精华内容
下载资源
问答
  • Lua基础---一维数组与多维数组

    千次阅读 2017-07-18 11:51:58
    Lua语言中,数组和C还是有区别的,Lua的数组下标从1开始计数,而C语言的数组下标从0开始计数,我想这可能是... 接下来看1个例子: test7.lua--一维数组,数组的成员是字符串 array = {"Lua","Study"}; for i = 1 , 2 do

    Lua语言中,数组和C还是有区别的,Lua的数组下标从1开始计数,而C语言的数组下标从0开始计数,我想这可能是设计Lua的人想要符合人的思维习惯而去这么设计的。

    数组,也就是按相同类型,在内存中顺序排列的一个组合,这点跟C基本没多大的差别。

    接下来看1个例子:

    test7.lua

    --一维数组,数组的成员是字符串
    array = {"Lua","Study"};
    for i = 1 , 2 do
        print(array[i]);
    end
    --一维数组,数组的成员是整型数据
    array1 = {1,2,3,4,5,6,7,8,9,10};
    for i = 1 , 10 do 
        print(i);
    end
    
    
    --循环执行次数
    --第一次 i = 1 , j = 1 , array[i][j] = i * j = 1 * 1 = 1 
    --第二次 i = 1 , j = 2 , array[i][j] = i * j = 1 * 2 = 2 
    --第三次 i = 2 , j = 1 , array[i][j] = i * j = 2 * 1 = 2 
    --第四次 i = 2 , j = 2 , array[i][j] = i * j = 2 * 2 = 4
    --初始化一个2 * 2 的多维数组
    array = {}; 
    for i = 1 , 2 do
       array[i] = {} ;
       for j = 1 , 2 do
         array[i][j] = i * j ;  
       end
    end 
    --打印这个数组的值
    for i = 1 , 2 do
       for j = 1 , 2 do
        print(array[i][j]);
    end 
    end
    解释运行: lua test7.lua

    运行结果:

    Lua
    Study
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    1
    2
    2
    4


    展开全文
  • 简单理解:一维单高斯 多维单高斯 混合多高斯GMM

    万次阅读 热门讨论 2017-09-01 23:59:05
    简单理解:一维单高斯 多维单高斯 混合多高斯GMM

    强迫症超级严重,在学习中,又总是遇坑,弄不明白的地方就难受,不明白的必须要想明白,不然信不信能失眠到天亮,某人说的思维惯性真的是会冲到黎明的,我保证我能感同身受。
    简单的高斯分布,全部理解清楚就花了我好久的时间,今天总算全部打通,记录我下我的理解。
    遇到问题:对单高斯,混合单高斯,多维单高斯,等概念混淆,一直理解得乱糟糟,一不小心就混淆。
    解决问题:由浅及深,从概念,到公式推导,最后全部理解清楚。

    ##单高斯

    若随机变量X服从一个数学期望为 μ \mu μ,标准方差为 δ 2 \delta^2 δ2的高斯分布,记为:

    N ∼ ( μ , ) δ 2 N\sim(\mu,)\delta^2 N(μ,)δ2。则气概率密度函数:

    f ( x ) = 1 δ 2 π e − ( x − μ ) 2 2 δ 2 f(x)=\frac{1}{\delta\sqrt{2\pi}}e^{-\frac{{(x-\mu)}^2}{2\delta^2}} f(x)=δ2π 1e2δ2(xμ)2

    正太分布的期望值 μ \mu μ决定了其位置,标准方差 δ 2 \delta^2 δ2决定了其幅度。
    标准正太分布是 μ = 0 \mu=0 μ=0 δ = 1 \delta=1 δ=1。如下图所示:

    一维单高斯

    ##多维单高斯

    那么问题来了,多维单高斯是如何由一维单高斯发展而来的呢?
    首先我们一维正太分布单高斯可以表示如下:

    p ( x ) = 1 2 π e x p ( − x 2 2 ) p(x)=\frac{1}{\sqrt{2\pi}}exp(-\frac{x^2}{2}) p(x)=2π 1exp(2x2)

    p ( x , y ) = p ( x ) p ( y ) = 1 2 π e x p ( − x 2 + y 2 2 ) p(x,y)=p(x)p(y)=\frac{1}{\sqrt{2\pi}}exp(-\frac{x^2+y^2}{2}) p(x,y)=p(x)p(y)=2π 1exp(2x2+y2)

    我们可以把这两个随机变量组合成一个随机向量: v = [ x , y ] T v=[x , y]^T v=[x,y]T

    p ( v ) = 1 2 π e x p ( − 1 2 v T v ) p(v)=\frac{1}{\sqrt{2\pi}}exp(-\frac{1}{2}v^Tv) p(v)=2π 1exp(21vTv)

