前言：最近笔者敲代码练习练习就到了递归方面了，起初看各种文章讲解，都觉得大多数都说不到位，于是决定自己写一篇放在自己的博客空间。
转载
2023-05-31 20:46:10
298阅读
目录：一、递归函数二、闭包的深入讲解三、装饰器的使用一、 递归函数递归函数recursion1.什么是递归函数函数直接或间接的调用自己本身可有解决循环上的问题importtime
defstory():
time.sleep(2)
print('从前有座山')
print('山上座庙')
print("庙里有个老和尚在讲故事")
story()
story()间接性的调用自己deffa():
fb
转载
2023-09-05 22:14:59
105阅读
当我们碰到诸如需要求阶乘或斐波那契数列的问题时，使用普通的循环往往比较麻烦，但如果我们使用递归时，会简单许多，起到事半功倍的效果。这篇文章主要和大家分享一些和递归有关的经典案例，结合一些资料谈一下个人的理解，也借此加深自己对递归的理解和掌握一些递归基础的用法。一、递归的简介1、递归的百度百科定义程序调用自身的编程技巧称为递归（ recursion）。递归做为一种算法在程序设计语言中广泛应用。 一个
转载
2023-08-04 19:14:46
53阅读
☕导航小助手☕ ?前言 ?一、递归求 N 的阶乘 ?二、按顺序打印数字的每一位（例如 1234 打印出 1 2 3 4） ?三、递归求 1 + 2 + 3 + ... + 10 ?
利用递归求1~n的阶乘//利用递归函数求1~n的阶乘 1 * 2 * 3 * 4 * ..n
function fn(n) {
if (n == 1) { //结束条件
return 1;
}
return n * fn(n - 1);
}
console.l
原创
2021-10-22 12:10:42
224阅读
前言我们知道递归是一类比较巧妙但是理解难度有点大的算法，对于工作中需要用到数据结构和高级算法的人需要牢固掌握递归算法。今天就以实际的案例来带大家一起学习和理解如何用Python实现递归算法。 升序列表合并题目：将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。示例：输入：1->2->4, 1->3->4输出：1-&g
转载
2023-10-01 22:01:37
85阅读
递归思想<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<meta name="vi
转载
2023-07-22 22:38:56
67阅读
1.汉诺塔有三根杆子A，B，C。A杆上有N个(N>1)穿孔圆盘，盘的尺寸由下到上依次变小。要求按下列规则将所有圆盘移至C杆：1.每次只能移动一个圆盘.2.大盘不能叠在小盘上面.思路当有N个圆盘在A上, 我们已经找到办法将其移到C杠上了, 我们怎么移动N+1个圆盘到C杠上呢? 很简单, 我们首先用将N个圆盘移动到C上的方法将N个圆盘都移动到B上, 然后再把第N+1个圆盘(最后一个)...
原创
2021-09-07 11:37:32
186阅读
石油化工行业，经常要构造特殊中间表，以物料、时间、指标名等为参数，查询出对应层级的指标值！由于前端报表模块已经定型，用户不希望再改变，所以只能按照数据库的思路造出这种中间数据集以适用于报表；但事先不能确定维度及其层次的深度，导致 SQL 很难写 (往往用上百行代码才实现一种类型的算法)。总结一下难点：SQL 难以简化、工作量大、维护难、优化难。若能在应用层集成数据计算引擎中间件，使用一致的结构化计算模型，为应用提供统一计算服务；可极大的降低应用与数据库的耦合，后期维护也完全模块化！
原创
2020-05-18 08:59:57
471阅读
# Python 岭回归案例
## 什么是岭回归
岭回归是一种用于处理多重共线性问题的线性回归方法。多重共线性指的是在回归模型中，自变量之间存在高度相关性的情况。当自变量之间存在高度相关性时，最小二乘估计（普通线性回归）会变得不稳定，即对观测数据的微小变动非常敏感。岭回归通过引入一个正则化项，约束回归系数的大小，从而缓解多重共线性问题。
## 岭回归案例
假设我们有一个房价预测的数据集，其
原创
2023-08-29 03:56:30
274阅读
