kyy的 Arrays

public static String toString(数组):将参数数组变成字符串(按照默认格式:[元素1, 元素2, 元素3…])用于输出数组(在sout中)
public static void sort(数组):按照默认升序(从小到大)对数组的元素进行排序。

int[] array = {1,2,3,6,5,4};
String str = Arrays.toString(array);//将array按照默认形式变成字符串
System.out.println(str); //[1, 2, 3, 6, 5, 4]

System.out.println("======");
Arrays.sort(array);//排序
System.out.println(Arrays.toString(array));//[1, 2, 3, 4, 5, 6]

String[] one = {"ccc","aaa","bbb"}; //String类型的数组
Arrays.sort(one);
System.out.println(Arrays.toString(one));//[aaa, bbb, ccc]

practise:
题目:
请使用Arrays相关的API,将一个随机字符串中的所有字符升序排列,并倒序打印。

public class Demo03ArraysPractiseTeacher {
    public static void main(String[] args) {
        String str = "lksjagh23534k";//一个随机的字符串
        //打印str
        System.out.println(str);
        System.out.println("=======");

        //字符串-->数组 需要用到toCharArray
        char[] chars = str.toCharArray();
        //排序
        Arrays.sort(chars);

        //正序遍历chars(str)
        for (int i = 0; i < chars.length; i++) {
            System.out.print(chars[i]);
        }
        System.out.println("======");
        //倒序遍历
        for (int length = chars.length-1; length > 0; length--) {
            System.out.print(chars[length]);
        }
    }
}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
翻译这段代码class GPR: def __init__(self, optimize=True): self.is_fit = False self.train_X, self.train_y = None, None self.params = {"l": 2, "sigma_f": 1} self.optimize = optimize def fit(self, X, y): # store train data self.train_X = np.asarray(X) self.train_y = np.asarray(y) # hyper parameters optimization def negative_log_likelihood_loss(params): self.params["l"], self.params["sigma_f"] = params[0], params[1] Kyy = self.kernel(self.train_X, self.train_X) + 1e-8 * np.eye(len(self.train_X)) loss = 0.5 * self.train_y.T.dot(np.linalg.inv(Kyy)).dot(self.train_y) + 0.5 * np.linalg.slogdet(Kyy)[ 1] + 0.5 * len(self.train_X) * np.log(2 * np.pi) return loss.ravel() if self.optimize: res = minimize(negative_log_likelihood_loss, [self.params["l"], self.params["sigma_f"]],bounds=((1e-4, 1e4), (1e-4, 1e4)),method='L-BFGS-B') self.params["l"], self.params["sigma_f"] = res.x[0], res.x[1] self.is_fit = True def predict(self, X): if not self.is_fit: print("GPR Model not fit yet.") return X = np.asarray(X) Kff = self.kernel(self.train_X, self.train_X) # (N, N) Kyy = self.kernel(X, X) # (k, k) Kfy = self.kernel(self.train_X, X) # (N, k) Kff_inv = np.linalg.inv(Kff + 0.5e-3 * np.eye(len(self.train_X))) # (N, N) mu = Kfy.T.dot(Kff_inv).dot(self.train_y) cov = Kyy - Kfy.T.dot(Kff_inv).dot(Kfy) return mu, cov def kernel(self, x1, x2): dist_matrix = np.sum(x1 ** 2, 1).reshape(-1, 1) + np.sum(x2 ** 2, 1) - 2 * np.dot(x1, x2.T) return self.params["sigma_f"] ** 2 * np.exp(-0.5 / self.params["l"] ** 2 * dist_matrix)
03-25
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