26、深入理解类图:结构建模的核心

深入理解类图:结构建模的核心

在软件开发和系统设计中,类图是一种至关重要的工具,它能够直观地展示系统中类以及类之间的关系。下面我们将详细探讨类图的各个方面,包括其元素、关系以及不同类型的关联。

1. 类图概述

类图是一种静态模型,它展示了系统中类以及类之间的关系,并且这些关系在系统运行过程中保持相对稳定。类图描绘了类的行为和状态,以及类与类之间的联系。通过类图,我们可以清晰地了解系统的结构,为后续的设计和实现提供基础。

2. 类图的元素

2.1 类

类是类图的基本构建块,用于在系统中存储和管理信息。在分析阶段,类通常代表系统需要捕获信息的人、地点或事物;而在设计和实现阶段,类可以指代具体的实现构件,如窗口、表单等。每个类用一个三部分的矩形表示,顶部是类名,中间是属性,底部是操作。

例如,在一个预约系统的类图中,可能包含 Participant (参与者)、 Doctor (医生)、 Patient (患者)、 Receptionist (接待员)、 Medical History (病历)、 Appointment (预约)和 Symptom (症状)等类。类的属性和属性值定义了从该类创建的每个对象的状态,而操作则代表了类的行为。

2.2 属性

属性是类的特性,我们希望捕获关于这些特性的信息。例如, Participant 类可能包含

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,聚或者物品之间的有趣关联. 机器学习分 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
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