- 博客(67)
- 收藏
- 关注
RSS订阅
原创 函数依赖和范式
一、函数依赖概念1、函数依赖概念：相当于数学中的函数，U是属性全集，x和y是U上的子集，x对应唯一确定的y，即x->y（y依赖于x）。2、完全依赖和不完全依赖：U是属性全集，x和y是U上的子集，x1是x的真子集，如果x->y，且x1不能确定y，则是完全函数依赖，反之x1->y，则是不完全函数依赖。3、传递依赖：U是属性全集，x、y和z是U上的子集，x->y(但是...
2018-12-13 18:25:29
14264
原创 秒懂二叉树中的前序、中序，后序遍历元素排列顺序
我看网上看了许多如何前序、中序，后序遍历元素排列顺序，发现并没有彻底的理解。然后我请教了我的同学，让我对其有了深入理解。方法：把二叉树前序、中序，后序遍历递归算法理解了，自然就会排序。举个递归前序遍历栗子，代码如下：void preOrder1(BinTree *root) //递归前序遍历 2 {3 if(root!=NULL)4 {5 cout&...
2018-07-06 18:34:42
9185
原创 对递归的理解
理解递归确实花了我不少时间，现在说说我对递归的理解第一步：理解概念： 一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法。第二步：深入理解递归实现的各个步骤。举个栗子吧（想把我的栗子复制过来，结果复制不过来，好气！）：int sum（int n）{if（n==1）return 1；return sum（n-1）+n；}void main（）{cout&l...
2018-07-04 12:21:59
213
原创 基于安卓的来电闪光灯闪烁
1、功能：当手机来电时，闪光灯发生闪烁（装逼用哈哈~~）。2、知识点：a、广播：监听手机来电。 b、有关闪光灯的知识。3、建立广播接收器，代码如下：public class PhoneStatReceiver extends BroadcastReceiver { private Camera camera; public PhoneStatRe...
2018-07-01 17:16:48
2889
原创 通过“摇一摇”关闭闹钟
以前都是看别人的博客，现在终于有拿得出作品来（UI丑，但实现了功能），想给大家分享分享！功能：通过摇晃手机次数，关闭闹钟，避免睡懒觉。用到的android知识：1.闹钟的简单实现（并未使用广播，而是使用PendingIntent触发闹钟） 2.使用加速度传感器实现“摇一摇” 3.用到多媒体播放音频知识MainActivity.javapublic c...
2018-06-23 19:48:33
1222
原创 在anaconda中为jupyter安装扩展Nbextensions插件
conda install -c conda-forge jupyter_contrib_nbextensionsconda install -c conda-forge jupyter_nbextensions_configuratorjupyter contrib nbextension install --user
2024-04-24 10:34:33
328
2
原创 机器学习基础概念
对于理想的目标函数f，我们是不知道的，我们手上拿到的是一些训练样本D，假设是监督式学习，其中有输入x，也有输出y。机器学习的过程，就是根据先验知识选择模型，该模型对应hypothesis set（用H表示），H中包含了许多不同的hypothesis， 通过演算法A，在训练样本D上进行训练，选择出一个最好的hypothes，对应的函数表达式g就是我们最终要求的。一般情况下，g能最接近目标函数f，这样，机器学习的整个流程就完成了。2、什么情况下使用机器学习。
2023-04-19 20:43:16
191
原创 独立同分布
如果随变量 x1 和 x2 独立，是指 x1 的取值不影响 x2 的取值， x2 的取值也不影响 x1 的取值且随机变量 x1 和x2 服从同一分布，这意味着 x1 和x2 具有相同的分布形状和相同的分布参数，对离随机变量具有相同的分布律，对连续随机变量具有相同的概率密度函数，有着相同的分布函数，相同的期望、方差。就像抛骰子每次抛到几就是几这就是独立的，但如果要两次抛的和大于8，其余的不算，那么第一次抛和第二次抛就不独立了，因为第二次抛的时候结果是和第一次相关的。每次抽样，样本都服从同样的一个分布。
2023-04-03 19:12:08
3684
原创 对应分析（R—Q型因子分析）
对应分析，又称为R-Q型因子分析，适用于有多个类别的分类变量，可以揭示同一个变量各个类别之间的差异，以及不同变量各个类别之间的对应关系，与卡方检验不同的是，对应分析不单单展示了不同分组的差异性，也能通过2维、3维的方式展示其在空间的关系。“生命科学”和“社会科学”变化不大和而列坐标得出。.........
