Python Learnning (七)-函数

C++中内联函数(inline)详解 一、? 阅读详情

函数也是一个对象

对象是内存中存储数据的一块区域

函数可以用来保存一些可执行的代码.并且可以在需要时,对这些语句进行多次的调用

一 创建函数

def 函数名([形参1,形参1,形参1....]):

​ 代码块

def fn():
    print('this is my first function')
二 调用函数

fn()

fn指的是函数对象,fn()才是调用函数

eg:定义一个函数,求俩个数的和

def sum(a,b):
    print(a+b)
    
sum(1,2)

函数在调用时,解析器不会检查实参的类型,实参可以传递任意类型

eg:123,True,‘HELLO’,None,[1,2,3],fn

所以这里容易报错,这里随便传参

def sum(a,b):
    print(a+b)
sum(123,'456')
TypeError: unsupported operand type(s) for +: 'int' and 'str'

在函数中对形参进行赋值不会影响其它变量,但是如果形参指定的是一个对象当我们通过形参去修改对象,那么所有指向这个对象的变量都会变.

def fn(a):
    a[0]=10
    #a=[4,5,6] 这个时候a变 c不变
    print(a)
c=[1,2,3]
fn(c)
print(c)
# 这个时候a和c同时发生变化

这个时候如果想要不改变c本身可以传入c的浅copy对象或者列表的切片等

def fn(a):
    a[0]=10
    print(a)
c=[1,2,3]
fn(c.copy())
fn(c.[:])
三 不定长参数

需求:要求任意个数字的和

在定义函数的时候,可以在形参的前面加上一个*,这样这个形参将会获取到所有的实参,它将会将所有的实参保存到一个元组中(装包). 注意不定长的参数只能有一个

def fn(*nums):
	result=0
	for i in nums:
		result+=i
	print result
fn(1,2,3,4,5,6,7,8)

可变参数不是必须写在最后,但是注意,带*的参数后的所有参数,必须以关键字参数的形式传递

def fn(a,*b,c):
    print(a,b,c)
fn(1,2,3,4,5,c=6)

def fn2(*,a,b,c):
    print(a,b,c)
fn2(1,2,3,a=4,b=5,c=6)

*号形参只能接收位置参数,不能接收关键字参数

def fn(*a):
    print(a)
    
fn(a=1,c=2) error

**形参可以接收位置参数, 它会将这些参数统一保存到一个字典中,字典的key就是参数的名字,字典的value就是参数的值,**形参只能有一个,并且必须写在参数的最后

def fn(b,c,**a):
    print(b)
    print(c)
fn(a=1,c=2)

参数的解包

def fn4(a,b,c)
	print(a,b,c)
t=(10,20,30)
# 传递实参时,也可以在序列类型参数前加*,这样他会自动将序列中的元素依次作为参数传递
# 这里要求序列中元素的个数必须和形参的个数一致
fn4(*t)

通过**来对一个字典进行解包

d={'a':100,'b':200,'c':300}
fn4(**d)
四 返回值

函数可以通过return来指定返回值,通过一个变量来接收返回值

return 后边可以跟任意对象,甚至可以是一个函数,如果仅写一个return或不写return,则相当于return None

return用来结束函数

def fn():
    def fn2():
        print('a')
    return fn2
r=fn()
print(type(r))
# <type 'function'>

fn和fn()的区别

fn是函数对象,实际上是在打印函数对象

fn()实在调用函数,实际上是在打印函数的返回值

五 文档字符串

help()是Python中的内置函数

通过help()函数可以查询Python中函数的用法

help(print)

文档字符串 (doc str)

在定义函数时,可以在函数的内部编写文档字符串,文档字符串就是函数的说明,当我们编写了文档字符串的时候,就可以通过help()函数来查看函数的说明,直接在函数的的第一行写一个字符串就是文档字符串

def fn(a:int,b:bool,c:str='hello')->str:
    '''这个是一个文档字符串
       参数a的默认类型是int
       参数b的默认类型是布尔值
       参数c的默认类型是字符串
       函数的返回值是字符串
    '''
六 作用域和命名空间
作用域(scope):变量生效的区域

在Python一共有俩种作用域:

  1. 全局作用域 在程序执行时创建,在程序执行结束销毁,全局作用域中定义的变量就是全局变量
  2. 函数作用域 在函数调用时创建,调用结束是销毁,调用一次函数产生一个新的函数作用域,在函数作用域定义的变量,它只能在函数内部被访问.
def fn():
	a=20
	def fn2():
        a=40
		print(a)
	fn2()
fn()
# 40

