数据结构复习 狭义 数据结构专门研究数据存储问题 数据的存储包含两个方面：个体的存储 + 个体关系的存储 广义 数据结构既包含数据的存储也包含数据的操作 对数据的操作叫算法 算法 狭义 算法是数据的存储放式密切相关 广义 算法和数据的存储方式无关 泛型的思想 数据结构
10_线性排序 时间复杂度是O（n)的排序算法：桶排序、计算排序、基数排序。因为这些排序算法的时间复杂度是线性的，所以把这类排序算法叫做线性排序（Linear Sort）。 桶排序（Bucket sort） 顾名思义，会用到“桶”，核心思想是将要排序的数据分到几个有序的桶里，每个桶里的数据再单独进行排序。桶排
根据身高推测体重 const $ = require('jquery');const tf = require('@tensorflow/tfjs');const tfvis = require('@tensorflow/tfjs-vis'); /* 根据身高推测体重 */ //把数据处理成符合模型要求的格式function getData() { //学习数据 const heights = [150, 151, 160, 161, 16
原文：https://learning.oreilly.com/library/view/digital-signal-processing/9780750674447/xhtml/B978075067444750042X.htm 摘要： 大多数DSP技术都是基于一种叫做叠加的分而治之的策略。被处理的信号被分解成简单的组成部分，每个组成部分都被单独处理，然后将结果重新组合。这种方法
#import keras #import numpy as np #import matplotlib.pyplot as plt #from keras.models import Sequential #全连接层 #from keras.layers import Dense import numpy as np import matplotlib.pyplot as plt from tensorflow import keras from tensorflow.keras.model
import torch x_data = torch.Tensor([[1.0],[2.0],[3.0]]) y_data = torch.Tensor([[2.0],[4.0],[6.0]]) class MyLinear(torch.nn.Module): def __init__(self): super().__init__() self.linear = torch.nn.Linear(1,1) def forward(se
线性同余方程(扩展欧几里得算法的应用) 题目内容 给定$n$组数据$a_i, b_i, m_i$, 对于每组数据求出一个$x_i$,使其满足$a_i \times x_i \equiv b_i(mod \ m_i)$ 如果无解则输出impossible 输入格式 第一行包含整数 $n$,接下来$n$行，每行包含一组数据$ a_i, b_i, m_i$ 输出格式 输出
主要参考了大佬的视频，第三章的公式推导对我这种零基础渣渣来说真是要命 线性回归算法原理 极大似然估计 类似于以偏概全，在极大似然估计中我们选择相信获得的样本数据已经能够很好的概括现实情况中的真实数据分布。将求出的样本数据的概率分布作为我们现实情况中的概率分布使用。 x
均方误差（MSE） \[\mathrm{MSE}=\frac{1}{N}\sum_{i=1}^{N}(\hat{y}^{(i)}-y^{(i)})^2 \] 均方根误差（RMSE） \[\mathrm{RMSE}=\sqrt{\mathrm{MSE}} \] 平均绝对误差 （MAE） \[\mathrm {MAE}=\frac{1}{N}\sum_{i=1}^N||\hat{y}^{(i)}-y^{(i)}|| \] \(R^2\) \[\begin
本周收获 总结一下本周学习内容： 1、学习了《深入浅出Pandas》的第10章：Pandas数据清洗 10.1 缺失值的认定 ~ 10.5 Numpy格式转化
目录1 问题的提出2 原理2.1 代价函数2.2 模型的评价2.2.1 皮尔逊相关系数2.2.2 决定系数3 Python 实现3.1 不调sklearn库3.2 调 sklearn 库4 梯度下降法4.1 原理4.2 Python实现参考 1 问题的提出 对于给定的数据集 \(D = \{(x_1,y_1),(x_2,y_2),\cdots,(x_m,y_m)\}\)，线性回归 (lin
1、导入库 # 设置图片画在网页上 %matplotlib inline import random import torch from d2l import torch as d2l 2、人工模拟数据 # 定义一个方法，生成人造数据集 def synthetic_data(w, b, num_examples): """生成 y = Xw + b + 噪声""" # 返回一个随机的张量 # no
