任务一:实现销售分析功能关键算法A商店准备在今年夏天开始出售西瓜,西瓜的售价如下,20斤以上的每斤0.85元;重于15斤轻于等于20斤的,每斤0.90元;重于10斤轻于等于15斤的,每斤0.95元;

任务一:实现销售分析功能关键算法

A商店准备在今年夏天开始出售西瓜,西瓜的售价如下,20斤以上的每斤0.85元;重于15斤轻于等于20斤的,每斤0.90元;重于10斤轻于等于15斤的,每斤0.95元;重于5斤轻于等于10斤的,每斤1.00元;轻于或等于5斤的,每斤1.05元。A公司帮忙设计一个输入西瓜的重量和顾客所付钱数,输出应付货款和应找钱数。

注意:使用分支结构语句实现,结果保留两位小数。

 Console.WriteLine("请输入西瓜的重量:");
            double weight = double.Parse(Console.ReadLine());
            Console.WriteLine("请输入顾客所付钱数:");
            double price = double.Parse(Console.ReadLine());
            double res = 0;
            if (weight > 20) res = weight * 0.85;
            if (weight > 15 && weight <= 20) res = weight * 0.9;
            if (weight > 10 && weight <= 15) res = weight * 0.95;
            if (weight > 5 && weight <= 10) res = weight * 1.0;
            if (weight <= 5) res = weight * 1.05;
            Console.WriteLine("应付款数为{0},因找钱数为{1}",Math.Round(res,2),price- Math.Round(res, 2));
        }

西瓜数据集3.0a上,我们可以使用支持向量机(SVM)作为类器进行训练和测试。SVM是一种监督学习算法,它可以在高维空间中构建一个超平面来区不同类别的数据点。在此数据集上,我们可以采用不同的核函数来训练SVM模型,其中包括线性核和高斯核,这两种核函数的训练和预测结果也会有所不同。 线性核是SVM中最常用的核函数之一。它的主要作用是线性转换原始特征空间到高维空间,这使得线性不可的数据集也变得线性可。在西瓜数据集3.0a中,如果我们使用线性核训练SVM模型,它会在一个平面上构建一个超平面,通过该超平面将数据为两个类别。由于数据集中的样本数据比较简单,线性核的表现就比较好,容易得到较高的精度率和较好的泛化性能。 高斯核也是SVM中常用的核函数之一。它的主要作用是将原始特征空间变换到高维空间,并且在高维空间中计算样本之间的相似度。在西瓜数据集3.0a中,采用高斯核训练SVM模型可以达到更好的类效果。使用高斯核的SVM模型能够更准确地捕捉数据的特征,适用于更复杂的非线性问题。同时,高斯核也有一定的泛化能力,使得该模型可以对新的数据进行较好的预测。 总结来说,西瓜数据集3.0a上采用不同的核函数训练SVM模型,线性核主要适用于简单的线性割问题,而高斯核适用于更复杂的非线性问题。在实际应用中,我们需要根据数据布的特点和问题的细节来选择合适的核函数,以达到最佳的类效果。
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