当我们在使用变量时,会优先在当前作用域中寻找该变量,如果有优先使用,没有去上一级作用域中寻找

在函数中为变量赋值时,默认都是为局部变量赋值,如果想要修改全局变量,则需要使用global关键字,来声明变量

a=30
def fn():
	a=10
	print('inside a=',a)
fn()
print('outside a=',a)
# ('inside a=', 10)
# ('outside a=', 30)
a=30
def fn():
	global a
	a=10
	print('inside a=',a)
fn()
print('outside a=',a)
#('inside a=', 10)
#('outside a=', 10)
命名空间(namespace)
  • 命名空间指的是变量存储的位置,每一个变量都需要存储到指定的命名空间中

  • 每一个作用域,都会有它对应的命名空间

  • 全局的命名空间用来保存全局变量,函数的命名空间用来保存函数的变量

  • 命名空间实际上就是一个字典,是一个专门用来存储变量的字典(dict)

  • 在外部访问内部的命名空间不行,但是globals()函数可以在任意位置获取全局的命名空间

locals()用来获取当前作用域的命名空间

如果在全局作用域中调用locals()则获取全局的命名空间 ,如果在函数作用域中调用locals()则获取函数的命名空间

scope=locals()
print(scope)
# {'__builtins__': <module '__builtin__' (built-in)>, '__file__': '/home/zax/Documents/pythontest/aa.py', '__package__': None, 'scope': {...}, '__name__': '__main__', '__doc__': None}
def fn():
	a=10
	scope=locals()
	print(scope)
fn()
# {'a': 10}
def fn():
	a=10
	scope=globals()
	print(scope)
fn()
# {'__builtins__': <module '__builtin__' (built-in)>, '__file__': '/home/zax/Documents/pythontest/aa.py', '__package__': None, '__name__': '__main__', '__doc__': None, 'fn': <function fn at 0x7fb24c627668>}
七 递归

尝试求任意数的阶乘(x!)

def factorial(n):
    result=n
    for i in range(1,n):
        result*=i
    return result
print(factorial(10))
# 3628800
递归函数

递归和循环是类似的,可以相互替代.递归的好处是编写起来很难,但是阅读起来简单,用简单的函数表达复杂的功能.

def  fn():
    fn()
# 无穷递归 容易死循环

递归式函数的俩个条件

  1. 基线条件
    • 问题可以被分解为的最小问题,当满足基线条件时,递归就不在执行
  2. 递归条件
    • 将问题继续分解的条件

例如 10!=10*9!

​ 9!=9*8!

​ …

​ 1!=1

def factorial(n):
    if n==1:
    	return 1
    return	n*factorial(n-1)
print(factorial(10))

练习 求n**i 的幂运算(python中有幂运算符号)

def power(n,i):
    '''幂运算
    	参数:
    		n 要做幂运算的数字
    		i 做幂运算的次数
    '''
	if i==1:
		return n
	return n*power(n,i-1)
print(power(10,3))

判断一个字符串是不是回文(从前往后度读和从后往前读是一样的)

def hui_wen(s):
    '''回文字符串检查
    	参数:s代表传入字符串
    '''
	if len(s)<2:
		return True
	elif s[0]!=s[-1]:
		return False
	else :
		return hui_wen(s[1:-1])

print(hui_wen('abcba'))
def hui_wen(s):
	if len(s)<2:
		return True
    # 用一个与运算对上面的代码进行优化
	return s[0]==s[-1] and hui_wen(s[1:-1])

print(hui_wen('abcba'))
八 高阶函数

Python支持函数式编程但不是函数式变成语言 scala是

在Python中函数是一等对象

一等对象一般都会具有如下特点:

1. 对象在运行时创建
2. 能赋值给变量或作为数据结构的元素
3. 能作为参数传递
4. 能作为返回值返回

高阶函数

​ 高阶函数至少符合俩个特点中的一个:

		1. 接收一个或多个函数作为参数
		2. 将函数作为返回值返回
def fn(a):
	if a%2==0:
		return True
	return False

def fn1(a):
	if a%2!=0:
		return True
	return False

def fn2(a):
	if a>=5:
		return True
	else:
		return False

def fn3(func,lst):
    '''
    简单演示一个简单的高阶函数
    参数:
    	func:第一个参数是一个函数 表示匹配规则
    	lst: 第二个参数是序列
    '''
	new_list=[]
	for i in lst:
		if func(i):
			new_list.append(i)
	return new_list

lst=[1,2,3,4,5,6,7,8,9]
print(fn3(fn2,lst))
# [5, 6, 7, 8, 9]

