JavaSE从小白到大佬(java语言基础)

本文全面介绍了Java编程的基础知识,包括关键字使用、书写规范、数据类型、运算符、常量及变量定义、类型转换等核心概念,是初学者入门Java的理想教程。

 

1.01.Java中关键字的使用

关键字:被java语言赋予特殊含义的单词,绝对绝对不可以乱用。

这里列出了所有的关键字,可以参考。

1.02.Java语言中的书写规范

1)包名所有字母一律小写,单词和单词之间用.连接。比如:import java.util.Scanner

2)类名和接口名每个单词的首字母要大写,比如ArrayList  StringDemo(俗称:大驼峰式)

3)常量名所有字母大写,单词之间用下划线连接,例如DAY_OF_MONTH

4)变量名和方法名的第一个单词首字母小写,从第二个单词首字母大写,例如:totalMinutes,studentNumbers(俗称:小驼峰式)

1.03.常用注释

1) //xxx   单行注释

2)/* xxx */  多行注释

3)/** xxx */  文档注释

1.04.常量的使用

1)整型常量  二进制:只有01代码。用B区分,比如:0b1001=9

                    八进制:以0开头,由0-7之间的数字组成,逢8进1.比如:0010=8

                    十进制:常用的进制数

                    十六进制:以0x开头,0-15依次为0-9与A-F,例如0xBC01

2)浮点数常量 就是小数,分为单精度float和双精度double

  单精度浮点数后面跟f或F,比如3.66f/F

  双精度浮点数可以以d或D结尾。

  如果小数后面没有跟标记默认为double。

3)字符常量(char)

用于表示一个字符,用单引号' '引起来,比如:'a'

4)字符串常量(string)

用于表示一串字符,用双引号" "引起来,比如:"apple","123"

要注意的是,字符串常量可以为空字符即" ",但是字符却不可以。

5)布尔常量(boolean)

就只有两个结果 true或者false。

6)null常量(空)

表示引用对象为空

1.05.数据类型的概述和分类

在java中所有整数默认的是int,所有小数默认double

1)整型数据变量:分为四种不同的类型(字节型byte、短整型short、整型int、长整型long)

注意:byte-->short-->int-->long 按照这样的顺序可以进行整合,即可以从小往大转换,但是从大往小转换会造成精度缺失,程序会自动报错。

2)浮点数据类型:用来存储小数,双精度double比单精度float更加精确

3)字符型变量:字符型变量用于存储一个单一字符,在java中用char表示,比如char a='A';

每个char型的字符都会占用2个字节,也可以利用ASCⅡ码表将char在0-65535之间复制,计算机会自动查表转换为相应的字符。比如char m=97,即m就是a。

4)布尔数据类型(作为判断数据)

true   false

1.06.数据类型转换

1)自动类型转换:也叫隐式转换,指的是两个数据之间转换过程不用声明。必须满足两个条件:①两种数据必须兼容②目标类型的取值范围必须大于源值范围

byte可以赋值给short、int、long,char型数据可以赋值给int、long,int类型可以赋值给long

整型也可以转换成float型。

其他类型都可以转换成double型。

2)强制类型转换:指的是两种数据类型之间的转换需要进行现实的声明。当自动类型无法转换时需要使用强制类型进行转换。

Boolean型不能转换为其他类型

默认转换:byte、short,char-->int-->long-->float-->double

强制类型转换模式:目标类型 变量名=(目标类型) (被转换的数据)

例如:char a=(double) (m);---强制将char型转换为double型

1.07.算数运算符

注意:a++和++a的区别(a--和--a也是同理)

y=a++表示先把a的值赋给y在给a+1

y=++a表示先给a+1再把值赋给y

1.08.赋值运算符

注意:+=  -=  *=  /= %=它们的意思都是相近的,比如

a+=1    ————>a=a+1            a%=b————>a=a%b

1.09.比较运算符(比较的结果只有两种 真(ture)或假(false))

1.10.逻辑运算符

1)逻辑运算符的法则

逻辑与& 遇假则假,全真则真

逻辑或 |  遇真则真,全假则假

逻辑非 !取反

逻辑异或 ^ 同假不同真

2)单与&和双与&&的区别(单或|与双或||的区别)

单与左右都得看,双与如果左边为假就直接输出结果为假。双与的使用可以减少一些不必要的运算,提高运算效率。

1.11 三元运算符

数据类型 变量名=布尔表达式?值1:值2

例如:int a =9>8?3:4

表示对于int型变量a,如果9>8,那么将3赋给a,如果9<8,那么将4赋给a

1.12. 输入和输出语言

print()  输出且不换行

println() 输出且换行

printf() 可以按照C语言的输出型式对输出结果进行处理。

(这里来一个练习题还是比较由代表性)

问:编写程序,提示用户输入分钟数(当然是希望输入的分钟数比较大一点)然后显示这些分钟分别代表多少年和多少天。假设一年有365天。

 

 

 

 

 

 

 

 

 

 

 

 


 

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