- 博客(10)
- 问答 (1)
- 收藏
- 关注
原创 c语言 排序
// exam3.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include#includeusing namespace std;//遍历数组void PrintArr(int *a,int n){for(int i =0;i{cout}cout}/*排序*///1、插入排序v
2016-08-21 20:55:03 330
原创 指针和数组
指针和数组一、 概述一种常见的错误观念是数组和指针是完全可以互换的,尽管数组名字有时候可以当做指针来用,但是数组的名字不是指针,数组表示法也可以和指针一起使用,但是连着明显不同,也不一定能互换。1、一维数组一维数组是线性结构,用一个索引访问成员,下面的代码声明了一个5个元素的整数数组:Int vector[5];数组名字只是引用了一块内存,对数组做sizeof操作会得到为该
2016-08-18 20:09:33 336
原创 指针与函数
指针和函数一、程序栈指针对函数功能的贡献极大,它们能够将数据传递给函数,并且允许函数对数据进行修改。我们可以将复杂数据用结构体指针的形式传递给函数和从函数返回,如果指针持有函数的地址,就能动态控制程序的执行流。要理解函数及其和指针的结合使用,需要理解程序栈,调用函数的时候,会创建函数的栈帧并将其推到程序栈上,函数返回时,其栈帧从程序栈上弹出。在使用函数时,有两种情况指针很有用。首先
2016-08-18 19:38:22 490
原创 深入理解c指针-内存管理
一、动态内存分配1、 c语言中动态内存分配的步骤:(1) 用mallocl类的函数分配内存;(2) 用这些内存支持应用程序;(3) 用free函数释放内存例如:2、 内存泄露如果不再使用已分配的内存却没有将其释放,就会发生内存泄露,导致内存泄露的情况可能如下:(1) 丢失内存地址在上图中,pi重新分配地
2016-08-18 16:24:01 451
原创 深入理解c指针之概述
深入理解c指针概述一、 指针的声明1、通过在数据类型后面跟星号,再加上指针的名字可以声明指针。星号两边的空白符无关紧要,下面的声明都是等价的。指针声明后,需要初始化赋值:指向未初始化的内存的指针可能会产生地址,如果将这个指针解引,指针的内容可能并不是一个合法的地址,那个地址也可能没有包含合法的数据。程序没有权限访问不合法的地址。如下图所示,因为只声明了指针,没有初始化
2016-08-18 16:06:49 415
原创 机器学习-AdaBoost算法
提升方法AdaBoost算法一、提示方法的基本思路提示方法基于这样一种思想:对于一个复杂任务来说,将多个专家的判断进行适当的综合所得出的判断,要比其中任何一个专家单独的判断好。对于分类问题而言,给定一个训练样本集,求比较粗糙的分类规则(弱分类器)要比求精确的分类规则(强分类器)容易很多,提升方法就是从弱学习算法出发,反复学习,得到一系列弱分类器(又称为基本分类器),然后组合这些弱分类器,构
2016-08-18 11:21:10 819
原创 机器学习-贝叶斯分类
关于贝叶斯分类:没有改进的贝叶斯分类算法与kNN分类,以及决策树算法的分类效果差不多,有的时候贝叶斯分类的效果更差。一、朴素贝叶斯不用过多介绍,朴素贝叶斯的复杂度交底,当某种组合的概率很小的时候,需要拉普拉斯平滑二、属性加权的贝叶斯分类器三、结构拓展贝叶斯(类似于贝叶斯网络)四、最小错误和最小风险
2016-08-18 10:14:54 415
原创 机器学习-决策树
一、基本概念决策树(decision tree)是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示属于特征对实例进行分类的过程,它可以认为是if-then规则的集合,也可以认为是电议在特征空间与类空空上的条件概率分布,其主要优点是模型具有可读性,分类速度快。决策树的学习通常包括3个步骤:特征选择,决策树的生成和决策树的修剪。 二、决策树的生成略三、常见的决策树
2016-08-17 22:03:07 398
原创 kNN(k近邻算法)
K近邻分析(KNN) 一、概述KNN算法是一种有监督学习的分类算法。所谓有监督学习,就是在应用算法之前我们必须准备一组训练集,训练集中的每个实例都是由一些特征和一个分类标签组成;通常还会存在一个测试集,用来测试训练出来的分类模型的准确性。其实KNN算法并没有体现出有监督学习的所有特点,没有模型,只有算法。甚至可以说这就是一种暴力扫描法,运行效率上比较低效。KNN的具体算法为:二
2016-08-17 22:01:09 2065
原创 机器学习之k-means算法
K-means(k均值)一、算法分析K-means(k均值)是基于数据划分的无监督聚类算法,是数据挖掘领域的十大算法之一。样本集预先不知所属类别或标签,需要根据样本之间的距离或相似度来自动进行分类。聚类算法可以分为基于划分的方法、基于联通性的方法、基于密度的方法、基于密度分布模型的方法。K-means是属于基于划分的聚类方法。基于划分的方法是将样本集组成的矢量空间划分为多个区域,每个区
2016-08-17 21:54:47 972
空空如也
hadoop2-2.2.0的Nodemanager无法启动?请问为什么?谢谢
2016-08-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人