上面这个练习其实也对应着Python自带的一个高阶函数filter()

filter()

可以从序列中过滤出符合条件的元素,保存到一个新的序列中

参数:

1. 函数,根据该函数来过滤序列(可迭代的结构)
2. 需要过滤的序列(可迭代的结构)

返回值:

​ 过滤后新的序列

print(list(filter(fn,lst)))

fn这里就是相当于一个参数调用完成之后就没用了,这个时候我们发现为了一个功能专门定义一个函数很麻烦

引入匿名函数

九 匿名函数

匿名函数lambda 函数表达式 (语法糖,一般都是实现简单功能)

语法:lambda 参数列表:返回值

print(filter(lambda i:i%3==0,lst))
map()

map()函数可以对对象中所有元素做指定操作,然后将其添加到新的对象中返回

lst=[1,2,3,4,5,6,7,8,9]
print(map(lambda i:i+1,lst))
# [2, 3, 4, 5, 6, 7, 8, 9, 10]
sort()

该方法用来对列表中的元素进行排序,默认是直接比较列表中元素的大小

在我们的sort中可以接收参数key

​ key需要一个函数作为参数,当设置了函数作为参数

​ 这个时候比较的就不是元素,而是函数的返回值

lst=['a','bbb','cc']
lst.sort(key=len)
print(lst)
# ['a', 'cc', 'bbb']
lst=['a','1',2]
lst.sort(key=str)
print(lst)
# ['1', 2, 'a']
sorted()

这个函数和sort()的用法基本一致,但是sorted()可以对任意的序列进行排序(sort只针对列表)

并且使用sorted排序 不会影响原来的对象,而是返回一个新的对象

lst=['a','bbb','cc']
print(sorted(lst,key=len))
print(lst)
# ['a', 'cc', 'bbb']
# ['a', 'bbb', 'cc']
十 闭包

形成闭包的要求:

1. 函数嵌套
2. 将函数作为返回值返回
3. 内部函数必须要使用到外部函数的变量
def make_averager():
	nums=[]
	def averager(n):
		nums.append(n)
		return sum(nums)/len(nums)
	return averager
averager=make_averager()
print(averager(10))
print(averager(30))
# 这个时候形成一个闭包 就像java中的private函数的私有变量一样 只能通过averager这个函数获取nums这个局部变量
十一 装饰器

希望函数在计算之前打印程序开始,在计算之后打印程序结束

我们可以通过修改函数中的代码来完成这个需求,但是会产生以下问题

1. 每个函数都要修改很麻烦
2. 不方便后期维护
3. 违反对程序扩展打开,修改关闭的开闭原则(ocp)
def add(*nums):
	result=0
	for i in nums:
		result+=i
	return result

def mul(*nums):
	result=0
	for i in nums:
		result*=i
	return result

def begin_end(old_func):
	def new_func(*a,**b):
		print('extend_expression1')
		result=old_func(*a,**b)
		print('extend_expression2')
		return result
	return  new_func
# 调用方法一(不常用)
new_add=begin_end(add)
print(new_add(1,3,1,2))

在定义函数的时候可以通过@装饰器,来使用指定的装饰器,可以同时为一个函数指定多个装饰器,这样函数将会按从内向外的顺序执行

def begin_end(old_func):
	def new_func(*a,**b):
		print('extend_expression1')
		result=old_func(*a,**b)
		print('extend_expression2')
		return result
	return  new_func

def begin_end2(old_func):
	def new_func(*a,**b):
		print('extend_expression3')
		result=old_func(*a,**b)
		print('extend_expression4')
		return result
	return  new_func


def add(*nums):
	result=0
	for i in nums:
		result+=i
	return result


@begin_end
@begin_end2
def mul(*nums):
	result=0
	for i in nums:
		result*=i
	return result



print(mul(1,3,3))
# extend_expression1
# extend_expression3
# extend_expression4
# extend_expression2
# 0