机器学习定义机器学习是一个源于数据的模型的训练过程，最终归纳出一个面向一种性能度量的决策。机器学习步骤提出问题理解数据数据清洗构建模型评估案例： 学习时间与考试分数之间的相关性1，问题：学习时间与考试分数之间的相关性2，理解数据导入数据集#导入包
from collections import OrderedDict
import pandas as pd
#数据集
examDict={
'学习时
转载
2024-09-15 19:14:46
78阅读
案例1现在有100个样本点，部分数据截图如下：该数据前两列为特征数据，最后一列为标签因为只有两个特征，我以第一个特征作为横坐标的值，以第二个特征作为纵坐标的值。图像如下：现在我要找到决策边界(找到最佳的θ)对未知样本点进行预测分类案例1-线性逻辑斯蒂回归分类线性逻辑斯蒂-易错点的强调（1）数据的预处理-添加偏置项为每一
原创
2022-05-09 21:24:20
1194阅读
一.PCA降维的目的（目标）就是为了在尽量保证“信息量不丢失”的情况下，对原始特征进行 降维，也就是尽可能将原始特征往具有最大投影信息量的维度上进行投影。将原特征投影到这些维度上，使降维后信息量损失最小。将原有的M维数据集，转换成N维的数据（N<M）。新生成的k维数据尽可能的包含原来d维数据的信息。目标（1）.找到变异最大的新维度，以最大程度地区分不同数据点。（2）.这一新维度应该可以让我们
【代码】神经网络回归案例（python。
原创
2024-04-03 12:35:31
111阅读
二分查找的复杂度为什么是O(logn)?最好时间复杂度：O(1)直接找到的那种最坏复杂度计算：对于有n个结点的平衡二叉树而言，比如高度为3的二叉树，共1+2+4=2^3-1=7个结点，所以高度与结点数的关系是：(2^h)-1=n，也就可以得到h=log2(n+1)。对于二分查找而言，最坏的时间复杂度就是查到二叉树的叶子节点才查到key，所以最坏是O(h)=O(log(n+1))=O(logn)。参
2.4 案例：实现线性回归学习目标目标
应用op的name参数实现op的名字修改应用variable_scope实现图程序作用域的添加应用scalar或histogram实现张量值的跟踪显示应用merge_all实现张量值的合并应用add_summary实现张量值写入文件应用tf.train.saver实现TensorFlow的模型保存以及加载应用tf.app.flags实现命令行参数添加和
解决回归问题思想简单,实现容易许多强大的非线性模型的基础结果具有很好的可解释性蕴含机器学习中的很多重要思想回归问题:连续值如果样本 特征 只有一个 称为简单线性回归 y=ax + b通过 训练 数据集 预测出来的值我们希望它和真实值 之间差距尽可能的小
如果想要计算距离 我们自然会想到可以使用绝对值
绝对值在计算中不是特别好的方式 方程不可导 没法求最优解
另外计算距离 还可以想到的是 使用平方计
关键词：机器视觉；图像处理；图像理解1 引 言 机器视觉是指用计算机来模拟人的视觉功能的一门科学技术，它的目标就是用图像获取来恢复现实世界的模型，然后认知现实世界。机器视觉是一个相当新颖而且发展十分迅速的研究领域。自从20世纪50年代就着眼于研究统计模式识别继而开始机器视觉的探讨建立了不少机器视觉理论，如马尔(Marr)计算理论、正则化理论等，大大地
概念在回归（一）中提到用最小二乘法求解回归系数的过程中需要考虑特征矩阵是否可逆的问题，事实上当特征数量比样本数量多的时候（样本数m大于特征数n，X不是满秩矩阵）就会遇到这个问题，这个时候标准线性回归显然就无从下手了 引入岭回归就是为了解决这个问题，它是最先用来处理特征数多余样本数的算法。该算法的基本思想是在XTX上加上一个λI使得矩阵非奇异，从而能够对XTX+λI求逆，其中I是一个n*n
转载
2023-07-14 11:24:34
246阅读
# Spark 随机森林回归案例解析
随机森林是一种强大的集成学习方法，它通过构建多个决策树并最终将它们的预测结果进行组合，从而提供更为精准的预测。在Spark中，随机森林提供了分布式的处理能力，使得处理大规模数据成为可能。本篇文章将介绍如何使用Spark中的随机森林进行回归分析，并通过代码示例进行详细说明。
## 1. 环境准备
在开始之前，我们需要确保已经安装了Apache Spark。