目录 一、前景回顾 二、物理地址、线性地址和虚拟地址 三、内存为什么要分页 四、一级页表 五、二级页表 一、前景回顾 前面我们说到，保护模式下有着三大特点：地址映射、特权级和分时机制。从我的学习角度来说，我认为地址映射这一块的知识点尤为繁杂，所以会花费相对比较多的时
AcWing898.数字三角形 题解 自底向上 #include <iostream> using namespace std; const int N = 510; int f[N][N]; int main() { int n; cin >> n; for(int i = 1; i <= n; ++i) for(int j = 1; j <= i; ++j) cin >> f[i
面向对象和面向过程的比较 区别： 事务比较的简单，可以用线性思维去解决 事务比较复杂，使用简单的线性思维无法解决 共同点: 面向过程和面向对象都是解决实际问题的一种思维方式 （你去买东西是骑车去还是让别人给你买，这种解决问题的思维方式） 二者相辅相成,并不是对立的。解决
一、单链表数据结构定义 python版 class ListNode: def __init__(self, val, next_node = None): self.val = val self.next = next_node 2.C++版 struct ListNode { int value; ListNode *next; ListNode(int item, next = nullptr) {
朴素贝叶斯是解决分类任务的好起点，线性回归是解决回归任务的好起点。 简单线性回归 将数据拟合成一条直线。 y = ax + b , a 是斜率， b是直线截距 原始数据如下： 使用LinearRegression评估器来拟合数据 除了简单的直线拟合，还可以处理多维度的线性回归模型。 基函数回归 使用基函数
前面我们从矩阵乘法出发定义了线性映射，现在来尝试为线性映射对应矩阵（最好是唯一的）。如果能建立这样的等价关系，则一方面，对抽象的矩阵乘法，我们可以用映射去理解它；另一方面，对于任何线性映射，我们都可以用矩阵完全涵盖它的性质——毕竟相比于映射中各种各样的描述，矩阵是更“标准”的性
问题描述： 分析地面采集的光谱和LiDAR结构信息，估计由于病虫害引起的失叶率 由光谱信息建立模型 由结构信息建立模型 由光谱信息和结构信息相结合建立模型 分别画预测和验证集散点图，计算R2和RMSE 代码实现： train = read.csv("F:/Simplified_Canopy_defoliation_analysis_training
java基础语法--线性 线性大纲 1 -先考虑，是否是（多线程问题） 2- 是否有（共享数据） 3- 是否存在-线性安全问题 4- 是否，线性通讯 创建--线程的4种方法 1- 继承 - extend Thread（1-3） 类.class 2- 实现 - implements Runnable（4） this 3-Callable - implements Callable
查找算法介绍 在 java 中，我们常用的查找有四种: 顺序(线性)查找 二分查找/折半查找 插值查找 斐波那契查找 线性查找算法 有一个数列： {1,8, 10, 89, 1000, 1234} ，判断数列中是否包含此名称【顺序查找】 要求: 如果找到了，就提示找到，并给出下标值。 代码实现：
巩固了线性回归的内容，练习了多变量的线性回归，对程序添加了一些详细的注释 import numpy as np#线性代数包import pandas as pd#数据处理包import matplotlib.pyplot as plt#画图包path = 'ex1data2.txt'data2 = pd.read_csv(path, header=None, names=['Size', 'Bedrooms', 'Pric
时间复杂度为 O(n)！ #include<bits/stdc++.h> using namespace std; const int N = 10e6 + 10; int primes[N]; bool book[N]; void get_primes(){ int cnt = 0; for(int i = 2; i <= N; i++){ if(!book[i]) primes[++cnt] = i; for(int j = 1; i * primes[j
LinearLayout又称作线性布局，是一种非常常用的布局。 android:orientation="horizontal" 指定线性布局方向：水平 android:orientation="vertical" 指定线性布局方向：垂直 android:width="xxxdp" 指定线性布局的容器宽度为：xxxdp android:width="wrap_content" 指定线性布局的容器宽度
可控线性序列机： 可控：有个控制端控制何时输出线性序列。 线性序列机：输出一个线性序列。 知识点： 1.包含多个判定条件时用英文（）括起来，用&&连接。 2.使能端EN的设置（类似于D触发器 1触发，0保持），注意不能在最后一个状态时立即跳0，要让这个状态跑完。 3.有多个跳变点时，设计多个计数器就可
