黑马程序员 基础(三)

----------android培训java培训、java学习型技术博客、期待与您交流! -----------

1,Object对象基本操作

        Object类是所有类的基类,除了八个原始类型,以及一个void类型,Object类提供了基本的方法

public static void Object_description(){
		Object obj = new Object();
		//一般情况下,equals方法只是比较内存地址是否一致,继承类常常是重写object类的equals方法,
		//参数一定要是Object,否则编译错误
		System.out.println(obj.equals(null));
		//hashcode用于返回对象在内存中映射的hash码,是本地化方法(native)
		System.out.println(obj.hashCode());
		//生成对象的类名和hash码值的连接字符串
		System.out.println(obj.toString());
		//获取对象的类名
		System.out.println(obj.getClass());
	}

补充:Object的hashcode是本地化方法,主要是通过分配的内存地址计算来的,所以即使两个Object描述的内容一致,对应的hashcode码也不同

注意:不能这样写:null是原始类型

null.equals(null);

2,享元模式

          享元模式是设计模式的一种,定义如下:运用共享技术有效的支持大量细粒度的对象。

        典型应用:

        典型的享元模式的例子为文书处理器中以图形结构来表示字符。一个做法是,每个字型有其字型外观, 字模 metrics, 和其它格式资讯,但这会使每个字符就耗用上千字节。取而代之的是,每个字符参照到一个共享字形物件,此物件会被其它有共同特质的字符所分享;只有每个字符(文件中或页面中)的位置才需要另外储存。以下程式用来解释上述的文件例子。这个例子用来解释享元模式利用只载立执行立即小任务所必需的资料,因而减少内存使用量。
         integer在享元模式中的运用,不能用new Integer(23)的方法,这样就是引用堆内存了,不能混淆
代码如下:
public static void FlyweightPattern_mode(){
		//如果数值在-128~127之间,则会将第一次使用到的数值存放在缓冲池中
		//下次在使用相同值的时候,则就不需要分配堆内存了,直接引用就可以了
		Integer i1 =147;//自动装箱成整形对象
		Integer i2 =147;//自动装箱成整形对象
		System.out.println( i1==i2);//打印出false
		i1 =23;//存在缓冲池中
		i2 =23;//直接引用23
		System.out.println( i1==i2);//打印出true
	}

验证结果:


3,享元模式在字符串中的应用

          享元模式在数字中应用的方法是否同样对字符串有效呢?先看一段代码

	String str1 = “abc”
	String str2 = new String("abc");
	System.out.println(str1 == str2);

答案是false,因为是引用堆内存,那么有什么办法解决呢,有!

	String str3 = "abc";
	String str4 = new String("abc").intern();
	System.out.println(str3 == str4);

intern方法就是在常量池中查找是否有和自己内容一样的字符存在,如果有则指向常量池。
验证结果:


4,字符串引用的问题

          引用的问题在开发中也很重要,稍不注意就容易被修改,查找问题也不容易,例如:

	StringBuffer s1 = new StringBuffer("abc");
	StringBuffer s2 = new StringBuffer("abc");
	new problem_study().method(s1, s2);
	System.out.println(s1.toString()+":"+s2.toString());

处理函数如下:

public void  method(StringBuffer sbuf,StringBuffer sbuf1){
		sbuf1 = sbuf.replace(1, 2, "o");
		System.out.println(sbuf1 == sbuf);
	}

执行replace操作,那么谁的值会改变呢?打印结果是是两个都变,还是s1变,或者s2变,看下结果:

sbuf和sbuf1指向了同一个内存,结果是s1变了,s2没有变,按照常理来说应该s2也应该变,但是有个前提,sbuf是s1的副本,sbuf1是s2的副本,所以s2还是指向堆内存原来的地方,s1的值被改变了,说明sbuf引用的对象值改变了,所以Stringbuffer的replace操作是在引用对象上直接操作的。

用string测试:

	String str5 = new String("abc");
	String str6 = new String("abc");
	new problem_study().method(str5, str6);
	System.out.println(str5.toString()+":"+str6.toString());

处理函数如下:

public void method(String str,String str1){
		str = str1.replace("b", "o");
		System.out.println(str == str1);
	}

那么结果又是什么呢?还会是aoc:abc吗?先看结果


分析:str和str1指向不同内存,那么至少有一个变吧,但是结果都没有变,说明str指向的是一个新地址,说明str1的内容不能被改变,str5和str6没有受到一点影响

推论:sting类型的对象不能改变,即使是replace操作,那是假象,只是又生成一个新的字符串。

5,可变参数(jdk1.5新特性)

        说明:可变参数简化了开发人员的许多操作,

         1,简化了操作人员写重载 ,重载是比较头疼的事情,像String重载一大堆,

         2,简化了操作人员写数组 ,每次使用都要new一个数组对象,然后再调用,很麻烦

	public static void multi_args(){
		System.out.println(sum(2,3,4));
		System.out.println(sum(2,3));
	}
	public static int sum(int...arg){
		int sum =0;  
		for(int i = 0; i < arg.length; i++){
			sum += arg[i];  
		}
		return sum;
	}

验证结果:


6,类的静态导入

       当一个源文件中使用大量工具类时,如果每次写都要加上类名,会很麻烦,影响效率,代码也不清晰,解决的办法是用静态导入,例如求两个数最大值。

import static java.lang.Math.max;

就是在import的后面加上static标识符

public static void import_static(){
		int i = 2;
		int j = 3;
		//此时max前面就不需要加Math类了
		int max = max(i,j);
		System.out.println(max);
	}

验证结果:


7,类的成员初始化(带有继承的)

          大致过程是,先是父类静态部分,接着子类静态部分,接着父类构造部分,最后子类构造部分,
         详细过程如下:

 (1). 父类静态相关初始化(仅仅执行一次)
        父类的静态成员初始化(仅执行一次)
        父类static代码块(仅执行一次)--->

 (2).子类静态相关初始化(仅仅执行一次)
       子类的静态成员初始化(仅执行一次)--->
       子类static代码块(仅执行一次)--->

 (3). 父类非静态相关初始化
        父类成员变量初始化--
        父类构造代码块 --->           

        父类构造方法初始化 ---> //执行这步的原理同上
 (4). 子类非静态相关初始化
        子类成员变量初始化--->
        子类构造代码块--->
        子类构造方法初始化
 示例代码:

父类

class father{
	public static String name = "大明";
	public int age = 30;
	static {
		System.out.println("father static code......"+name);
	}
	{
		System.out.println("father construct code......."+age);
	}
	public father(){
		System.out.println("father construct function......"+name+" "+age);
	}
}

子类:

class child extends father{
	public static String name = "小明";
	public int age = 6;
	static{
		System.out.println("child static code......"+name);
	}
	{
		System.out.println("child construct code......"+age);
	}
	public child(){
		System.out.println("child construct function......"+name+" "+age);
	}	
}

调用函数:

father f = new child();

验证结果:



----------android培训java培训、java学习型技术博客、期待与您交流! -----------

 

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。 、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