单变量线性回归 假设我们有下面的房子面积和房价的数据 面积 价格 2104 460 1416 232 1534 315 852 178 … … 这些已有的数据我们称之为训练集(Training Set)。我们通常使用
Andrew Ng机器学习课程笔记2——线性回归
单变量线性回归 假设我们有下面的房子面积和房价的数据 面积 价格 2104 460 1416 232 1534 315 852 178 … … 这些已有的数据我们称之为训练集(Training Set)。我们通常使用
本笔记是我学习Coursera上Andrew Ng的机器学习课程的笔记。除了课上内容外我也会补充一些其他地方的资料。如有错误欢迎大家指正。 什么是机器学习(Machine Learning) 从维基百科里可以看到, Machine lear
2016考研顺利结束了,博客也好久没有更新了。这次主要想分享一下考研中对我有帮助的资料。 计算机专业考研的科目有政治、英语,数学和专业课。政治和英语所有学校都是一样的。英语有英语一和二的区别,数学也有数学一和数学二的区别,不同学校或者学硕专
ANSI标准中的c语言库函数有以下15个头文件
|
1 2 3 |
<assert.h> <float.h> <math.h> <stdarg.h> <stdlib.h> <ctype.h> <limits.h> <setjmp.h> <stddef.h> <string.h> <errno.h> <locale.h> <signal.h> <stdio.h> <time.h> |
一、输入输出:<stdio.h> 包含输入输出的函数、类型和宏。程序开始时,stdin、stdout
红黑树各种操作思路见 从B-树角度理解红黑树背后的原理 ,本文是红黑树的C++实现。但并没有全面的测试,如果大家发现了bug,欢迎指出。 本文的红黑树是从前面的BST继承而来,也是用到了AVL中用到的3+4重构和旋转操作。编译时要用到前面的
红黑树也是一种平衡二叉树,但并不像AVL那样严格。红黑树有一些等价的表述,其中比较流行的就是给结点染上红色或黑色。下面是一棵红黑树。 红黑树满足4条性质: 1. 根结点是黑色的(如果不是空树) 2. 外部结点是黑色的(外部结点是把NULL指
本文介绍的数据结构英文是B-tree,中文写作B-树,其中 – 并不是减号,而是连接符,读作B树。 B-树是一种平衡搜索树,但它的每个结点包含的元素可以多于2个,因此并不是严格意义上的二叉树。 B-树的结点类似如下: 这可以看做
伸展树也是一种平衡二叉搜索树,但它的平衡是在平均意义下的。伸展树中n次操作,每次的均摊复杂度是O(logn) 。而单独的一次操作,可能达到O(n)的复杂度。那么,与AVL相比,伸展树的优势又在哪里呢? 伸展树中,每次会把访问到的结点通过单旋
一般的二叉搜索树的高度并没有得到有效限制,在极端情况下,他甚至可以退化为一个链表。而对树高进行限制以达到O(logn)高度的二叉搜索树,又称为平衡搜索树。AVL树是最先发明的自平衡二叉查找树,它的名字来源于它的发明者 G.M. Adelso
二叉树的图形化显示最主要的一步就是计算每个结点的位置。得到位置后,可以使用命令行或者图形界面来显示。应该说使用图形界面可以在任意坐标处画图,实现起来要比命令行简单很多。本文介绍如何计算结点的横纵坐标,并分别给出命令行和基于QT的图形界面显示