2022-07-25 16:53:03
4044
原创 第四题乙醇偶合制备 C4 烯烃
b=readmatrix('F\数学建模\培训模拟\研究生组题目四\2021-B\第三题数据.xlsx','Sheet','Sheet3','Range','A1')a=readmatrix('F\数学建模\培训模拟\研究生组题目四\1单因素分析.xlsx','Sheet','C4烯烃选择性','Range','A2')a=readmatrix('F\数学建模\培训模拟\研究生组题目四\1单因素分析.xlsx','Sheet','乙醇转化率','Range','A2')n=length(Y);...
2022-07-22 23:25:28
2045
原创 数理统计(matlab实现)
一.区间估计二、QQ图三、秩和检验四、方差分析4.1单因素方差分析4.2双因素方差分析4.2多因素方差分析五、回归分析5.1多元线性回归5.2后退法
2022-07-18 11:29:19
2757
原创 多目标规划
目录例题方法一：线性加权法方法二：理想点法方法三：优先级法某公司考虑生产两种光电太阳能电池：产品甲和产品乙。这种生产会引起空气放射性污染。因此，公司经理有两个目标：极大化利润与极小化总的放射性污染。已知在一个生产周期内，每单位产品的收益、放射性污染排放量、机器能力(小时)、装配能力（人时）和可用的原材料（单位）的限制如表16.1所示。假设市场需求无限制，两种产品的产量和至少为10，则公司该如何安排一个生产周期内的生产。 设分别表示甲乙两种产品在一个生产周期内的产量分别为和，则该问题的目标函数为利润极大化：m
2022-07-10 11:17:27
11389
1
原创 聚类算法介绍
目录一、概念二、K-means聚类1.步骤 2.流程图 3.代码实现三、探究⽤户对物品类别的喜好细分⼀种典型的⽆监督学习算法，主要⽤于将相似的样本⾃动归到⼀个类别中。左一图:原始数据分布图;中间图：二分类图，右一图：四分类图...
2022-06-25 17:51:35
505
原创 特征降维（特征工程）
目录一、特征选择1.低⽅差特征过滤 2.相关系数2.1⽪尔逊相关系数 2.2斯⽪尔曼相关系数 二、主成分分析1.概念 2.代码降维的方式：特征选择和主成分分析数据中包含冗余或⽆关变量（或称特征、属性、指标等），旨在从原有特征中找出主要特征。 2.相关系数2.1⽪尔逊相关系数 2.2斯⽪尔曼相关系数 其中n为等级个数，d为⼆列成对变量的等级差数 二、主成分分析1.概念⾼维数据转化为低维数据的过程，在此过程中可能会舍弃原有数据、创造新的变量...
2022-06-25 17:28:27
391
原创 集成学习（随机森林）
目录一、集成学习概念 二、Bagging集成原理三、随机森林 四、例子（商品分类）分类圆形和长方形 1、随机森林够造过程中的关键步骤(M表示特征数⽬)：1)⼀次随机选出⼀个样本，有放回的抽样，重复N次(有可能出现重复的样本)2) 随机去选出m个特征, m ...
2022-06-24 19:52:01
1027
1
原创 决策树（python）
目录一、分类决策树1.决策树的划分依据2.剪枝（对付"过拟合"的主要⼿段）3.案例（泰坦尼克号乘客⽣存预测） 4.利弊 二、回归决策树决策树思想的来源⾮常朴素，程序设计中的条件分⽀结构就是if-else结构。 在决策树学习中，为了尽可能正确分类训练样本，结点划分过程将不断重复，有时会造成决策树分⽀过多，这时就可能 因训练样本学得"太好"了，以致于把训练集⾃身的⼀些特点当作所有数据都具有的⼀般性质⽽导致过拟合。因此，可通 过主动去掉⼀些分⽀来降低过拟合的⻛险。 决策树的图：案例...