#这个才是常用方法(定义出装饰器,然后以注解的方式加在方法的头上) 注意这种方法你找不到原来的方法了 除非删除装饰器
	
凸优化第三章凸函数 3.3共轭函数 3.3共轭函数 定义 基本性质 定义 设函数,定义函数为: 此函数称为f(x)的共轭函数。从3.2节逐点上确界的内容也可以看出,此函数也是的逐点上确界函数,而是关于y的仿射函数,可以将其看成是凸函数,这样也是凸函数。故对任意的函数f(x),为凸函数。 在实际问题中,可以将x理解为生产一个产品所需要的资源,而f(x)则为生产x的资源的价格,y则是x的销售价格,那么也就变成了最大盈利问题... 阅读详情

相关推荐

【C/C++】inline内联函数详解

内联函数在C++中是一种特殊的函数,内联函数的代码在编译时会在调用的位置展开,而不是在运行时调用函数。 这样做可以消除函数调用的开销,从而提高程序的执行效率。 相当于define宏替换 内联函数可以分为: 隐式内联函数:类内的函数(虚函数除外)都为隐式内联函数 显式内联函数:在类外使用inline关键字修饰的函数

努力让自己的能力配得上梦想. 1988

各种资源网址

1.开源社区() http://www.oschina.net/ 各种it新资讯,众包,博客,还有招聘信息  2.w3Shool http://www.w3school.com.cn/tags/ 网页基础的标准  3.学破解 http://www.xuepojie.com/?jdfwkey=sthc51 只要像破解,你懂得  4.看雪学院 http://bbs.pediy.com/ 破解+漏

u011105859的专栏 22万+

OpenStack Glance手动安装实战:镜像服务配置与排障指南

Glance是OpenStack中负责镜像管理的核心服务,其本质是提供镜像存储、元数据管理和访问控制的统一API层。它基于RESTful架构设计,依赖数据库(如MySQL/PostgreSQL)持久化元数据,通过glance_store插件支持多种后端(File/Swift/Ceph),并深度集成Keystone实现多租户鉴权。技术价值在于保障云平台虚拟机快速交付能力——一旦Glance异常,新建实例将阻塞在镜像加载阶段。典型应用场景包括私有云镜像仓库建设、金融行业合规镜像分发、制造企业定制OS模板管理等。

weixin_30457465的博客 400

网址,你懂得!

OKHTTP3: compile 'com.squareup.okhttp3:okhttp:3.3.0' OKHTTP3依赖 网络权限 http://blog.youkuaiyun.com/ming2316780/article/details/51598063 OKHTTP3博客 ListView 分页加载: compile 'in.srain.cube:ptr-load-more:1

qq_38526446的博客 51万+

Innovus时钟树综合CTS实战:从原理到signoff的完整指南

时钟树综合(CTS)是数字后端实现中保障同步电路时序收敛的核心环节,其本质是在物理层面构建低偏斜、可控延迟的全局时钟分发网络。它基于静态时序分析(STA)原理,通过平衡clock skew、insertion delay、transition time与功耗面积等多维约束,对抗工艺电压温度(PVT)变异带来的时序不确定性。技术价值在于支撑GHz级高频芯片的setup/hold签核,广泛应用于CPU、GPU、AI加速器等复杂SoC的Innovus后端流程。本文聚焦CTS在Innovus工具链中的工程落地,覆盖

weixin_28523493的博客 227

论文选题难?7种AI加持的万能选题法(全专业通用+工具实测)

AI时代学术选题新范式:7大智能方法破解研究痛点 传统选题方法面临范围失控、资料难寻、创新不足三大痛点,本文提出AI赋能的7种选题方法论: 1.现象+群体法:自动抓取热点与人群特征 2.理论+场景法:经典理论与新兴场景匹配 3.技术+问题法:前沿技术与领域痛点结合 4.对比+变量法:时空维度与变量关系分析 5.热点+理论法:事件传播与理论深挖融合 6.微调+变量法:已有选题变量置换创新 7.AI全流程法:关键要素智能迭代生成 同时警示AI使用的伦理边界,需规避虚构文献、伪造数据等风险,并提供针对本科生、研究

Conan_0728的博客 1884

learnning Python day1

1 常量 Python本身没有提供常量,需引入自己写的const模块。 2 变量 变量放在Python的名字列表(命名空间)中,名字列表将变量名与值对应关联。 3 Python对象 系统里的每个东西都是一个对象,是某种类型的一个实例,不同的命名空间对象的名字可能不一样,例如:引用numpy模块时可将对象改变名字,import numpy as np。 4 数据类型 Python的好处

吲哚乙酸的博客 364

【短路计算篇】短路电流计算详解:从理论到实践

短路电流是指在正常电路中电势不同的两点之间发生阻抗极小的故障而引起的过电流。短路时电流强度很大,可能达到额定电流的10-15倍,大容量电力系统中短路电流可达数万安。简单比喻:短路就像水管突然爆裂,水流瞬间增大很多倍,对管道系统造成巨大冲击。短路电流计算是电气系统设计中的基础性工作,关系到整个系统的安全运行。通过本文介绍的各种计算方法,工程师可以根据具体情况选择合适的方法进行准确计算。

2301_81299416的博客 3975

learnning python

learnning python http://ez2learn.com/index.php/python-tutorials/advance-tutorials/174-cpython ...

