fun

这里是定义了一个变量f，使其指向函数sum_fun，即调用f就是调用sum_fun

如果只说调用为什么不直接 f = sum_fun呢？使用Callable的优势是什么呢？

对于给函数传参和返回值的标注的作用是不是只能用于提醒别人应该传的参数类型以及传入类型正确参数后得到的返回值的正确类型，即使传的参数类型错误，返回值返回类型做错，但只要保证函数运行模块正常，就能输出结果对吧？

老师，视频中提到的可变元组是什么意思？元组不是不可变的么？这里怎么又说可以定义可变元组了？

UI界面没有告警信息是为什么？

请问常量和变量有什么不同啊，感觉都是可以随意赋值的，为什么要多一个常量的定义呢？有点疑惑

老师，我按照步骤，为何我的txt文档不会变成网页版的