Ugo宇-CSDN博客

原创【JavaSE】Java包装类&装箱|拆箱&常量池

Java包装类&装箱|拆箱&常量池 Java包装类包括：Byte、Short、Integer、Long、Float、Double、Character、Boolean 装箱&拆箱装箱：valueOf() 拆箱：xxxValue() 整型包装类问题1： Integer i = 500; Integer i3 = 500; Integer i2 = new Integer(500); System.out.println(i==i2); System.out.println(i==i3

2020-11-02 20:30:32 170

原创【JavaSE】Java基本数据类型

Java基本数据类型取值范围默认值 byte 8位、有符号的整数 -128（-2^7）~ -127（2^7 - 1） 0 short 16位、有符号的整数 -32768（-2^15） ~ 32767（2^15 -1） 0 int 32位、有符号的整数 -2,147,483,648 (-2^31) ~ 2,147,483,647 (2^31-1) 0 long 64位、有符号的整数 -9,223,372,036,854,775,808 ‬(-2^63 ) ~ 9,223

2020-11-02 16:59:41 170

原创【leetcode】11. 盛最多水的容器

11. 盛最多水的容器难度中等给你 n 个非负整数 a1，a2，…，an，每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线，垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0)。找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。 **说明：**你不能倾斜容器，且 n 的值至少为 2。图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下，容器能够容纳水（表示为蓝色部分）的最大值为 49。示例：输入：[1,8,6,2,5,4

2020-11-02 16:25:16 165

原创【leetcode】3. 无重复字符的最长子串

3. 无重复字符的最长子串难度中等给定一个字符串，请你找出其中不含有重复字符的最长子串的长度。示例 1: 输入: "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。示例 2: 输入: "bbbbb" 输出: 1 解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。示例 3: 输入: "pwwkew" 输出: 3 解释: 因为无重复字符的最长子串是 "wke"，所以其长度为 3。请注意，你的答案必须是子串的长度，

2020-11-02 16:20:23 204 3

原创【leetcode】2. 两数相加

2. 两数相加难度中等给出两个非空的链表用来表示两个非负的整数。其中，它们各自的位数是按照逆序的方式存储的，并且它们的每个节点只能存储一位数字。如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。您可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例：输入：(2 -> 4 -> 3) + (5 -> 6 -> 4) 输出：7 -> 0 -> 8 原因：342 + 465 = 807 /** * Definition fo

2020-11-02 16:18:15 181

原创【leetcode】1.两数之和

1. 两数之和难度简单给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例: 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1] 解法一暴力解法 O(n2)O(n^2)O(n2) class Solution { public

2020-11-02 16:14:55 115

原创逻辑回归（详细推导）

目录用线性回归做分类sigmoid模型假设求解-梯度提升法优点与其他模型的比较与线性回归一个角度区别与联系与最大熵模型与SVM1、LR和SVM有什么相同点2、LR和SVM有什么不同点与朴素贝叶斯两者的不同点两者的相同点模型细节适合离散特征为什么使用sigmoid函数？指数族分布广义线性模型定义为何使用最大似然估计而不用均方误差？用线性回归做分类线性回归的输出是一个数值，而不是一个标签，显然不能直接解决二分类问题。那我如何改进我们的回归模型来预测标签呢？一个最直观的办法就是设定一个阈值，比如0，如果我

2020-08-09 15:13:06 1052

原创线性回归（详细推导）

目录模型假设损失函数求解梯度下降法批量梯度下降随机梯度下降小批量梯度下降正规方程法概率解释模型假设假设数据（m个特征为d维的样本）符合线性关系： hθ(x)=θ0+θ1∗x1+...+θd∗xdhθ(x)=∑j=0d+1θj∗xj=xTθ h_\theta(x)=\theta_0+\theta_1*x_1+...+\theta_d*x_d\\ h_\theta(x)=\sum_{j=0}^{d+1}\theta_j*x_j=x^T\theta hθ(x)=θ0+θ1∗x1+...+θd∗xd

2020-08-09 14:34:14 364

转载 Python argparse模块

argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。目录示例教程创建一个解析器添加参数解析参数ArgumentParser 对象add_argument() 方法parse_args() 方法示例以下代码是一个 Python 程序，它获取一个整数列表并计算总和或者最大值： import argparse p

2020-05-28 19:35:30 227