110

深入解析MATLAB四旋翼仿真案例asbQuadcopter的核心模块与优化技巧

本文深入解析了MATLAB/Simulink中的四旋翼无人机官方案例asbQuadcopter,详细拆解了其指令、传感器、控制器、本体与环境等核心模块的工作原理。重点探讨了经典的PID双环控制结构、传感器噪声模拟、模型替换方法以及系统化的PID参数调优技巧,旨在帮助用户从“开箱即用”过渡到深度定制与优化,构建更精准的仿真模型。

weixin_29171087的博客 365

如何实现SOLIDWORKS阵列的“智能变更”?

有时,我们在设计一个零件时,零件上有一排阵列孔,同时零件有不同的长度,我们又希望可以做到零件长度改变时,这排孔可以按长度等距增减孔阵列的个数;或是零件长度加长或缩短时,这排孔保持个数不变,按零件长度增减孔距。 那具体要怎么做呢?接下来,我们一起来看看怎么用SOLIDWORKS中简单的操作来实现这两种智能的变更: 零件长度加长或缩短时,这排孔要按长度等距增减孔阵列的个数。 零件长度加长或缩短时,这排孔保持个数不变,按零件长度增减孔距。 那接下来,我们一起来看看怎么用简单的操作来实现这两种智能的

SOLIDWORKS艾金米 2080

Python Learnning(四)-序列2

Python基础-序列2一 遍历列表二 range()三 元组四 可变对象五 == !=和 is is not区别 一 遍历列表 指将列表中的所有元素取出来 my_list=['b','d','c','a'] i=0; while i<len(my_list): print(my_list[i]) i+=1 通过for循环来遍历 语法: for 变量 in 序列: 代码块 for循环会执行多次,序列中有几个元素就会执行几次,每执行一次就会将序列中的一个元素赋值给变量 我们可以通过变量,来

zax_java的博客 263

建行报专版报道建设银行金融科技发展历程

经过十多年的建设,总行前中后台部门都有了自己的业务系统,但系统“部门”特征显著,渠道、客户、产品的横向整合不足,产品系统层次化、结构化、参数化程度不高,渠道支持产品快速部署以及跨渠道服务能力不足,管理分析类系统建设相对滞后,系统较弱的可扩展能力在应对高速增长的交易量时已疲态尽显,同时安全稳定运行的压力和风险日益积聚。站在新的历史起点上,科技条线将聚焦主责主业,完善信息科技管理体系,紧紧围绕安全生产中心任务,持续推动技术能力复用共享和自主可控,为全行做好金融五篇大文章,推动业务高质量发展提供技术支撑。

银行信息系统应用架构详解 389

强化学习-Q_learnning 算法遇到得一些python函数问题

pd.DataFrame()函数:直观理解就是创建一个表格, 默认参数: def __init__(self, data: Any = None, index: Optional[Collection] = None, columns: Optional[Collection] = None, dtype: Union[ExtensionDtype, str, dtype, dtype, Typ..

霍迪迪的博客 318

PyTorch深度学习实战(25)——从零开始实现Mask R-CNN实例分割

Mask R-CNN 是一种在目标检测任务中引入了语义分割的强大框架,通过在 Faster R-CNN 基础上进行扩展,添加了额外的分支网络,不仅可以准确地检测对象的位置和类别,还可以生成每个实例的精确像素级别的语义分割掩码。其模块化的设计可以轻松地应用于不同的任务和数据集,并且可以通过添加更多的分支进行功能扩展,如实例关键点检测等。

盼小辉丶的博客 1万+

【保姆级教程】基于UNet++&MobileNetv2的语义分割模型从训练到RK3588部署:让边缘AI落地效率提升300%

通过SMP库一键构建encoder_name="mobilenet_v2", # 选择MobileNetv2作为骨干encoder_weights="imagenet", # 加载预训练权重加速收敛in_channels=3, # 输入图像通道数(RGB)classes=29, # Cityscapes数据集类别数activation=None # 输出无激活,便于后续损失计算本教程从“模型设计-训练-转换-边缘部署”全链路拆解了。

m0_71589036的博客 90

My First Python code for learnning English.

