老年的的算法

Major GC/Full GC:老年代GC,指发生在老年代的GC。

老年代的对象一般比较稳定,Major GC不会频繁执行,当minor-Gc触发后,有对象进入老年代,这时候老年代的空间不够了会触发Major-GC,对老年代的对象进行回收。

另外一种情况是当创建较大的对象时,找不到连续的足够大的空间时,也会触发Major GC。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是一个使用matlab实现决策树算法的示例: 假设我们有以下数据集: | 年龄 | 收入 | 学历 | 是否购买 | |---|---|---|---| | 青年 | 高 | 本科 | 否 | | 青年 | 中 | 大专 | 否 | | 青年 | 中 | 本科 | 是 | | 青年 | 低 | 本科 | 是 | | 中年 | 中 | 本科 | 是 | | 中年 | 高 | 大专 | 是 | | 中年 | 低 | 大专 | 是 | | 老年 | 低 | 大专 | 是 | | 老年 | 中 | 本科 | 是 | | 老年 | 高 | 大专 | 否 | 我们要使用决策树算法来预测一个人是否会购买商品,根据以上数据集,我们可以得到以下决策树: ![decision tree](https://i.imgur.com/l5l5U5C.png) 现在,我们将使用matlab来实现这个决策树算法。首先,我们需要将数据集转换为数值。以下是代码: ```matlab data = {'青年','高','本科','否'; '青年','中','大专','否'; '青年','中','本科','是'; '青年','低','本科','是'; '中年','中','本科','是'; '中年','高','大专','是'; '中年','低','大专','是'; '老年','低','大专','是'; '老年','中','本科','是'; '老年','高','大专','否'}; data_num = zeros(size(data)); data_num(:,1) = grp2idx(data(:,1)); data_num(:,2) = grp2idx(data(:,2)); data_num(:,3) = grp2idx(data(:,3)); data_num(:,4) = grp2idx(data(:,4)); X = data_num(:,1:3); y = data_num(:,4); ``` 接下来,我们使用matlab自带的classificationtree函数来构建决策树。以下是代码: ```matlab tree = fitctree(X,y,'PredictorNames',{'年龄','收入','学历'}); ``` 我们可以使用view函数来可视化决策树。以下是代码: ```matlab view(tree,'Mode','graph'); ``` 最后,我们可以使用predict函数来预测一个新的样本。以下是代码: ```matlab new_data = {'青年','高','大专'}; new_data_num = zeros(1,3); new_data_num(1) = grp2idx(new_data(:,1)); new_data_num(2) = grp2idx(new_data(:,2)); new_data_num(3) = grp2idx(new_data(:,3)); prediction = predict(tree,new_data_num); ``` 以上就是一个使用matlab实现决策树算法的示例。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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