面向过程，面向对象，类的概念理解

最新推荐文章于 2022-05-01 01:00:00 发布

kingsure001

最新推荐文章于 2022-05-01 01:00:00 发布

阅读量278

点赞数 1

分类专栏： python 文章标签： python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/kingsure001/article/details/107425647

版权

python 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

1 面向过程的开发–怎么做？
根据开发需求，将某些功能封装成一个又一个函数，最后调用不同的函数
特点是：
注重步骤与过程，不注重职责分工，如果需求复杂，代码会变的很复杂，开发复杂项目没有固定的套路，开发难度大，此时我们就要需要面向对象的编程
2 面向对象的开发–谁来做？
根据职责确定不同的对象，在一个对象中封装多个方法
特点是：
注重对象和职责，在对象内部封装不同的方法，是专门应对复杂项目开发，提供的固定套路
举一个简单的例子，就是植物大战僵尸中每一个对象都有不同的功能，像向日葵有他的生命值，生产阳光和摇晃等功能，僵尸有咬和移动的功能，功能之间很少联系
3 类是对一群具有相同特征或行为的事物的一个统称是抽象的，不能直接使用
类就相当于是制造飞机的图纸是一个模型负责创建对象的
对象是由类创造出来的，一个具体存在的，可以直接使用，就相当于图纸制造的飞机
在程序开发中先有类再有对象
类只有一个，对象可以有多个，不同对象之间的属性可能会不同
类中有什么属性和方法，对象中就有什么属性和方法，就像图纸中的飞机有什么功能，实现出来的飞机就有什么功能

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

kingsure001 CSDN认证博客专家 CSDN认证企业博客

码龄5年

85: 原创

30万+: 周排名

51万+: 总排名

13万+: 访问

: 等级

1568: 积分

74: 粉丝

146: 获赞

32: 评论

874: 收藏

私信

关注

热门文章

分类专栏

算法 4篇
Java 2篇
数学建模 22篇
sklearn 10篇
机器学习 22篇
深度学习 15篇
keras,tensorflow,pytorch 2篇
配置 4篇
遥感 2篇
python 6篇

最新评论

吴恩达机器学习作业5——偏差/方差/训练集/验证集/测试集
咻咻的棒棒糖: import numpy as np import matplotlib.pyplot as plt from scipy.io import loadmat from scipy.optimize import minimize data = loadmat('ex5data1.mat') print(data.keys()) X_train,y_train = data['X'],data['y'] #12个样本，1个特征 print(X_train.shape,y_train.shape) X_test,y_test = data['Xtest'],data['ytest'] print(X_test.shape,y_test.shape) #21个样本，1个特征 X_val,y_val = data['Xval'],data['yval'] print(X_val.shape,y_val.shape) #21个样本，1个特征 X_train=np.insert(X_train,0,1,axis=1) X_test=np.insert(X_test,0,1,axis=1) X_val=np.insert(X_val,0,1,axis=1) def plot_data(): fig,ax=plt.subplots() ax.scatter(X_train[:,1],y_train) ax.set(xlabel = 'change in water level(x)', ylabel = 'water flowing out og the dam(y)') plot_data() def reg_cost(theta,X,y,lamda): cost = np.sum(np.power((X@theta-y.flatten()),2)) reg = theta[1:]@theta[1:]*lamda return (cost+reg)/(2*len(X)) theta = np.ones(X_train.shape[1]) lamda = 1 print(reg_cost(theta,X_train,y_train,lamda)) 到底哪里出错了呀，为什么我弄出来的图一点都不对，
sklearn-决策树-红酒数据
晓阳凤年: ```python import numpy as np from sklearn.datasets import load_wine from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans from sklearn.metrics import homogeneity_score, completeness_score, silhouette_score import matplotlib.pyplot as plt # 加载红酒数据 wine = load_wine() data = wine.data # Z-Score归一化预处理 scaler = StandardScaler() data_scaled = scaler.fit_transform(data) # K-means聚类 kmeans = KMeans(n_clusters=3) kmeans.fit(data_scaled) # 获取聚类结果标签 labels = kmeans.labels_ # 同质性 homogeneity = homogeneity_score(wine.target, labels) print("Homogeneity:", homogeneity) # 完全性 completeness = completeness_score(wine.target, labels) print("Completeness:", completeness) # 轮廓系数 silhouette = silhouette_score(data_scaled, labels) print("Silhouette Coefficient:", silhouette) # 绘制散点图 plt.scatter(data[:, 0], data[:, 1], c=labels) plt.xlabel("Feature 1") plt.ylabel("Feature 2") plt.show() ``` 运行以上代码可以完成红酒数据的K-means聚类，并输出同质性、完全性和轮廓系数分数。最后，根据聚类结果绘制了散点图，不同簇的数据点用不同颜色标记。
Anaconda环境下安装opencv（快速方法）
勇敢牛牛，不怕困难801: 啊啊啊啊，气死了，还是不行，一堆报错文件
美赛写作
INSIST.166: 在哪儿看视频呀
在anaconda中安装tensorflow和keras
qq_34706232: 这应该是anaconda非常重要的作用

大家在看

最新文章

目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。