2022-06-23 18:43:29
11327
12
原创 线性回归算法
目录1.概念2.例子3.线性回归经常使⽤的两种优化算法3.0背景（损失函数）3.1正规⽅程3.2梯度下降 3.3两个方法对比4.岭回归 5.模型的保存和加载 3.线性回归经常使⽤的两种优化算法3.0背景（损失函数）3.2梯度下降 公式步骤演示：我们假设有⼀个单变量的函数 :J(θ) = θ 函数的微分:J (θ) = 2θ 初始化，起点为： θ = 1 学习率：α = 0.4 如图，经过四次的运算，也就是⾛了四步，基本就抵达了函数的最低点，也就是⼭底 5.模型的保存和加载...
2022-06-19 12:46:15
1263
原创 knn（K-近邻算法）
目录1.步骤2.举例3.例子4.优缺点5.交叉验证和网格搜索来确定k6.归一化7.标准化1）计算已知类别数据集中的点与当前点之间的距离 2）按距离递增次序排序 3）选取与当前点距离最⼩的k个点 4）统计前k个点所在的类别出现的频率 5）返回前k个点出现频率最⾼的类别作为当前点的预测分类3.例子4.优缺点4.1优点简单有效；重新训练的代价低；适合类域交叉样本：KNN⽅法主要靠周围有限的邻近的样本,⽽不是靠判别类域的⽅法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN⽅
2022-06-18 16:31:17
298
原创 高级绘图seaborn
目录1.绘制单变量分布 2.绘制双变量分布 3.分类散点图 4.箱型图5.相关性基本分析 6.表的高级操作6.1降序排列 6.2单变量分布情况 6.3双变量 6.4多变量 2.绘制双变量分布 3.分类散点图 要想查看各个分类中的数据分布，显而易见，散点图是不满足需求的，原因是它不够直观。55.相关性基本分析 6.表的高级操作6.1降序排列 6.2单变量分布情况...
2022-06-16 17:38:14
140
原创 java中对于接口与抽象类的区分及实际应用
区别：1.接口是抽象类的一种，是常量和方法的集合。常量：默认（public+static+final）+数据类型+变量名方法：默认（public+static）+数据类型+方法名2.抽象类中既可以有抽象方法，也可以有默认实现的方法，并且可以用任何修饰符修饰。3.接口可以实现多继承应用：1.如果方法中有一些默认实现的方法，你可以选用抽象类2.如果你想让它继承多种类，你...
2018-09-27 20:57:14
713
原创 单链表的实现
1.前言顺序表是以数组下标邻接关系来表示线性表中数据元素之间的逻辑结构。其特性具有以下缺点：a、数组容量难以确定，我们往往给出一个确定的容量数值。b、在进行插入，删除操作时，往往需要移动大量的数组元素。产生其原因：静态储存分配。解决方法：使用动态储存分配，也就是链式存储结构（看来学习单链表是非常有必要的）。2、单链表的实现demo：#include<iostream>using nam...
2018-07-04 10:45:39
121
原创 html
1.html：作用于网页中的结构2.css：作用于网页中的表现3.js：作用于网页中的行为一、html1、html是超文本标记语言。“超”值的是超链接，“标记”指的是标签2、一般在文件头加<!doctype html>html5版本声明，以防浏览器解析的页面不能正常显示。3、<meta charset="utf-8" />编码和解码统一字符集，以防出现乱码情况。4、<...
2018-04-14 18:17:17
327
原创 匿名类
直接干代码：public class TestProduct { void show(Product a){ a.getName(); a.getPrice(); } public Product getProduct(){ class camera implements Product{ public void getName() { System.out.println(...
2018-04-10 11:43:32
147
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人