你观察还真够仔细 下面是我在网上找的资料：

拿话筒演唱是个很有技术深度的学问，只有很少的人能注意到这方面，为了能把这方面技术具体的说明白，我们先做个实验，找一套音响设备（音响效果越清晰越好），接好话筒，用自己的一只手拿好话筒，对着嘴开始发声，自然的说几句话或唱几声都可以，（注意音箱中传出的自己的声音），然后再用另一只手拿好话筒，对着嘴开始发声，再自然的说几句话或唱几声，（注意音箱中传出的自己的声音），会发现声音音色不一样，而且自己身体越放松，声音的区别越大，这是怎么回事呢，不太好解释，同样都是自己的嗓子，自己的声带，左手和右手怎么差这么多呢，用左手时声音有点“硬”，有点男人的“钢”劲，比较嘹亮；用右手时声音有点“软”，有点象女人的“柔”劲，比较温柔。这是怎么回事呢？？这让很多人的心里产生疑问。另外再做个实验，单手拿好话筒，对着话筒发声，然后把另一手臂慢慢的抬起，一边抬一边发声，（注意手抬到不同高度时，声音也会随之而发生不同的变化）无论是左手拿话筒还是右手拿话筒，都一样，随着另外一只胳膊的逐渐抬高，音色也会随之而不断的发生着变化。这个实验会让很多人心里多了更多的疑问。会发现，左手拿话筒的时候，随着右臂的逐渐抬高，音色会变得越来越“软”，（右臂发力越大，声音越软）；右手拿话筒的时候，随着左臂的逐渐抬高，音色会变的越来越“硬”（左臂发力越大，声音越硬），这是怎么回事呢？用现代科学怎么也解释不通，那怎么办？我们只能到中国古代文化中去找答案，中国古代讲“男左女右”，男人左半身比右半身发达，这个人会显得比较“阳钢”，女人右半身比左半身发达，这个人会显得比较“温柔”；这也说明一个道理，人的左半身是“阳”，右半身是“阴”，声乐在这一方面的发现，也足以看出中国古代文化的深奥。拿话筒随着个人需要，自己控制好就可以了，想要“软”的、女性化的声音，就可以用右手；想要“硬”的、男性化的声音，就可以用左手；如果想要中性的声音，就可以双手一起拿着话筒；由于现代社会的整体生活状态，女人也象男人一样四处奔走，象男人一样劳苦工作、生活，所以现在的女人越来越有点男性化，也就有很多女人喜欢唱比较嘹亮、宽广、有些男性化的声音，这是个普遍现象。我个人认为，男子就唱男子的声音为好，女子可以选择不同的声音来练，随个人喜好；如果男子唱过“柔”的声音，这种“娘娘腔”会让成熟的人听了很难受，觉得这种演唱有点“女性化的变态”；女子就不同，女子可以任意的选择音色来发挥，可以唱钢性的，也可以唱柔的，这符合今天的社会形式。正统的美声唱法在舞台演出时，人是平稳的站好，自然歌唱，双手都不拿话筒，这样的方法比较科学，让身体的发力随意，左半身和右半身都不受限制，想怎么用就怎么用，这样的方法也是我们比较推荐的，比较科学。

这首歌是： 1、歌，读音gē，哥，对唱情歌；欠，感叹。造字本义：求偶男女对唱恋曲，咏叹衷情。古人称拼出字音为“读”；自言自语为“念”；和曲念词为“歌”，高声诵念为“唱”；背书为“诵”；节奏和缓地诵读 2、为“咏”。在汉语中“诗歌”常并称，但“诗”与“歌”明显不同：“诗”将浪漫、神秘的心与灵外化为文字，阅读者少；“歌”将诗句咏叹为便于传播的曲子，不识字的百姓也可唱。“歌”是歌词在文艺学分类上的名称。入乐与否，是歌和诗的根本区别。[1]

3、唱：歌唱、歌咏、歌颂、歌坛、歌台舞榭、 歌舞、能歌善舞、载歌载舞。

4、能唱的文词：唱歌、歌谱、歌词、歌诀、民歌、诗歌、歌行（xíng）（旧诗的一种体裁，音节、格律比较自由）、诗言志，歌咏言。

有些歌词，虽然平时听的时候比较正常，但是在不合时宜的情况出现，就会产生很多搞笑的效果，比如说有的新郎和新娘结婚的时候，新郎会对新娘唱《丑八怪》，歌词的内容是“丑八怪，麻烦别把灯打开”，让在场的宾客大笑不止，毕竟新娘子是最美的，在心情不好的时候哼一下歌，确实能让自己的心情舒畅一些，自己的烦心事总是拿来吐槽，身边的人也会觉得自己比较爱抱怨，因此可以用这种方式来排解一下消极情绪，安徽有一名男子在深情歌唱的时候，却被一边的妻子飞踹，那么妻子为什么要这样做呢？让我们一起看一下吧！

