封装 继承 多态

封装:

public-->protected-->默认--> private

继承初始化顺序:

1.初始化父类再初始子类

2.先执行初始化对象中属性,再执行构造方法中的初始化

   继承中final关键字:可以修饰类、方法、属性和变量

    修饰类,类不能被继承。

    修饰方法,方法不允许被覆盖。

    修饰属性,该类的属性不会进行隐式初始化,初始化属性必须有值或者在构造方法中赋值(两种方法选择一种)。

    修饰变量,该变量只能赋值一次。

   继承中super关键字: 在对象内部使用,可以代表父类对象。

子类的构造过程当中必须调用其父类的构造方法。

   Object类:所有类的父类

               常用方法:toString()方法 :返回对象的哈希code码,对象地址字符串,可以通过重写该方法表示出对象的属性。

   equals()方法:比较对象的引用是否指向同一块内存地址

多态:继承是多态的基础

1.引用多态

父类引用可以指向本类对象

父类的引用可以指向子类的对象

2.方法多态

创建本类对象时,调用的方法为本类方法

创建子类对象时,调用的方法为子类重写的方法或者继承的方法

不能通过父类引用子类的对象来调用子类独有方法

3.引用类型转换

向上类型转换(隐式/自动类型转换),是小类型到大类型的转换

向下类型转换(强制类型转换),是大类型到小类型

instanceof运算符,用来解决引用对象的类型,避免类型转换的安全性问题

   

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。

“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