Python——继承

继承的目的就是简化代码

class A:  # 父类,基类,超类
    pass


class B:
    pass


class A_son(A, B):  # 子类,派生类
    pass

 print(A_son.__bases__)  # 看你继承了谁
 print(A.__bases__)  # Python3里的类都是新式类   # 没有继承父类,默认继承object

一个类可以被多个类继承
一个类也可以继承多个类

class Animal:  # 定义一个动物类
    def __init__(self, name, aggr, hp):
        self.name = name
        self.aggr = aggr
        self.hp = hp


class Dog(Animal):  # 定义一个狗类,继承自动物类
    def bite(self, person):
        person.hp -= self.aggr


class Person(Animal):  # 定义一个人类,也继承自动物类
    def attack(self, dog):
        dog.hp -= self.aggr
class Animal:
    def __init__(self):
        print("执行Animal.__init__")
        self.func()

    def eat(self):
        print('%s eating' % self.name)

    def drink(self):
        print('%s drinking' % self.name)

    def func(self):
        print("Animal.func")


class Dog(Animal):
    def guard(self):  # 父类中没有的方法在子类中出现,叫做派生方法
        print('garding')

    def func(self):
        print('Dog.func')


dog = Dog()

父类中没有的属性在子类中出现 叫做 派生属性,
子类的对象调用,子类中有的名字一定用子类的,子类中没有才找父类的,如果父类也没有则报错
如果父类子类都有,用子类的,
正常的代码中,单继承 === 减少了代码的再重复
继承表达的是一种 子类是父类的关系

如果还想用父类的,则需要单独调父类的:
父类名.方法名 需要传self参数
supe().方法名 不需要传self参数

class Animal:
    def __init__(self, name, aggr, hp):
        self.name = name
        self.aggr = aggr
        self.hp = hp

    def eat(self):
        print('吃药回血')
        self.hp += 100

class Dog(Animal):
    def __init__(self, name, aggr, hp, kind):
        Animal.__init__(self, name, aggr, hp)
        # 或者super().__init__(name, aggr, hp)
        self.kind = kind  # 派生属性

    def bite(self, person):  # 派生方法
        person.hp -= self.aggr

    def eat(self):  # 如果既想实现新的功能也想实现父类的功能,则需要在子类中调用父类
        Animal.eat(self)
        self.teeth = 2
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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