0x9777-优快云博客

原创 c语言构造魔方阵

在C语言中，构造一个n阶魔方阵（Magic Square）通常需要使用一定的算法。这里展示一种常用的方法——使用Siamese方法（也被称为de la Loubère方法）来构造奇数阶魔方阵。对于偶数阶魔方阵，构造方法会有所不同，且不是所有偶数阶都能构造出魔方阵。对于偶数阶魔方阵，只有4阶魔方阵有简单的构造方法，其他偶数阶魔方阵通常更复杂，并且不是所有偶数阶都有解。对于其他偶数阶魔方阵，你可能需要查找特定的构造算法或者使用更复杂的数学方法，如使用拉丁方（Latin Square）来构建。

2024-02-23 11:44:20 676

原创交叉验证网格搜索方法

需要注意的是，随机森林算法对超参数的敏感度较低，因此即使不进行详细的调参，通常也能得到不错的模型性能。然而，对于特定的数据集和问题，进行细致的调参可能会进一步提高模型的性能。在这个例子中，我们首先加载了iris数据集，然后定义了一个参数网格，其中包含了我们想要调优的参数及其取值范围。属性来查看最优参数。这个属性会返回一个字典，其中包含了在网格搜索过程中找到的最优参数及其对应的值。请注意，这只是一个简单的例子，实际使用时可能需要根据具体问题和数据集进行更多的调整和优化。属性来查看最优参数。

2024-02-23 11:41:54 413

原创 c语言指针进阶（某习题）

语句现在打印的是234，而不是123。这个修改展示了指针操作的直接效果，即指针变量自身的变化会影响它们指向的内存位置。在实际编程中，需要非常小心地管理指针，以避免内存访问错误或未定义行为。因此，程序最后打印出的值是123，而不是234。同时，这段代码也没有显示地释放任何动态分配的内存，因此从内存管理的角度来看，它也没有问题。指针的移动和赋值操作可能会覆盖其他变量的内存，这在实际编程中是一个需要避免的危险行为。这段代码主要演示了C语言中的指针操作。在这段新的代码中，你增加了一个。总结：这段代码虽然对。

2024-02-23 11:41:01 408

原创机器学习——k近邻算法鸢尾花案例

然后，我们使用StandardScaler对数据进行标准化处理，这是因为KNN算法对数据的尺度敏感。在KNN算法中，每个数据点都被视为一个样本，并且根据其与相邻样本的距离进行分类。KNN算法的优点是简单易懂，易于实现，不需要训练过程，但需要大量的内存来存储训练数据集。在可视化结果中，我们使用散点图表示测试数据集中的每个样本点，其中x轴表示萼片长度，y轴表示萼片宽度。下面是一个简单的Python代码示例，演示如何使用KNN算法对鸢尾花数据集进行分类，并使用matplotlib库进行数据可视化。

2024-02-15 10:20:03 565 1

原创 k近邻算法中k值选取以及kd树内容

k近邻算法的k值选择与KD树一、k值的选择在k近邻算法中，k值的选择对模型的性能有重要影响。如果k值过小，模型可能会过于复杂，对训练数据中的噪声和异常值敏感，导致过拟合。这种情况下，模型的近似误差会减小，但估计误差会增大。相反，如果k值过大，模型可能会过于简单，忽略训练数据中的有用信息，导致欠拟合。这种情况下，模型的近似误差会增大，但估计误差会减小。在实际应用中，通常通过交叉验证来选择最佳的k值。

2024-02-10 14:30:51 1210 1

原创 k近邻算法基本介绍

k近邻算法在许多领域都有广泛的应用，如模式识别、数据挖掘、图像和文本分类等。它是一种懒惰学习（lazy learning）的算法，即它不需要在训练阶段进行复杂的计算，而是在需要分类新的实例时才进行计算。k近邻算法是一种基础且直观的分类和回归方法。在分类任务中，该算法的输出取决于输入实例的k个最近邻训练样本的多数类别。k近邻算法的核心思想是，如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别。如果你需要更深入的学习，我建议查阅相关的教科书或在线课程。

2024-02-10 14:27:40 420 1

原创 K-近邻算法中的度量公式评估

这个实际驾驶距离就是“曼哈顿距离”。e.g. 二维样本(身高[单位:cm],体重[单位:kg]),现有三个样本：a(180,50)，b(190,50)，c(180,60)。a与b的闵氏距离（无论是曼哈顿距离、欧氏距离或切比雪夫距离）等于a与c的闵氏距离。欧氏距离是最容易直观理解的距离度量方法，我们小学、初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离。闵氏距离不是一种距离，而是一组距离的定义，是对多个距离度量公式的概括性的表述。根据p的不同，闵氏距离可以表示某一类/种的距离。

2024-02-10 14:26:47 875 1

原创 MPI高并发计算

MPI（Message Passing Interface）是一种用于在分布式计算机系统中进行通信的标准，它可以在多个计算节点之间传递数据，并使这些节点在同一时间执行不同的计算任务，从而实现并行计算。需要注意的是，在进行MPI并行计算时，需要考虑一些问题，如通信开销、负载均衡、同步等。需要注意的是，MPI编程需要对并行计算有深入的理解，包括进程间通信、同步、数据分发等。安装MPI库：首先需要安装MPI库，可以使用系统自带的MPI库，也可以选择第三方的MPI库，如Open MPI、MPICH等。

2024-02-04 17:48:09 430 1

原创基于Java的多线程

Java多线程是Java编程语言中处理并发的一种重要手段。在Java中，每个线程都有自己的执行路径，这使得程序能够在同一时间处理多个任务。需要注意的是，在使用多线程技术时，需要根据实际情况权衡利弊，合理设计线程模型和调度策略，以获得最佳的性能和效果。下面是一个简单的Java多线程示例，通过实现。类之外，Java还提供了其他一些多线程相关的类和工具，如。接口等，可以用来处理线程同步、线程间通信等问题。方法中，我们创建了两个线程对象，分别将。在上面的示例中，我们定义了一个实现了。

2024-02-04 17:42:44 352 1

原创 uml小结

UML（Unified Modeling Language）统一建模语言，是一种用于对软件密集系统进行可视化建模的图形化语言。类图是UML的重要组成部分，用于表示类、接口以及它们之间的关系。类图是面向对象编程的基础，通过类图，开发人员可以更好地理解和管理复杂的系统架构。三、使用类图的注意事项。二、类图中的基本元素。

2024-02-04 17:38:39 372 1

原创 UML基础知识

序列图根据时间序列展示对象如何进行协作。它展示了在用例的特定场景中，对象如何与其他对象交互。通过描述对象之间发送消息的时间顺序显示多个对象之间的动态协作。一个UML类图实例。

2024-02-04 14:46:58 368 1

原创一些适合用瀑布模型开发的项目

瀑布模型（Waterfall Model）是一个项目开发架构，开发过程是通过设计一系列阶段顺序展开的，从系统需求分析开始直到产品发布和维护，每个阶段都会产生循环反馈，因此，如果有信息未被覆盖或者发现了问题，那么较好 “返回”上一个阶段并进行适当的修改，项目开发进程从一个阶段“流动”到下一个阶段，这也是瀑布模型名称的由来。将软件生命周期划分为制定计划、需求分析、软件设计、程序编写、软件测试和运行维护等六个基本活动，并且规定了它们自上而下、相互衔接的固定次序，如同瀑布流水，逐级下落。一、瀑布模型适用的项目。

2024-02-02 08:11:45 939

qq_55407291的博客