WV.39-本月有几天

问题及代码:
/*  
*Copyright (c)2014,烟台大学计算机与控制工程学院  
*All rights reserved.  
*文件名称:days.cpp  
*作    者:单昕昕  
*完成日期:2015年2月4日  
*版 本 号:v1.0  
*  
*问题描述:输入年份和月份,输出本月有多少天。  
*输入描述:两个整数,代表年份和月份。  
*程序输出:一个整数,代表该月的天数。
*/
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;


namespace Math
{
    class Program
    {
        static int Main()
        {
            int d, y, m; ;
            Console.Write("请输入年份:");
            y = int.Parse(Console.ReadLine());
            Console.Write("请输入月份(1-12):");
            m = int.Parse(Console.ReadLine());  
            switch (m)
            {
                case 1:
                case 3:
                case 5:
                case 7:
                case 8:
                case 10:
                case 12:
                    d = 31;
                    break;
                case 4:
                case 6:
                case 9:
                case 11:
                     d = 30;
                    break;
                case 2:
                    if ((y % 4 == 0 && y % 100 != 0) || y % 400 == 0)
                       d = 29;
                    else
                       d = 28;
                    break;
                default:
                    d = 0;
                    break;
            }
            Console.WriteLine("该月的天数为:{0}\n",d);   
            Console.ReadKey();
            return 0;
        }
    }
}



运行结果:





知识点总结:
switch语句和if-else语句的嵌套使用。

学习心得:

强制改变类型需要加在输出流控制语句前面。

虽然我们对d赋值只需要考虑case1-12,但是default那句必须得有,这个不像C和C++可以木有。

如果木有default的话,会提示:错误 1 使用了未赋值的局部变量“d” F:\ConsoleApplication1\ConsoleApplication1\Program.cs 42 46 ConsoleApplication1。

我一开始还很奇怪,后来找了度娘才知道有这回事,不得不感慨说C#还是很严密的。

你提供的这段输出是一个长度为 **100** 的浮点数数组,它看起来像是一个 **词向量(word embedding)** 或 **句子向量(sentence embedding)** 的表示。 这类向量通常由以下几种模型生成: - **Word2Vec** - **FastText** - **Doc2Vec** - **BERT / Sentence-BERT** - **Gensim** 中的模型 - 或你自己训练/加载的模型生成的向量 --- ## 🧠 一、这段向量的含义 这段输出表示一个 **100 维的向量**,每个值代表该维度上的权重或激活值。例如: ```python [-0.0052772, -0.00601762, ..., 0.00234289] ``` ### 它可以代表什么? | 场景 | 含义 | |------|------| | Word2Vec | 一个词的向量表示,如 "人工智能" | | FastText | 一个词的向量,支持未登录词(OOV) | | Doc2Vec | 一个句子、段落的向量表示 | | Sentence-BERT | 一个句子的语义向量,用于相似度计算 | --- ## 🧪 二、如何使用这个向量 ### 1. 获取相似词或句子(以 Gensim 模型为例) 如果你是从 Gensim 模型中获取的向量,可以使用如下方式查找相似词或句子: ```python from gensim.models import Word2Vec # 加载模型 model = Word2Vec.load("word2vec.model") # 获取某个词的向量 vector = model.wv["人工智能"] # 查找最相似的词 similar_words = model.wv.most_similar("人工智能") print(similar_words) ``` ### 2. 向量相似度计算(cosine similarity) ```python import numpy as np from sklearn.metrics.pairwise import cosine_similarity vec1 = np.array([-0.0052772, ..., 0.00234289]) # 第一个向量 vec2 = np.array([0.00312068, ..., -0.00486073]) # 第二个向量 # reshape 为二维数组 vec1 = vec1.reshape(1, -1) vec2 = vec2.reshape(1, -1) similarity = cosine_similarity(vec1, vec2) print("Cosine Similarity:", similarity[0][0]) ``` --- ## 💾 三、如何保存和加载向量 ### 1. 保存为文件(如 numpy 文件) ```python import numpy as np vector = np.array([-0.0052772, ..., 0.00234289]) # 你的向量 np.save("vector.npy", vector) ``` ### 2. 加载向量 ```python vector = np.load("vector.npy") print(vector) ``` --- ## 🧰 四、常见用途 | 用途 | 说明 | |------|------| | 文本相似度 | 使用 cosine similarity 比较两个句子/词的语义相似性 | | 聚类 | 将多个向量进行聚类分析,如 KMeans | | 分类 | 作为特征输入到分类模型中(如 SVM、MLP) | | 可视化 | 使用 t-SNE 或 PCA 降维后可视化向量空间 | --- ## ✅ 五、总结 你看到的这段向量是一个 **100 维的嵌入向量**,可能是: - 某个词的向量(Word2Vec/FastText) - 某个句子的向量(Doc2Vec) - 某个模型输出的语义向量(如 BERT) 你可以: - 用它做相似度计算 - 用它做聚类或分类 - 用它做可视化分析 --- ##
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值