- 博客(65)
- 收藏
- 关注
原创 C语言学习初级阶段
(1)具有相同的数据类型。(2)使用过程中需要保留原始数据。常量表达式中可以包含常量和符号常量,但不能包含变量指针变量才可以存储地址定义格式: 基类型 *指针变量名指针:一个变量的地址指针变量:一个变量,专门用来存放另一变量的地址(即指针)struct 结构体名{成员列表};//下面是一个例子int num;char sex;int age;先声明结构体类型,再定义变量名,例如结构体的scanf输入和输出/* data */int num;char sex;
2024-05-10 09:36:11
552
原创 C语言学习初级阶段课后习题及OJ代码
解释:因为scanf先输入a和b,此时就不再执行int c=a+b的语句,此时会赋值任意数。在ASCLL码表中,97对应的就是a,所以直接用%c读取就行。
2024-04-09 10:27:04
395
原创 C语言学习初级阶段(数据)——scanf读取标准输入
如上面的例子所示,我们向标准输入缓冲区中放入的字符为’20\n’,(scanf输入的都是字符串,字符串后面都会有\n)输入’\n’(回车)后, scanf函数才开始匹配, scanf函数中的%d 匹配整型数20,然后放入变量i中,接着进行打印输出,这时’\n’仍然在标准输入缓冲区(stdin)内,如果第二个scanf函数为scanf(“%d”,&i),那么依然会发生阻塞。一个回车相当于一个\n,所以会打印2个\n。第二个printf打印的是\n,因为%c取的是字符串,\n是一个短义字符,所以%c会读取它。
2024-04-09 09:50:06
800
原创 C语言学习初级阶段(数据)——整型进制转换
每4个位单独看 从右往左看 为2的0次 2的1次 2的2次 2的3次。从二进制变成8进制后,得到的数,从右往左为8的0次 8的1次 8的2次。每3个位单独看 从右往左看 为2的0次 2的1次 2的2次 2的3次。例如:173 1x8的2次+7x8的1次+3x8的0次。1字节为8位,1位即二进制的一位,他存储成0或1。123化二进制为0111 1011 最前面补0。int型常量的大小位4字节,即32位。123转16进制 除以16。十六进制 0-9 a-f。1KB=1024个字节。123转8进制 除以8。
2024-04-07 11:42:22
331
原创 C语言学习初级阶段(数据)——混合运算(Printf讲解)
原理:printf函数将这些类型的数据格式转换成字符串后,放在标准输出缓冲区,将结果显示在屏幕上显示到屏幕上的字符和定义printf函数显示的其他参数。//联系printfint age=21;输出结果://联系printfint i=10;//这里是定义需要加inti=100;//这里是直接使用,不用加intf=98.21;//%3d=> 3代表的是占3个位置//%5.2f=> 5代表整体占5个位置(算上小数点) 2代表的是小数点后占2个位置return 0;
2024-04-07 10:42:33
246
原创 C语言学习初级阶段(数据)——数据的类型
mian是主函数名,int是函数返回值类型。每个C程序只有一个main函数,程序从main函数开始运行。花括号是函数开始和结束的标志。每个C语句均以分号结束。
2024-04-02 11:51:08
492
原创 web期末个人引导页透明版
效果图代码css代码* { box-sizing: border-box;}body { color: #2b2c48; font-family: "Jost", sans-serif; background-image: url(../img/bg.jpg); background-repeat: no-repeat; background-size: cover; background-position: center; background-attac
2024-01-05 11:53:59
994
原创 web期末作业数字时钟,实时更新,音乐播放
文章目录月球动态引导页加载引导页主页面主页面html需要完整代码私信我月球动态引导页加载引导页主页面主页面html<!DOCTYPE html><html lang="zh-CN"><head> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <meta charset="utf-8"> <meta name="viewport" co
2024-01-05 11:42:01
927
原创 智慧农庄电商小程序(商城系统)
基于当前流行技术组合的前后端分离商城系统: SpringBoot2+Jpa+MybatisPlus+SpringSecurity+jwt+redis+Vue的前后端分离的商城系统, 包含商城、拼团、砍价、商户管理、 秒杀、优惠券、积分、分销、会员、充值、多门店等功能,更适合企业或个人二次开发;
2024-01-05 10:46:53
1023
