简单的数字类型及运算符

1、占位符
注意:先挖个坑,再填个坑。
1)、挖了几个坑,就要填几个坑,如果多填了,没效果,如果少填了,抛异常。
2)、在使用占位符输出的时候,输出的顺序按照挖坑的顺序输出。

2、异常
异常指的就是语法上并没有出现错误,而是在程序运行的时候出现了错误,就是bug。

3、
不管我们输出到控制台的是什么类型,当打印到控制台上的时候,都是字符串类型。
不管我们在控制台上输入的是什么,我们接收的时候都必须以字符串的形式进行接收存储。

4、转义符
所谓转义符指的就是一个\+一个特殊的字符组成了一个具有特殊意义的字符。
\+" 表示 一个英文半角的"
\+n 表示换行
\+t 表示一个tab键(空格)
\+b 表示一个退格键,如果放到字符串的两边,不起任何效果
\+\ 表示一个\


5、@符号
1)、取消'\'在字符串中的转义作用,使其单纯的就表示成一个'\'
2)、

6、算数运算符和算数表达式
+、-、*、/、%
由算数运算符连接的表达式叫做算数表达式。
注意:在算数表达式中,一定要注意,我们要求算数表达式的操作数的类型必须一致
并且也要和结果的类型也一致。
如果不一致,满足以下2个条件,会自动的发生隐式转换。
1)、类型必须相兼容(都是数字)
2)、必须是小的类型转成大的类型

强制类型转换:
1)、类型必须相兼容(都得是数字)
2)、大的类型转换成小的类型
语法:
(待转换的类型)要转换的值
 double money = 303.6;
            //double ----int
            int n =(int) money;


强制类型转换的结果就是丢失精度。



在算数表达式中,如果一个操作数的类型提升为double类型,那么整体的表达式都提升为double类型。

double result=5*3.14;


7、Convert转换
如果要转换的类型之间不兼容,这个时候,我们使用Convert进行转换。
要满足一个大前提:面儿一定要过的去。



8、算数运算符 ++ --
++:分为前++和后++。不管是前++还是后++,结果就是这个变量的值都加了1
--:分为前--和后--。不管是前--还是后--,结果就是这个变量的值都减了1


如果是前++的话,意味着,首先将这个变量的值加1,然后拿着这个加1后的值去参与计算。
如果是后++的话,意味着,先拿这个变量的原值去参与计算,计算完成后,再将变量的值加1。

如果是前--的话,那么。先减1,然后拿着减1后的这个值去参与运算。
如果是后--的话,那么,先拿原值参与计算,计算完成后,变量的值再减1.


9、
对于++、--这种只需要一个操作数就能完成的元算,我们叫做一元运算符。
在一个表达式中,如果既有一元运算符,也有二元运算符,首先计算一元运算符。

10、复合赋值运算符
+= -= *= /= %=



11、关系运算符
> < >= <= == !=
关系运算符用来比较两种事物之间的关系。
由关系运算符连接的表达式叫做关系表达式。









标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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