你见过的最烂的代码长什么样?

你好,我是坚持分享干货的 EarlGrey,翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。

如果我的分享对你有帮助,请关注我,一起向上进击。

来源:网络

还好这个 for 循环代码只有 40 次,如果400次,估计要崩溃:

62ec674672fb9fa477fb1b059180c33c.png

这个纯粹是为了学习 if 的用法:

65a12dd14d16446a107075af72b29b16.png

挺好,这样防止经常改密码,然后忘记密码:

f67b0adc9427650a98f84d3ea7f19591.png c93efe9f635827773f79deae74d15cce.png

一般人想不到密码在这里,大隐隐于市,另外 password 是可以作为一个独立的单词,passWord 这样的写法就很诡异,难道是传说中的驼峰写法。

也很可能是故意的,因为大多数用户不知道 js 和浏览器调试,但维修的工程师可以很轻松的在特殊情况下找到需要的密码。

这种事情也不是只有一个人会这么干:

6ab64912a25df82d7999736023559cef.png ec3d99d8e4a14e4391be8abd065b1dde.png

这代码怎么说,是执行还是不执行:

259fce9b651aca0980d8b66974639c27.png

这种字段设计,有人喜欢也没毛病:

61a58da42de2917c3f365f9a4f3f01e7.png

这种也就看看,不能瞎搞:

f80363996036bc86717160028907e6dc.png

只是举个例子,不能当真:

79254f771ef73f66556d4470eed18cce.png

这看起来也没什么毛病:

4a02eff51ea7013568c1f9c2cc7e6927.png

这缩进真是漂亮:

17400ef48195df54afedce0a987e5758.png

这一排的 else 已经整懵逼了:

aca233f5d3b8379a18856723939dfa8d.png

到底有几个 }) :

3332b6d10429213494a1a18493e32270.png

while 都不够用:

a3cc54d13112a5ff26cd6a4884514ff8.jpeg

确实满足打印以下图片的需求:

27d32c633029c134aa6a9b401f5889d6.jpeg fae441dcabc507d94dfcaeb807f82280.png

判断奇偶数的代码,有网友是这样写的,我看完直呼行家:

ea5aec8338fa67b3ed6e09c7f1e82d40.jpeg

奇数与偶数判断,改进版本也不错:

f6334be8521eeff0b844c881c166e231.png

客户只有 3000 块钱的预算,我只能干到这,起码显示了一下,让用户放心:

de59b9e2b5c5bcb7155d709b4b4cb33a.png

- EOF -

文章已经看到这了,别忘了在右下角点个“赞”和“在看”鼓励哦~

推荐阅读  点击标题可跳转

1、Python 项目工程化最佳实践

2、Python 可以比 C 还要快!

3、streamlit,一个超强的 Python 库

4、豆瓣8.9分的C++经典之作,免费送!

5、Python 3.12 版本有什么变化?

最近我开了一家淘宝店,名字叫【打破壁垒】,主打程序开发相关付费素材、工具的共享类商品,帮助大家降低试错和使用成本。欢迎大家关注。

7635f1c3630f11e9dc735e9ba82d7e8b.jpeg

长按扫描下方二维码,然后点击页面中的【打开淘宝】,即可进入店铺:

5e4706e553e663b55135f5669f36fc2f.png

回复下方「关键词」,获取优质资源

回复关键词「 pybook03」,领取进击的Grey与小伙伴一起翻译的《Think Python 2e》电子版

回复关键词「书单02」,领取进击的Grey整理的 10 本 Python 入门书的电子版

👇关注我的公众号👇

告诉你更多细节干货

d5b641d72e8804940548371065640cff.jpeg

欢迎围观我的朋友圈

👆每天更新所想所悟

### 过拟合的定义 过拟合是指一个假设在训练数据上能够获得比其他假设更好的拟合效果,但在训练数据以外的数据集上却不能很好地拟合数据的现象[^1]。这种现象通常发生在模型过于复杂的情况下,例如模型中包含过多的特征或参数,导致模型对训练数据中的噪声和细节过度学习,从而失去了对新数据的泛化能力。 ### 过拟合曲线的特征表现 过拟合曲线通常表现出以下特征: 1. **高波动性**:过拟合曲线往往具有较大的凹凸幅度,表现为频繁的上下波动。这种波动通常是由高次项特征引起的,因为高次项能够捕捉数据中的微小变化甚至噪声[^1]。 2. **与真实趋势偏离**:过拟合曲线虽然能完美拟合训练数据,但可能偏离了数据的真实趋势或规律。例如,在回归问题中,过拟合曲线可能会穿过每一个训练点,但在测试数据上则无法准确预测结果。 3. **复杂的形状**:相比于适当的拟合曲线,过拟合曲线通常具有更复杂的形状,可能包括不必要的波峰和波谷。这种复杂性使得模型难以适应未见过的数据。 4. **训练误差低但测试误差高**:过拟合的一个显著特征是模型在训练集上的误差非常低,而在测试集上的误差显著增加。这是因为模型对训练数据进行了过度拟合,而未能学习到数据的真实分布[^2]。 ```python import numpy as np import matplotlib.pyplot as plt from sklearn.pipeline import make_pipeline from sklearn.preprocessing import PolynomialFeatures from sklearn.linear_model import LinearRegression # 生成样本数据 np.random.seed(0) X = np.sort(5 * np.random.rand(40, 1), axis=0) y = np.sin(X).ravel() + np.random.randn(40) * 0.1 # 拟合不同复杂度的模型 plt.figure(figsize=(12, 6)) for i, degree in enumerate([1, 3, 10]): ax = plt.subplot(1, 3, i + 1) model = make_pipeline(PolynomialFeatures(degree), LinearRegression()) model.fit(X, y) y_plot = model.predict(X) plt.scatter(X, y, color='cornflowerblue', label="data") plt.plot(X, y_plot, color='tomato', label="degree %d" % degree) plt.legend(loc='upper left') plt.title(f"Polynomial Degree {degree}") plt.show() ``` 上述代码展示了不同多项式阶数下的拟合曲线。随着多项式阶数的增加,曲线逐渐变得更加复杂,并终出现过拟合现象。
评论
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