假期周进度报告四(7.22-7.28)

.本周大部分的时间用在了这几个方面

1.java参考电子书

2.做PTA题目

3.阅读经典图书《大道至简》

每天除了写PTA大概1.5个小时的学习,1个小时左右的时间会来看java电子书,剩下的时间用来看经典图书等等。

.本周收获

1.java语言

第一,认识java的关键词和标识符;

第二,掌握常量与变量;

第三,学习数据类型;

第四,掌握java语言的基本语法规范;顺序、选择、循环的语句结构;JAVA语句的输入输出语句;

1.标识符由任意顺序的字母,下划线,美元符号和数字组成,但第一个字符不能是数字。

2.声明floatdouble类型时:  float a=3.14f/F  double a=3.1415d/D ;  不加字母 默认为double类型

3.Java常量定义  final double PI=3.1415926D;当定义的final变量属于成员变量时,必须在设定时就给出它的初值

4.在类体中所定义的变量被称为成员变量,成员变量在整个类中都有效。类的成员变量又分为静态变量和实例变量。

5.分别定义名称相同的局部变量与成员变量,当名称相同时成员变量被隐藏

public class Val{

static int times=3;

public static void main(String[] args){

itn times=4

System.out.println(times)

}

}    结果为4

6.Java中可以把赋值运算符连在一起使用 x=y=z=6

7.当把一个整数赋值给一个byte,short,int,long型变量时,不可以超出变量的取值范围,否则必须进行强制类型转换。byte b=(byte)129;

.遇到的问题:

PTA做题目的过程中,遇到了一些有关于字符数组的问题,以及有一些新的函数使用还不是很好,比如c++库函数提供的大小写转化函数等等

.心得体会:

        题目到手要先分析这道题要你干什么,把功能大化小,一步步实现对应功能,在把功能块串联起来,进一步实现题目要求,在学习新的编程语言的时候,可以先去网上看看跟之前学过的语言异同在哪里,在去具体学习。

.下周计划:

       一,继续整理假期报告B;

       二,继续学习java

       第三,学习建模语言

 

转载于:https://www.cnblogs.com/xp-thebest/p/11257438.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是求解多元多项式回归的 MATLAB 代码: ```matlab % 输入数据 x1 = [36.4 37.2 37.2 36.2 31.5 28.9 27.2 26.7 26.1 26.1 25.4 25.3 25.4]'; x2 = [50.0 52.0 49.0 51.0 68.0 74.0 83.0 82.0 88.0 88.0 90.0 88.0 87.0]'; x3 = [982.9 982.2 981.8 981.6 982.3 982.6 983.4 983.5 984.0 983.6 984.4 984.5 984.4]'; y = [-7.30 -7.36 -7.35 -7.33 -7.31 -7.30 -7.26 -7.22 -7.21 -7.23 -7.18 -7.17 -7.14]'; % 构建设计矩阵X X = [ones(size(x1)) x1 x2 x3 x1.^2 x1.*x2 x1.*x3 x2.^2 x2.*x3 x3.^2]; % 求解回归系数 beta = X \ y; % 构建预测模型 model = @(x1,x2,x3) beta(1) + beta(2)*x1 + beta(3)*x2 + beta(4)*x3 ... + beta(5)*x1.^2 + beta(6)*x1.*x2 + beta(7)*x1.*x3 ... + beta(8)*x2.^2 + beta(9)*x2.*x3 + beta(10)*x3.^2; % 预测并绘制拟合图 x1fit = min(x1):0.1:max(x1); x2fit = min(x2):0.1:max(x2); x3fit = min(x3):0.1:max(x3); [X1FIT,X2FIT,X3FIT] = meshgrid(x1fit,x2fit,x3fit); YFIT = model(X1FIT,X2FIT,X3FIT); figure; plot3(x1,x2,x3,'o',x1fit,x2fit,x3fit,'*'); hold on; mesh(X1FIT,X2FIT,X3FIT,YFIT); xlabel('x1'); ylabel('x2'); zlabel('x3'); title('拟合图'); % 绘制残差图 YFIT = model(x1,x2,x3); figure; plot(YFIT - y,'o'); xlabel('样本编号'); ylabel('残差'); title('残差图'); ``` 运行上述代码后,会先绘制拟合图,然后绘制残差图。拟合图中,蓝色的点表示原始数据,红色的点表示拟合值,可以看到拟合值与原始数据比较接近;残差图中,横轴表示样本编号,纵轴表示残差,残差的分布应该比较均匀,没有明显的规律。
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