一，安徽男子深情唱歌

这名男子平时就很喜欢唱歌，有的歌词是朗朗上口的，他听了一遍就记住了，也会偶尔哼唱两句，这名男子当时是在拿着抹布擦自己的黑色轿车，人在劳动的时候就很喜欢唱歌，因此他就不由自主的哼出来的"想要雪白的姑娘"，他的妻子抱着孩子从旁边走过去，对他踢起来一脚，他赶快往后一躲，微微一笑，证明夫妻两人感情还是比较好的。

二，妻子为什么要这么做？

女人是很容易吃醋的，比如说有很多女人会偷偷的出现在自己老公的旁边，看老公的手机屏幕里是什么内容，如果她的老公正在看一些美女的和视频，妻子就会很生气，这也只是一种撒娇的表现，妻子之所以这么做，是因为她非常爱自己的老公，不允许她老公有其它的想法，而她的老公似乎对这种行为也比较包容，没有生气，他们平时都是以这种方式相处的，只要不是真的吵架，那么他们这种相处的方式还是让人十分羡慕。

总之，婚姻比谈恋爱难的多，谈恋爱的时候，如果两个人没有感情说分手就可以分手，可是婚姻牵扯的利益是比较多的，因此两个人能够和和美美的过一辈子，是很多人都趋之若鹜的神仙感情，希望天下所有的夫妻永远幸福。

MichaelBublé-EverythingYou'reafallingstar,You'rethegetawaycarYou'rethelineinthesandwhenIgotoofarYou'retheswimmingpool,onanAugustdayAndyou'retheperfectthingtosayAndyouplayitcoy,Butit'skindacuteAh,WhenyousmileatmeyouknowexactlywhatyoudoBabydon'tpretend,thatyoudon'tknowit'strueCauseyoucanseeitwhenIlookatyouAndinthiscrazylife,andthroughthesecrazytimesIt'syou,it'syou,YoumakemesingYou'reeveryline,you'reeveryword,you'reeverythingYou'reacarousel,you'reawishingwell,Andyoulightmeup,whenyouringmybellYou'reamystery,you'refromouterspace,You'reeveryminuteofmyeverydayAndIcan'tbelieve,uhthatI'myourman,!AndIgettokissyoubabyjustbecauseIcanWhatevercomesourway,ahwe'llseeitthrough,Andyouknowthat'swhatourlovecandoAndinthiscrazylife,andthroughthesecrazytimesIt'syou,it'syou,YoumakemesingYou'reeveryline,you'reeveryword,you'reeverythingSo,La,La,La,La,La,La,LaSo,La,La,La,La,La,La,LaAndinthiscrazylife,andthroughthesecrazytimesIt'syou,it'syou,YoumakemesingYou'reeveryline,you'reeveryword,you'reeverythingYou'reeverysong,andIsingalong'Causeyou'remyeverythingYeah,yeahSo,La,La,La,La,La,La,LaSo,La,La,La,La,La,La,La,La,La,La,La

最近一男子在聚餐的时候唱歌缺氧后仰倒地，也是让人大笑不止，要说起朋友聚会还有哪些场面。那当然得先从手机说起了，随着现在手机越来越普及，女人的地位似乎都已经不如手机地位高了，和朋友出去聚餐，永远先吃第一口的是手机，十几个人去到饭店点好饭之后，互相商量好手机先吃第一口，也就是手机先拍照。每个人从不同的角度拍着自己的照片，等拍好以后，发完朋友圈，证明自己在聚餐，才可以安心吃饭，朋友出去仿佛不是为了聚一聚，而是为了拍照，各自拍完照片就各玩各的手机。在和朋友们吃完饭，聚餐结束之后，都会去在玩点别的，比如说蒸蒸桑拿泡泡澡，还有去KTV唱唱歌，唱歌是人们基本都会选择的，对于性别没有要求，而且能够让大部分人都参与进来，进去KTV以后，便开始点歌曲唱歌，朋友们好久不见，喝酒的喝酒，唱歌的唱歌，待酒过三巡以后，人们也都跟随着音乐跳了起来，有的朋友甚至为了尽兴，直接拿着麦克风，站到了桌子上去边跳边唱，别看那个桌子看似石头，但其实里边是整个空心桌很容易破碎，结果没几分钟，突然一下子塌陷下去，但是依旧不忘继续唱歌，也真是人算不如天算，简直太搞笑了，即使在高兴的同时也要注意自身安全，这才是最重要的。和朋友一起聚会，酒量不好，却要敬酒，到了一杯白酒，上来一口就半杯进到嘴里，结果没有憋住，直接喷了出来，简直是尴尬到了极点，朋友聚会欢乐多，能够少喝就少喝。在我们生活中，有趣的事情还有很多，不过有趣的同时，也要注意自己的安全，这才最重要。

bobo老师机器学习百度网盘免费资源在线学习   

  micp  

  bobo老师机器学习 第9章 逻辑回归 第8章 多项式回归与模型泛化 第7章 PCA与梯度上升法 第6章 梯度下降法 第5章 线性回归法 第4章 最基础的分类算法-

k近邻算法 kNN 第3章 Jupyter Notebook, numpy和m

 第2章 机器学习基础 第1章 欢迎来到 Python3 玩转机器学习 

第14章 更多机器学习算法 第13章 集成学习和随机森林 

第12章 决策树 第11章 支撑向量机 SVM 第10章 评价分类结果