面向对象之方法

1、类中的方法---->做一件事情
     权限修饰符 [特征修饰符] 返回值类型 方法名字 (参数列表) [抛出异常]  [{
        方法体
    }]
    权限修饰符 返回值类型 方法名字 (参数列表) {

    }

    关于参数与返回值的情况:
        1.无参数无返回值
        2.无参数有返回值
        3.有参数无返回值
        4.有参数有返回值

        人类有名字 有年龄 有性别----属性
        人类能吃饭 能说话 能学习----方法

    可以理解为方法是做了一件事情
    可以理解为返回值是这件事情做完了  留下的一个结果
    可以理解为参数是做事情之前  必须提供的条件

2、小总结

        1.描述一个类
            属性
            权限修饰符 [特征修饰符] 数据类型 属性名字 [= 值];
            方法
            权限修饰符 [特征修饰符] 返回值类型 方法名字 (参数列表) [抛出异常] [{方法体}];
         2.创建一个对象
            new 
            对象. 调用属性  存值/取值
            对象. 调用方法  执行一次  (存储 执行)
        3.类的加载
           对象的创建
           属性及方法的存储
           方法的执行
           方法执行过程中  参数及返回值的传递(基本数据类型 引用数据类型的区别)

转载于:https://my.oschina.net/u/3939041/blog/3093129

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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  | 博主筛选后可见
 
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