u014403897的专栏

一.int[][]和int **的区别： 相当明显，int[][]是连续的空间！而int**a是半连续的，即不同的行是不连续的，但是同一列是连续的 所以：在参数传递时候，二者不可互传，即使是[][]传**，因为int** 和a[][]虽然传的都是地址，但是一个在栈空间连续，另一个在堆空间半连续！ 而且int a[][num]的数据类型是int(*)[num]类型的，所以，int[][]之

有bug，一直未找到，闲暇下来在看看，存一档 输入格式 首先为正整数n、m，分别代表特征个数、训练样本个数。 随后为m行，每行有n+1个整数。其中(1 在后续的m行中，每行代表一个样本中的n个整数特征值( )与样本的实际观测结果y(整数)。其中 。 输出格式 决策树的前序遍历结果，若是一个内部节点则输出inner(特征id)，若是一个叶节点，则输出leaf(特征id)。

用熵决策树问题的最基本思想：     我们一般可以通过信息熵来描述分类的混乱程度，如果标注的种类繁杂，说明信息非常混乱，如果标注就只有一种，或者大部分标注相同，那么说明这个数据集的信息比较整齐。用熵决策树的基本思想就是通过不断的划分数据集（通过用特征细化），是的信息熵尽量变小，也就是所谓的增大信息增益。通过不同的特征值来划分数据集，得到的信息增益是肯定不同的，熵决策树的目标就是找出最优的划分方法

测试题目： 代码如下： #include #include #include #include #include #include using namespace std; double hypothesis(vector &feature,vector&w){ double sum=0.0; for(int i=0;i<feature.size();i++){

以上仅给出了代码。具体BP实现原理及神经网络相关知识请见：神经网络和反向传播算法推导 首先是前向传播的计算： 输入: 首先为正整数 n、m、p、t,分别代表特征个数、训练样本个数、隐藏层神经元个数、输出 层神经元个数。其中(1 随后为 m 行,每行有 n+1 个整数。每行代表一个样本中的 n 个特征值 (x 1 , x 2 ,..., x n ) 与样本的 实际观测结果 y。特

const： 限制符号，限制某个变量所指向的内容不能通过这个对象修改。 但是可以通过其他的修改，比如： int main(){ int x=5; const int &y=x; x++; cout<<y<<" "<<x; return 0; } 结果如下： 但是如果这样就通不过编译了 所以，const的作用是限制申明出来的变量的权限，所以我们有这

此处仅给出代码实现，具体原理及过程请看前面的博文 测试文件输入格式如下： 2 10 0.01 10 2104 3 399900 1600 3 329900 2400 3 369000 1416 2 232000 3000 4 539900 1985 4 299900 1534 3 31490