常用算法_求平均值Test2

package java基础知识.数组和常用算法;

import java.util.Scanner;

public class 常用算法_求平均值Test2 {

	/**
	 * @param 动态给数组赋值并计算总和和平均数
	 */
	public static void main(String[] args) {
		// 导入键盘输入方式
		Scanner input = new Scanner(System.in);
		// 动态确定数组的长度
		System.out.println("你定义的数组的大小是  :");
		int i = input.nextInt();
		// 声明数组的大小,并开辟为数组开辟内存
		int a[] = new int[i];
		System.out.println("请输入数组中每个元素:");
		double sum = 0;// 定义变量储存和
		double avg = 0;// 定义变量储存平均值
		for (int b = 0; b < a.length; b++) {// 循环遍历角标
			a[b] = input.nextInt(); // 动态输入数组中对应角标的元素
			sum += a[b]; // 求和
		}
		avg = sum / a.length;// 求平均值
		// 输出结果
		System.out.println("你输入的数组中各元素的总和是 " + sum + ",平均值是 :" + avg);
	}
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
线性回归是一种常用的机器学习算法,可以用来预测股票走势。以下是通过Python实现线性回归算法预测股票走势的步骤: 1. 收集数据:需要收集股票的历史数据,包括开盘价、最高价、最低价、收盘价等。 2. 数据预处理:对收集到的数据进行清洗、去除异常值、处理缺失值等。 3. 特征工程:提取有用的特征,如收盘价、交易量、市盈率等,可以使用技术分析指标如移动平均线、相对强弱指标等。 4. 数据划分:将数据集划分为训练集和测试集,常用的划分比例是70%训练集、30%测试集。 5. 模型训练:使用训练集训练线性回归模型,并对模型进行评估和调参。 6. 模型预测:使用测试集预测股票走势,并进行可视化。 以下是一个简单的代码示例: ```python import pandas as pd from sklearn.linear_model import LinearRegression import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv('stock_data.csv') # 特征工程 X = df[['closing_price', 'trading_volume', 'pe_ratio']] y = df['closing_price'] # 数据划分 train_size = int(len(X) * 0.7) X_train, X_test = X[:train_size], X[train_size:] y_train, y_test = y[:train_size], y[train_size:] # 模型训练 model = LinearRegression() model.fit(X_train, y_train) # 模型预测 y_pred = model.predict(X_test) plt.plot(y_test.values, label='actual') plt.plot(y_pred, label='predicted') plt.legend() plt.show() ``` 注意,以上代码仅是一个简单的示例,实际应用中需要根据具体情况进行调参和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值