流对数据数理对于迭代的区别

    文章参考:《Java核心技术卷 卷2》

在处理集合时,我们通常会迭代遍历他的元素,并对元素进行各种操作。例如:我们想要对某本书的所有长单词进行计数:

        String con=new String(Files.readAllBytes(Paths.get("book.txt")),        StandardCharsets.UTF_8);//从文件读取字符串
        List<String> words=List.of(con.split("\\PL+")); //进行文本切割
        //迭代
        int count= 0;
        for (String word : words) {
             if (word.length()>12){
                 count++;
             }
        }

        //使用流
        long num=words.stream().filter(w->w.length() >12).count();

现在我们不必扫描整个代码去查找过滤和计数操作,方法名直接告诉我们想要做什么。

使用循环需要自己去编写代码来执行指定的操作,而流却能直接以我们想要的运行方式调度这些操作,只要结果是正确的就行。

注:1.流遵循了“做什么而非怎么做‘的原则。
2.流并不存储其元素,所有的元素都可能在底层集合中,或是按需生成。
3.流的操作不会修改其数据源。例如:filter方法不会从流中移除元素,而是会生成一个新的流,其中不包括被过滤掉的元素。
4.流的操作是尽可能惰性执行的。

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
回答: 对表单数据进行概率论与数理统计分析可以使用朴素贝叶斯模型和最大期望算法。朴素贝叶斯模型是一种基于概率的分类模型,通过计算类别概率和条件概率来对新数据进行预测。在训练过程中,我们需要提供训练数据和对应的分类,然后通过贝叶斯原理计算出概率模型。一旦计算出来,我们就可以使用这个模型对新的表单数据进行分类预测。\[1\] 最大期望算法是一种用于概率模型参数估计的算法,特别适用于含有隐藏变量的概率模型。在表单数据的聚类分析中,最大期望算法可以用来寻找参数的最大似然估计。通过迭代计算,最大期望算法可以不断优化参数,使得模型更好地拟合数据。\[2\] 因此,对于表单数据的概率论与数理统计分析,我们可以使用朴素贝叶斯模型和最大期望算法来进行分类预测和参数估计。这些方法可以帮助我们理解数据的分布和关联性,从而做出更准确的预测和决策。 #### 引用[.reference_title] - *1* *3* [数据分析实战](https://blog.csdn.net/qq_21675753/article/details/115125059)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [【全面】人工智能技术栈与学习路线:机器学习 深度学习 视觉 NLP 推荐系统](https://blog.csdn.net/qq_46098574/article/details/108107911)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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

打赏作者

一编译就报红

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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