2016年03月_micro小宝

原创消除集合中的重复元素

给定一个含有重复元素的集合 B，现要消除集合 B 中的重复元素，相同元素只保留一个。也就是说对一个非纯集合 B，构造集合 A 使得集合 A 中只包含集合 B 中所有值不相同的数据元素。我们先看一个和上述问题类似的问题：对于现有的两个集合 A 和 B，求一个新的集合 A = A∪ B，即求两个集合的并集。假设集合 A 和 B 中存放的都是字符元素，要求 A 和 B 的并集，我们可以依次取

2016-03-27 22:56:38 1745 1

指针数组本质上是一个数组，数组里面存放的元素是指针，也就是存放指针的数组。指针数组的声明为 DataType *p[n]。比如我们声明 int *p[n]，它表示声明了一个数组，数组共有 n 个元素，每个元素都是指向 int 类型的指针。换句话说，也就是声明了一个存放 n 个指向 int 类型指针的数组。其中 p 是数组名，很容易验证，我们知道一个指针不管指向任何类型，其占用内存大小是 4 个字节

2016-03-18 21:44:47 423

原创顶层const和底层const

对于指针来说，指针本身是一个对象，而且它又可以指向另外一个对象，因此就涉及到指针本身是不是常量以及指针所指的对象是不是常量这两个问题。这两个问题是相互独立的。我们用顶层const 表示指针本身是一个常量，用底层const 表示指针所指的对象是一个常量。一般来说，顶层const 可以表示任意的对象是常量，对任何数据类型都适用，如算数类型、类类型、指针类型等。比如看下面的几个声明：

2016-03-13 15:05:51 851

原创统计学习方法概论

本文是学习李航写的《统计学习方法》一书第一章“统计学习方法概论”所做的一个笔记，主要就是对第一章的总结。 1. 统计学习：统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，统计学习也称统计机器学习。由此可以看出统计学习的研究对象是数据，目的是对数据进行预测与分析。同时，统计学习关于数据的基本假设是同类数据具有一定的统计规律性，这是统计学习的前提。

2016-03-12 22:58:54 747

原创 Logistic 回归推导

Logistic 回归是机器学习中经典的分类方法，常见的二项 Logistic 回归模型是一种二项分类模型，由条件概率分布P(Y|X)P(Y|X)表示，形式为参数化的Logistic 分布。为了更好地理解 Logistic 回归，我们先从线性回归开始说起。假设有mm个样本点，记为{(x(i),y(i)),i=1,2,3...,m(x^{(i)},y^{(i)}),i=1,2,3...,m}，

2016-03-10 15:39:22 2202

原创函数参数的传递

在C语言中，函数参数的传递方式有值传递和指针传递两种，在C++中又多了一个引用传递。事实上值传递和指针传递都是传值，只不过对指针传递来说传的是指针的值。1. 传值调用：当实参的的值被拷贝给形参时，形参和实参是两个相互独立的对象，这样的函数调用就是传值调用。传值调用执行的是值拷贝操作，初始化一个非引用类型的变量时，初始值被拷贝给变量，此时对变量的改动不会影响初始值，比如：

2016-03-09 19:48:06 686

原创 C++函数基础

函数是一个命名了的代码块，通过调用函数可以执行相应的代码。一个函数的定义包括返回类型、函数名、形参列表和函数体四个部分。其中，形参以逗号隔开并位于圆括号之内。函数体中存放的是函数执行的操作。例如一个简单的求两个整数中的最大值：int max(int x，int y) { int z; z = (x > y) ? x : y; re

2016-03-08 21:18:44 554

原创决策树算法

决策树是一种树型结构，其中每个内部结点表示在一个属性上的测试，每个分支代表一个测试输出，每个叶结点代表一种类别。决策树学习是以实例为基础的归纳学习，采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子结点处的熵值为零，此时每个叶节点中的实例都属于同一类。决策树学习算法的最大优点是，它可以自学习。

2016-03-08 17:42:55 1015

吴小宝的博客