    然后从标准正态分布推广到一般正态分布,办法是通过一个线性变换: v = A ( x − μ ) v=A(x-\mu) v=A(xμ)

    p ( x ) = ∣ A ∣ 2 π e x p [ − 1 2 ( x − μ ) T A T A ( x − μ ) ] p(x)=\frac{|A|}{\sqrt{2\pi}}exp[-\frac{1}{2}{(x-\mu)}^TA^TA(x-\mu)] p(x)=2π Aexp[21(xμ)TATA(xμ)]

    其中前面的系数 |A| 是 A 的行列式。

    可以证明这个分布的均值为 μ \mu μ,协方差为 ( A T A ) − 1 (A^TA)^{-1} (ATA)1。记 Σ = ( A T A ) − 1 \Sigma = (A^TA)^{-1} Σ=(ATA)1,那就有:

    p ( x ) = 1 2 π ∣ Σ ∣ 1 / 2 e x p [ − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ] p(x)=\frac{1}{2\pi|\Sigma|^{1/2}}exp[-\frac{1}{2}{(x-\mu)}^T\Sigma^{-1}(x-\mu)] p(x)=2πΣ1/21exp[21(xμ)TΣ1(xμ)]

    高维情形,假设有 N N N个数据 X → = { x 1 , x 2 , . . . x n } \overrightarrow{X}=\{x_1,x_2,...x_n\} X ={x1,x2,...xn},
    每个 X → \overrightarrow{X} X 数据是D维的,则:

    N ( x ∣ μ , Σ ) N(x | \mu,\Sigma) N(xμ,Σ)= p ( x ) = 1 2 π D / 2 1 ∣ Σ ∣ 1 / 2 e x p [ − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ] p(x)=\frac{1}{\sqrt{2\pi}^{D/2}}\frac{1}{|\Sigma|^{1/2}}exp[-\frac{1}{2}{(x-\mu)}^T\Sigma^{-1}(x-\mu)] p(x)=2π D/21Σ1/21exp[21(xμ)TΣ1(xμ)]

    贴一张多维单高斯仿真图瞅瞅,留个印象,如下图所示:
    此处缺图:具体可参考以下地址:
    https://blog.csdn.net/lin_limin/article/details/81024228

    看上图觉得还蛮复杂的是不是,实际上它只是一个:
    $\mu=
    \begin{bmatrix}
    0 & 0 \
    \end{bmatrix}
    ;
    \sigma=
    \begin{bmatrix}
    0.3 & 0 \
    0 & 0.35 \
    \end{bmatrix}
    $ 的二维单高斯。

    ##高斯混合模型GMM(Gaussian Mixture Model)

    那么看过一维单高斯,多维单高斯,我们来看看经常被提到的GMM是个什么东东,GMM的中文意思其实就是高斯混合模型。单高斯意思是只有一个高斯,而GMM就是有多个高斯混合而成。字面意思可以理解有两个或者两个以上的高斯混合一起的可以被称为GMM。每个高斯实际就是一个component,而每个component可以是一个一维单高斯也可以是一个多维单高斯。
    下面看一下GMM比较专业的定义:

    统计学习的模型有两种,一种是概率模型,一种是非概率模型。
    所谓概率模型,是指训练模型的形式是 P ( Y ∣ X ) P(Y|X) P(YX)。输入是 X X X,输出是 Y Y Y,训练后模型得到的输出不是一个具体的值,而是一系列的概率值(对应于分类问题来说,就是输入 X X X对应于各个不同 Y Y Y(类)的概率),然后我们选取概率最大的那个类作为判决对象(软分类–soft assignment)。所谓非概率模型,是指训练模型是一个决策函数 Y = f ( X ) Y=f(X) Y=f(X),输入数据X是多少就可以投影得到唯一的 Y Y Y,即判决结果(硬分类–hard assignment)。
    所谓混合高斯模型(GMM)就是指对样本的概率密度分布进行估计,而估计采用的模型(训练模型)是几个高斯模型的加权和(具体是几个要在模型训练前建立好)。每个高斯模型就代表了一个类(一个Cluster)。对样本中的数据分别在几个高斯模型上投影,就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。
    从中心极限定理的角度上看,把混合模型假设为高斯的是比较合理的,当然,也可以根据实际数据定义成任何分布的Mixture Model,不过定义为高斯的在计算上有一些方便之处,另外,理论上可以通过增加Model的个数,用GMM近似任何概率分布。
    混合高斯模型的定义为: p ( x ) = ∑ k = 1 K π k p ( x ∣ k ) p(x)=\sum_{k=1}^{K}\pi_{k} p(x|k) p(x)=k=1Kπkp(xk)
    其中$K 为 模 型 的 个 数 ; 为模型的个数; \pi_k 为 第 k 个 高 斯 的 权 重 ; 为第k个高斯的权重; kp(x | k)$ 则为第 k k k个高斯概率密度,其均值为 μ k \mu_k μk,方差为 δ k \delta_k δk。对此概率密度的估计就是要求出 π k \pi_k πk μ k \mu_k μk δ k \delta_k δk各个变量。当求出 p ( x ) p(x) p(x)的表达式后,求和式的各项的结果就分别代表样本 x x x属于各个类的概率。
    下面看一个GMM仿真图,在心里留个印象,如下图所示:

