1：memcpy的用法（y，x，n）； y指的是要复制的目的地，也就是因变量。 x指的是要复制的本体，也就是自变量。 n指的是要复制的数量。 一般用是要新建一个新的数组当做中间的桥梁。 一般也是在dfs回溯时用，可以舍去那些冗杂的操作，且可以提高时间。 未完待续... ...
分类：
其他好文 时间：
2019-02-02 23:30:43
阅读次数：
179
为什么使用函数？ 答：函数的返回值可以确切知道整个函数执行的结果 函数的定义：1、数学意义的函数：两个变量：自变量x和因变量y，二者的关系 2、Python中函数的定义：函数是逻辑结构化过程化得编程方法 函数的定义：1、数学意义的函数：两个变量：自变量x和因变量y，二者的关系 2、Python中函数 ...
分类：
编程语言 时间：
2019-01-31 00:20:53
阅读次数：
217
线性回归在统计学中，线性回归(LinearRegression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。线性回归实例说明y=f(x)x={0,1,2,3,4,5},y={0,20,60,68,77,110}如果要以一个最简单的方程式来近似这组数据，则用一阶的线性方程式最为适合那
分类：
其他好文 时间：
2019-01-30 18:29:30
阅读次数：
212
1、回归算法分类算法的目标值是标称型数据，而回归的目标变量是连续型数据，主要包括线性回归，岭回归，lasso回归，前向逐步回归。2、线性回归线性回归主要用于处理线性数据，结果易于理解，计算复杂度不高，但是处理不了非线性数据。线性回归用最适直线(回归线)去建立因变量Y和一个或多个自变量X之间的关系。可以用公式来表示：Y=wX+b。其中w为权重，也称为回归系数，b为偏置顶。3、理解线性回归线性回归从高
分类：
其他好文 时间：
2019-01-29 18:32:15
阅读次数：
236
EXCEL回归分析 通过数据间的相关性，我们可以进一步构建回归函数关系，即回归模型，预测数据未来的发展趋势。相关分析与回归分析的联系是：均为研究及测量两个或两个以上变量之间关系的方法。在实际工作中，一般先进行相关分析，计算相关系数，然后拟合回归模型，进行显著性检验，最后用回归模型推算或预测。简单线性... ...
分类：
其他好文 时间：
2019-01-18 10:16:52
阅读次数：
359
我震惊了，我好菜，我是不是该退役（苦逼） 可以先看看代码里的注释 首先我们先考虑一下第一问好了真做起来也就这个能想想了 那么离散化时间是肯定的，看一手范围猜出是二维DP，那对于两个会场，一个放自变量，一个放变量，然后O(n^3)的DP好了 第二问像第一问的做法特判一波就是O(n^4)啦 对于一个嘉年 ...
分类：
其他好文 时间：
2019-01-17 22:35:08
阅读次数：
141
train_test_split函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。 参数详解： X/ feature: 特征/自变量 y / label: 标签/因变量 train_size: 训练集数所占比例 test_size: 测试集数所占比例 ra ...
分类：
其他好文 时间：
2019-01-17 19:43:52
阅读次数：
411
sscanf的使用 语法 参数 存储的数据 控件字符串 可选自变量 说明 第二个参数可以是一个或者多个 这个参数说明暂时不清楚，先不用管它，稍后通过例子来说明 返回值 函数将返回成功赋值的字段个数；返回值不包括已读取但未值的字段个数。返回值为0表示在第一次读取之前到达字符串结尾，则返回EOF 使用实 ...
分类：
其他好文 时间：
2019-01-13 13:40:58
阅读次数：
324
回归是对一个或多个自变量和因变量之间的关系进行建模，求解的一种统计方法，更多关于回归的内容将在后续总结。本博主要总结如何利用激活函数中Sigmoid函数和梯度下降算法实现Logistic回归分类器对数据进行分类 1. Sigmoid函数 激活函数是对神经网络中某一部分神经元的非线性运算，使得神经网络 ...
分类：
其他好文 时间：
2019-01-10 15:31:23
阅读次数：
206
正交与投影 我们在高中就知道，两个平面向量正交的时候时垂直的，写成向量乘法就是 。在学习了线性代数后，我们把它写成了 。这里的向量可以是任意维数的，比如 。上面的点乘被称为求取向量的内积，即对应元素的求积累加。那么，对于两个函数，我们将它们对应不同自变量的函数值求积累加，就可以定义两个函数的正交性。 ...
分类：
其他好文 时间：
2019-01-08 19:19:24
阅读次数：
184
