C++标准模板库

/*======================================================================
标准模板库
	有些代码经常用到 需求特别稳定 慢慢形成标准模板库(STL)Standa Template Lib
	1、vector 对数组的封装(随机读取数据很快  10个数据找一个和10000个数据中找一个时间是差不多的)
		定义的方法
			vector<T> v1
			vector<T> v2(v1)
			vector<T> v3(n,i)
			vector<T> v4(n)
		常用函数:
			empty()		begin()		end()					clear()		front()		
			是否为空		迭代器首元素	迭代器末元素下一个元素	清空向量		第一个数据
			back()		size()		push_back()				pop_back
			最后一个数据	数据个数		尾部插入新元素			尾部删除新元素
	2、迭代器
		通过迭代器可以对标准模板库中的对象进行遍历
		vector<T> vec;
		vector<T>::iterator it=vec.begin();
		for(;it!=vec.end();it++){……}
	3、List
		头结点  -   -    -   尾节点
		  值
		 地址
		 数据插入速度快
		 list<int> list1;
		 list1.push(1);
		 list1.push(2);
		 list1.push(3);
		 for(auto i:list)
		 {
			cout<<
		 }
	4、map映射
			key键		value值
			x1		  	 y1
			x2			 y2
			x3			 y3
			map<int,string> m;
			pair<int,string> p1(10,"shanghai")
			pair<int,string> p2(20,":dsd")
			m.insert(p1);
			m.insert(p2);
			m[1]  m[2] 索引

			map<string,string> m;
			pair<string,string> p1("S","shanghai")
			pair<string,string> p2("A",":dsd")
			m.insert(p1);
			m.insert(p2);
			m[S]  m[A] 索引
/*======================================================================*/
#include <vector>
#include <list>
#include <iostream>
#include <string>
#include<map>
using namespace std;

int main()
{
	vector<int> v1;
	v1.push_back(10);
	v1.push_back(20);
	for (auto i : v1)
	{
		cout << i << endl;
	}
	list<int> list1;
	list1.push_back(1);
	list1.push_back(2);
	list1.push_back(3);
	for (auto i : list1)
	{
		cout << i << endl;
	}
	map<int, string> m;
	pair<int, string> p1(1, "hello");
	pair<int, string> p2(5, "world");
	m.insert(p1);
	m.insert(p2);
	map<int, string>::iterator it=m.begin();
	for (; it != m.end(); it++)
	{
		cout << it->second << endl;
	}
	for (auto i : m)
	{
		cout << i.second << endl;
	}
	return 0;
}

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