原创 基于微信小程序项目,校享通微信小程序(可当毕设,可做项目),结合水卡、跑腿、电费缴费、学费支付、课程查询等功能。
基于微信小程序项目,校享通微信小程序(可当毕设,可做项目),结合水卡、跑腿、电费缴费、学费支付、课程查询等功能。
2024-01-05 10:19:19
385
原创 点餐小程序模拟支付版与真实支付版(可做毕设、可当项目)支持二创
点餐小程序,前后端已经完全实现,有厨师端,管理端,用户端,有导航功能,其他功能也已经实现,本文放了部分界面。支持二创,可当毕设,可当比赛项目,功能完善,需要的私信我。
2024-01-05 10:09:42
916
原创 Hadoop相关知识点
hdfs dfs -put ~/input/file.txt /test 和 hdfs dfs -put /input/file.txt /test 的区别在于文件的来源路径。B. 维护HDFS集群的所有数据块的分布、副本数和负载均衡:NameNode记录每个数据块的位置和副本信息,并负责管理数据块的复制和迁移,以实现数据的可靠性和负载均衡。hdfs dfs -put /input/file.txt /test中的/input/file.txt表示根目录下的input/file.txt文件。
2023-11-01 08:23:00
1317
原创 Web前端之NodeJS、Vue
Babel 是一个广泛使用的 ES6 转码器,可以将 ES 代码转为 ES5 代码,从而在老版本的浏览器执行。Vue cLI Vue.is 开发的标准工具,,Vue cLI 是一个基于 Vue.is 进行快速开发的完整系统。双大括号会将数据解释为普通文本,而非html代码,为了输出真正的html,需要用v-html指令。它是一个对象,它可以获取异步操作的消息,提供统一的API,各种异步操作都可以用同样的方法处理。在模板中,一直都只绑定简单的【人品【erty键值,Vue.js都提供了完全的JS表达式。
2023-08-10 17:43:35
1038
原创 web前端之JS
是一种轻量级的脚本语言,不具备开发操作系统的能力,只是用来编写控制其他大型应用程序的脚本。DOM是JS操作网页的接口,全称是文档对象模型。作用是将网页转为一个JavaScript对象,从而可以用脚本进行各种操作。浏览器会根据 DOM 模型,将结构化文档HTML解析成一系列的节点,再由这些节点组成一个树状结构(DOMTree)。所有的节点和最终的树状结构,都有规范的对外接口DOM 只是一个接口规范,可以用各种语言实现。
2023-08-08 11:56:48
430
原创 web前端之CSS
CSS,层叠样式表单,又称级联样式表,简称样式表,用于html文档中元素样式的定义。CSS文件后缀名.css注释:/* …*/定义行内样式就是通过直接设置各个元素的style属性,从而达到设置样式的目的。需要在相关标签内使用style属性,style属性可以包含任何css属性。color : red " > 此行文字被style定义为红色显示 </ p > < p > 此行文字没有被style属性定义 </ p > </ body >
2023-08-06 16:27:29
1133
原创 web前端html
标题是通过< h1 > 一级标题 < h2 > 二级标题 < h3 > 三级标题 < h4 > 四级标题 < h5 > 五级标题 < h6 > 六级标题 一级标题 < h2 > 二级标题 < h3 > 三级标题 < h4 > 四级标题 < h5 > 五级标题 < h6 > 六级标题
2023-08-02 20:12:04
795
原创 初识Hadoop
MapReduce运行在Hadoop集群之上,由一个JobTracker和多个TaskTracker组成,JobTracker只有一个负责接收用户提交的计算任务,将计算任务分配给多个TaskTracker执行、跟踪。主要用于在Hadoop与传统的数据库间进行数据的转换,它可以将关系型数据库(MYSQL、Oracle)中的数据导入到Hadoop的HDFS中,也可以将HDFS的数据导出到关系数据库中。具备流式的数据访问特点,提供高吞吐量应用程序数据访问功能,适合带有大型数据集的应用程序。
2023-08-01 10:34:29
41
原创 二叉树与树
树是n (n ≥ 0)个节点的有限集。当n = 0时,称为空树。1)有且仅有一个特定的称为根的结点。2)当n >1时,其余节点可分为m (m > 0)个互不相交的有限集T1,T2,…, Tm,其中每个集合本身又是一棵树,并且称为根的子树。也就是,任意一个孩子部分也要是一个树。树作为一种逻辑结构,同时也是一种分层结构,具有以下两个特点1)树的根结点没有前驱,除根结点外的所有结点有且只有一个前驱。2)树中所有结点可以有零个或多个后继。
2023-06-20 16:56:02
48
原创 栈与循环队列、斐波那契