    ###EM算法

    展开全文
  • 一维数组是一条线 二维数组是一页纸 三维数组是一本书 四维数组是书架 五维数组是图书室2201(好几个书架) 六维数组是图书馆某一层,2楼/3楼,好几个图书室 七维数组是整个图书馆 第N维数组是...

    以图书馆来举例

     

    一维数组是一条线

    二维数组是一页纸

     

    三维数组是一本书

    四维数组是书架

     

    五维数组是图书室2201(好几个书架)

     

    六维数组是图书馆某一层,2楼/3楼,好几个图书室

    七维数组是整个图书馆

    第N维数组是宇宙.........................

     

     

     

    展开全文
  • 多维数组就是在一维数组上再次定义二维数组或三维数组等。 ​ 一维数组定义 int [] array = { 1, 2 , 3} //定义三个长度的二维数组,其数组的每一个元素是一个一维数组 int [][] arrays = {{} ,{} ,{}} ; ...

    一、二维数组以及多维数组

    1、二维数组定义:

    ​ 在一维数组中定义每一个元素也是一个数组元素,这样的数组称为“二维数组”

    ​ 多维数组就是在一维数组上再次定义二维数组或三维数组等。

    ​ 一维数组定义 int [] array = { 1, 2 , 3}

     //定义三个长度的二维数组,其数组的每一个元素是一个一维数组 
     int [][] arrays = {{}{}{}} ;  
     或者
     int [][] arrays = new int [3][2];  // 左边的【】中表示二维数组的长度  ,其中2可以省略,3 不能省略 
      // 注意: 等号左边有几个【】 就表示几维
     
    

    在这里插入图片描述

      //  1、定义二维数组
            int [][] array;
            //  定义时给二维数组赋值  3个长度的二维数组  里面的一维数组的长度不一定相等
            int [][] array2 = {{1,2,3},{4,5},{7,8}};
            //  定义时只指定大小 不给定初始值
            int [][] array3 = new int[3][]; // 等价 {{},{},{}}
           // array3[0][0]=1; // 赋值时 空指针异常 ,因为里面的一维数组是空的
    
            //定义一个3个长度的二维数组,里面的元素长度是2
             int array4 [][] = new int[3][2];
             //给元素赋值
            array4[0][0] =1;
    
      // 输出二维数组中的所有元素
            for(int i=0;i<array4.length;i++){
               // System.out.println(array4[i]);
                for(int j=0;j<array4[i].length;j++){
                    System.out.println(array4[i][j]);
                }
            }
    

    二、二维数组的应用

    1、定义5*5的矩阵,计算最大值最小值

    2、五子棋游戏
    一、面向对象语言编程

      Java是一门面向对象的编程语言(OOP),万物皆对象
    

    面向对象初步认识,在大多数编程语言中根据解决问题的思维方式不同分为两种编程语言

    1、面向过程编程

    2、面向对象编程

      	面向过程                                    	面向对象                            
    

    区别 事物比较简单,可以使用线性思维解决,具体每一个实现步骤清晰可见 事物比较复杂使用简单的线性思维无法解决,存在对象与对象之间的引用
    共同点 1、都是为了解决实际问题的一种方式 2、当解决复杂问题时,面向对象是从宏观角度把握问题的整体,面向过程是从微观角度实现具体细节,两者之间相辅相成

    以 每天下楼吃饭为例:

    面向过程: 面向对象

    1、下楼找餐厅 1、下楼找餐厅

    2、看菜品,并熟悉掌握你吃的每一道菜的 2、我要开吃了 (不关注具体菜的细节)

