面向对象和面向过程

博客介绍了面向过程和面向对象两种编程方式。面向过程是分析解决问题的步骤并用函数实现,适用于熟悉问题域;面向对象是将问题事务分解成对象,关注组件并划分职责,用于不熟悉问题域。还指出面向对象并非淘汰面向过程,且介绍了对象的组成。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

面向过程

结构化编程又叫面向过程:分析出解决问题所需要的步骤,然后用函数把这些步骤一步一步实现,使用的时候一个一个依次调用就可以了
**设计方法:**初始条件----最终条件;程序围绕着解决问题来设计得,常应用于熟悉得问题域中

面向对象

面向对象:把构成问题事务分解成各个对象,建立对象的目的不是为了完成一个步骤,而是为了描叙某个事物在整个解决问题的步骤中的行为。
设计方式:从问题域中抽取对解决问题有意义的组件进行关注 然后对这些组件进行数据划分职责划分最后利用各种组件进行组合,实现问题域。应用场景转向不熟悉的问题域进行分析整理,把它变熟悉自然
认知:1.面向对象不是用来淘汰面向过程的
2.由于是用组件分职责的方式进行设计的,不会存在牵一发而动全身的情况,谁的职责变了,只需要替换谁。
对象Object
万物皆对象,对象因关注而产生
组成:数据(属性)、职责(行为)
1.因为关注而产生
2.属性是数据,但不是数字,名词组成,可以以拥有来判定,跟类型没有关系。行为是功能点,动词或动宾短语,提供或者拥有这个功能点,

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