解释一下:结合下图,因为如果Q.rear指向5,在5这个位置放入一个元素f,Q.rear应当加1,则会指向下标为0的位置。但是,如果不%MaxSize,下标就会变成6,但是在下图中没有6的下标,所以在循环队列中,一般都要进行%MaxSize操作。要求:新建一个栈,读取标准输入3个整数3 4 5,入栈3 4 5,依次出栈,打印5 4 3,新建循环队列(Maxsize为5),读取标准输入3 4 5 6 7,入队7时,队满,打印false,然后依次出队,输出3 4 5 6。再执行出栈操作后,S.top=-1;
2023-06-19 18:07:17
261
原创 MYSQL期末总结+题
(1)创建一个企业员工管理的数据库,数据库名称为“userdb”。要求判断建库库时是否已存在。数据库字符集要求设置为支持中文字符的字符集“gbk”,字符集校验规则设置为gbi_chinese_ci。(2)建立数据表(3)为雇员表创建外键fk_dm参照完整性约束,被参照的父表是部门表。定义参照约束操作策略为:删除操作置空值,更新操作级联。(4)为雇员薪水表增加一列实际薪资RealIncome,类型为整型,可以为空。(增加字段)(5)向部门表Departments 中插入记录。(6)查询各部门员工的
2023-06-18 10:31:18
2461
原创 机器学习——Kmeans聚类算法
如果重新计算的中心点new_center(i)与原来的中心点center(i)的距离大于一定的阈值(该阈值可以设定),那么认为算法尚未收敛,使用new_center(i)代替center(i)(如图,中心点从红色点转移到绿色点),转步骤3;可以从K=1开始,并且k值不断的增加,通常,随着k的增加,类中的方差会急剧的下降,当k达到一定大的时候,方差的下降会明显减慢(至于慢道何种程度,可以设阈值),此时,就选取到了最佳的k值。当然,最终的结果不一定就是真实的那一组中心点,算法会尽量向真实的靠近。
2023-06-16 09:33:50
282
原创 机器学习实践——baseline_marketing
isDefault.value_counts()”是一个Pandas函数,用于统计每个不同的值出现的次数,即统计标签为isDefault的样本中,标签取值为0和1的样本数量分别是多少。其中,head() 函数是 Pandas 库中的一个方法,可以默认输出前五行数据。对数据集缺失值进行填充处理,若采用LightGBM,则无需进行缺失值得填充,因为LightGBM能够自动处理缺失值的问题。print(train.head().T) 的意思是将 train 数据集的前五行以及它们每一列的横向转置打印出来。
2023-06-15 14:48:01
210
原创 机器学习实践——Bank
文章目录一、实践流程二、问题识别三、数据准备 3.1数据文件(csv文件) 3.2数据特征 3.3数据样本示例四、数据分析处理 4.1数据分析前的准备 4.2基础流程 4.3正式进行数据处理 4.3.1导入数据集,进行数据读取 4.3.2数据分析处理考虑的维度 4.3.3数据深入分析五、数据可视化 5.1 绘制条形图 5.2 绘制饼状图 5.3 绘制关系图六、模型选择及训练 6.1数据集的划分 6.2模型的选择 6.3模型训练 6.4模型预测及评价七、模型优化(参数调整) 7.1优化方向 7.2减弱数据不平
2023-06-12 18:34:18
863
原创 Boosting算法
它首先使用一个基本分类器(如决策树、支持向量机等)对样本进行分类,然后根据分类结果对错分样本的权重进行调整,使错分样本的权重增加,而正确分类样本的权重减少。使得之前弱学习器1学习误差率高的训练样本点的权重变高,使得这些误差率高的点在后面的羽学习器2中得到更多的重视。然后基于调整权重后的训练集来训练弱学习器2.,如此重复进行,直到弱学习器数达到事先指定的数目T,最终将这T个弱学习器通过集合策略进行整合,得到最终的强学习器。通过每一轮训练样本的动态权重,可以让训练的焦点集中到难分类的样本上。
2023-05-25 20:50:50
1905
1
原创 机器学习——决策树
决策树是一种解决分类问题的算法。决策树算法采用树形结构,使用层层推理来实现最终的分类。根节点:包含样本的全集内部节点:对应特征属性测试叶节点:代表决策的结果预测时,在树的内部节点处用某一属性值进行判断,根据判断结果决定进入哪个分支节点,直到到达叶节点处,得到分类结果。举个例子:银行要用机器学习算法来确定是否给客户发放贷款,为此需要考察客户的年收入,是否有房产这两个指标。领导安排你实现这个算法,你想到了最简单的线性模型,很快就完成了这个任务。首先判断客户的年收入指标。
2023-05-24 17:56:57
339
原创 集成算法、随机森林
它属于集成学习中的Bagging方法,关系如下图:解释随机森林之前,需要了解决策树,请移步如下链接。随机森林是由很多决策树构成的,不同决策树之间没有关联。当我们进行分类任务时,新的输入样本进入,就让森林中的每一棵决策树分别进行判断和分类,每个决策树会得到一个自己的分类结果,决策树的分类结果中哪一个分类最多,那么随机森林就会把这个结果当做最终的结果。
2023-05-24 17:41:46
98
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人