    来源,制作流程,烹饪手法等具体细节         3、吃完了   
    

    3、吃这道菜

    二、Java的面向对象编程

    Java作为面向对象的语言,关于面向对象语言的核心概念

    1、类和对象

    类: 一类事物的抽象的模板,在现实世界中 类就是任意一类事物 ,在程序中类就是一个描述这类事物的类文件。

    对象: 在这一类事物中,具体的某一个个体就是对象 ,在程序中对象就是new出来的有内存空间

    2、类和对象的关系

    类和对象的关系: 类是抽象的而对象是具体的, 对象是由类创建的实例(new出来的)

    类的组成(人类):
    
             类名:  给某一类事物取个名字: People 
    
            静态的特征称为属性:  姓名,年龄,身高,体重  (定义变量的语法)
    
            动态的行为称为方法: 吃饭,睡觉,打豆豆 (方法的定义依然满足之前所学)
    
    类的实现:
    
            在一个类文件(People)中,定义属性和方法 
    
     对象的实现
    
          通过类名创建这个类的对象。 
    

    注意 类名不能直接访问 它里面的属性和方法的,必须由类的对象访问

    package com.j2008.init;
    
    /**
     * ClassName: People
     * Description:
     * date: 2020/10/7 11:06
     *  创建一个People类  ,并定义这个类的属性(静态的特征)
     *  和 这个类的方法 (动态的行为)
     *
     * @author wuyafeng
     * @version 1.0   softeem.com
     */
    public class People {
        // 定义姓名属性   数据类型 和属性名 = [初始值]
        String name="张三";
        // 定义性别属性
        String sex="男";
        // 定义身高属性
        double height =1.75;
        // 定义体重属性
        double weight = 140;
    
        /**
         * 定义吃饭的行为(方法)
         */
        public void eat(){
            System.out.println("正在吃饭");
        }
    
        /**
         * 定义睡觉方法
         */
        public void sleep(){
            System.out.println("正在睡觉");
        }
    
        /**
         * 定义打豆豆方法
         */
        public void playGame(){
            System.out.println("正在打豆豆");
        }
        // 计算两个数相加
        public int add(int a, int b){
            return a+b;
        }
    
    
    }
    
    
    public static void main(String[] args) {
             //  不同通过People直接访问它 需要创建类的实例,也就是对象
            //  创建对象的过程称为类的实例化
            // 语法: 类名  对象名   =  new  类名() ;
            People people = new People();
            // 这时候才可以通过对象名 访问这个对象具有的属性 和 方法
             // 对象名.属性名
            // 对象名.方法名([实参])
            System.out.println("这个对象的属性name :"+ people.name);
            System.out.println("这个对象的属性 sex :" + people.sex);
            System.out.println("这个对象的属性 weight :"+ people.weight);
            System.out.println("这个对象的属性height:"+ people.height);
            // 调用对象的访问
            people.eat();
            people.sleep();
            people.playGame();
           int result =  people.add(2,4);
            System.out.println("这个对象还可以计算 结果:"+result);
    
        }
    

    在类中定义的属性,称为“成员属性” ,在类中定义的方法称为“成员方法”

    3、面向对象的特征

      面向对象的三大特征: 封装、继承、多态  
    
      封装: 将类中成员属性 私有化,并提供公有的访问属性的方法。 为了最大程度保护类中属性的隐蔽性(不被其他对象改变。) 
    
     继承: 用于定义类与类的关系的方式 ,一个类可以继承一个类。 
    
     多态: 在继承关系中,一个类的对象可能呈现不同的状态。 
    

    4、构造器(Construct):

     定义: 在创建对象时被自动调用的特殊方法,也称为构造方法。   在一个类中除了包含属性,方法以外,还可以包含 构造器(构造方法) 
    
     每一个类都自带一个无参构造器,也可以在这个类中定义多个构造器,多个构造器之间称为“构造器重载”  
    

    语法:

      访问修饰符 类名([参数列表]){
          
      } 
    

    例如

    public	class	Student{
        
         //无参构造器
        public	Student	(){
            System.out.println("这是一个无参构造器");
        }
    }
    

    构造器的作用:

     1、用于创建对象自动调用  ,并可以给对象的属性赋初始值
    
       public	class	Student{
             String	name;//对象的属性
           //有参构造器
           public	Student	(String	name1){
                name=name1;
          }
             //注意一个类中如果存在有参构造器,那么它的无参构造器被覆盖。
      }
    
    创建对象:
       Student	stu	=	new	Student("张三");
         //这里会自动调用有参构造器	并将“张三”赋值给name1,由于自动执行以上构造器,将name1的值赋值给name,这个name就是对象的属性
         System.out.print(stu.name);//张三
    

    类与类的关联关系 :