This is my first Python code to help me recite the English words.l = range(1,18)l2 = [0, 1, 2 + 1, 4 + 2 + 1, 7 + 4 + 2 + 1, 15 + 7 + 4 + 2 + 1]result = {}for wordList in l:    if not result.has_key(w...

weixin_34344403的博客 115

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

TensorFlow对于sin函数的预测----RNN模型

一、总体介绍 对于sin函数的输入样本进行训练,得到sin函数相关的RNN网络架构,预测sin函数的趋势 二、相关参数设置 HIDDEN_SIZE = 30 #隐藏层层数 NUM_LAYERS = 2 #RNN层数 TIMESTEPS = 10 #RNN的截断长度 利用10个点的信息 预测第11个点的信息 TRAIN...

阳光非宅男的博客 2726

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

python 独热码_One-hot Code for deep learnning 用于深度学习的独热码编码与解码

OnehotCodeOne-hot Code for deep learnning 用于深度学习的独热码编码与解码独热码在英文文献中称做 one-hot code, 直观来说就是有多少个状态就有多少比特,而且只有一个比特为 1,其他全为 0 的一种码制。例如:[1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ...

weixin_39913472的博客 568

【python】python基于 Q-learning 算法的迷宫游戏(源码+论文)【独一无二】

迷宫环境模块:定义迷宫环境,包含状态空间和动作空间,提供状态更新和渲染方法。Q-learning 算法模块:实现 Q-learning 算法,训练代理在迷宫中找到最优路径。图形用户界面模块:使用 PyQt5 创建图形界面,展示迷宫和代理的动作。主程序入口:初始化环境和代理,启动图形界面。通过上述设计,该代码实现了一个功能完整的迷宫游戏,能够通过 Q-learning 算法进行训练,并实时展示训练过程和结果。👉👉👉 源码获取 关注【测试开发自动化】公众号,回复 “ 强化迷宫 ” 获取,拿来即用。

测试开发自动化 1148

神经网路(Neural Network building)—— 前向传播和反向传播

神经网络: 随着人工智能的崛起,Python渐渐开始成为编写人工智能的主要工具语言,由于Python易于编写且在整个大环境下,工具包非常丰富,所以我认为也是写神经网络的最佳语言。神经网络由输入层、隐藏层和输出层构成,隐藏层越多,说明整个神经网络越复杂,计算复杂度也越高,理所当然的计算耗时就越长。每个隐藏层上的神经元节点,也就是说每个Neural,简单地说,它的值由它的入度边的权值*...

weixin_42414405的博客 518

Machine Learning with Python Part One

In this course, you’ll learn how Machine Learning is used in many key fields and industries. For example, in the health care industry, data scientists use Machine Learning to predict whether a human cell that is believed to be at risk of developing cance

u011868279的博客 2844

Neural networks and deep learning 概览

Neural networks and deep learning 概览

qq_44945010的博客 167

Machine Learning A-Z 学习笔记8

Machine Learning A-Z 学习笔记8 第八章 Kernel SVM 1.1简单原理 上一节的线性SVM是针对线性可分的数据(如左),若数据为非线性可分的情况则可以采用其他Kernel算法 以一维的非线性例子为例,我们可以通过运算将一维图像变为二维,再进行线性分离 所以我们通常将低维数据投射到高维进行切割,切割完毕后再投射回原来的的维度。 高斯径向基函數(gaussian radial basis function kernel)分析。 原维度数据点,常数 :基准点/中心点,

JiduoW的博客 187

有趣的机器学习(一)

说明:来源于网易云课堂——有趣的机器学习视频观后记录 http://study.163.com/course/introduction/1003217019.htm#/courseDetail简介 机器学习是目前迅速蹿红的焦点学科之一. 其实机器学习并没有你想象中的那么难, 学会使用它也不是很难的事情. 如果你有了这些基本知识, 那机器学习的基本知识也能轻松掌握. 简介视频还在陆续更新中. 我

junjunguoguo的专栏 598
上一篇: Python Learning(六)-集合
下一篇: Python Learning(八)-面向对象
zax_java
博客等级 码龄8年 62粉丝 23原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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