    如果在一个类中引用另一个类,那么这两个类属于关联关系,

    例如一个小明同学养了一条狗,如何通过面向对象的方式定义小明同学用于狗的关系

    思路: 定义一个People类,其中name属性 ,

    	定义一个Dog类  包含dogName  ,dogColor 
    
                将People类与Dog类关联关系 ,在People类中 创建Dog类的引用 
    
    public class People {
        String name;
         // 在People类中 建立 People对象与Dog对象的关系
        Dog dog;
    
        public People(String name){
            this.name = name;  // 将形参name 赋值给 当前对象的成员属性name
        }
    
    }
    
    
    
    
    public class Dog {
        // 由于以下属性 属于狗的特征,所以必须放在Dog类中,而不能放在People类
        String dogName;
        String dogColor;
    
        /**
         * 创建Dog对象时 初始化狗的基本属性
         * @param dogName
         * @param dogColor
         */
        public Dog(String dogName ,String dogColor){
            this.dogName = dogName;
            this.dogColor = dogColor;
        }
    }
    
    
     public static void main(String[] args) {
            // 先创建一个小明同学
            People people = new People("小明同学");
            System.out.println("people.dog:"+people.dog);
            // 再创建一个 Dog对象
            Dog dog = new Dog("拉布拉多","灰白");
            System.out.println("dog:"+dog);
             、 //设置dog和people对象的关系
            people.dog = dog;
            System.out.println("people.dog:" +dog);
    
        }
    
    people.dog:null
    dog:com.j2008.construct.Dog@4554617c
    people.dog:com.j2008.construct.Dog@4554617c
    

    玩一个小游戏(石头,剪刀,布),定义一个裁判类(Judger),属性包括裁判姓名,两个玩家对象,判断输赢的方法(赢的一方 加1分,输的一方减1分 平的不加不减。), 定义一个玩家类(Player),包含玩家姓名,积分,和出拳的行为(1:石头:2:剪刀:3:步,)并返回出拳值。 通过构造裁判对象时给玩家对象赋值

    开始游戏: 创建1个裁判,2个玩家,分布玩10次,最后统计 玩家输赢和得分

    展开全文
  • 下面是一维、二维、三维的现实状态,人类的想象力有限,高于思维的很难找到现实,但是对于计算机来说,可以表示任意维度的数组 一维 长度为12的一维数据 二维 第一维是长度为4(括号①内有多少元素),第二维是...
  • 思路:递归思维$arr = [[1,2,3,["active","hello"]],[7,[10,[21,"mmm"]]]]; function multi_to_one($arr){ $res = array(); foreach($arr as $v){ if(!is_array($v)){ array_...
  • 思维导图为概率论以为随机变量及其分布的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸
  • 先从简单的二维转一维,比如将[1,[2,3]]转成[1,2,3],利用面向过程的思维编码如下 // 二维转一维 function flatten(arr){ var result=[]; for(var i=0,len=arr.length;i;i++){ if(typeof arr[i]==='object')...
  • I'm trying to access a part of a multidimensional array in Matlab - it could be done like this: X(2:3, 1:20, 5, 4:7)However, neither the number of elements, nor the ranges are fixed, so I want to prov...
  • 思维导图为概率论多维随机变量及其分布的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸
  • 题意:问是否始终能找到个k-1的空间能将k空间中的n个点区分开,n个点只有两种颜色选择。 思路:仔细分析,但凡n比k-1大2及以上都无法实现,即n-k>1都不满足。 代码实现: #include<bits/stdc++.h>...
  • 你现在被困在个三地牢中,需要找到最快脱离的出路! 地牢由若干个单位立方体组成,其中部分不含岩石障碍可以直接通过,部分包含岩石障碍无法通过。 向北,向南,向东,向西,向上或向下移动个单元距离均需要...
  • r语言与多维统计 Project Xanadu™[1]相关的各种项目之是ZigZag™,ZigZag™是种组织器系统或思维导图工具,围绕着称为ZZStructures的扭曲多维空间构建。 从开始,我们就希望使该系统可编写脚本。 一些...
  • 经典的理论都巧妙地、方法统一地利用的是反向思维,这个词也许形容的不是很确切。就是见到靶子了,然后说,你看我打了10环。在没见到靶子之前,不说话。打歪的靶子不给你看。这样让你每次看到的都是十环,你就觉得其...
  • 在理解多维数组的时候,可以按照(batch_size,height,width,channel)理解,对应彩色图像是RGB(在caffe中,传入的是channel,height,width) 二数组的理解,(height,width)x.nidm可以知道维度, ...
  • 高数————思维导图(上岸必备)(极限连续)

    千次阅读 多人点赞 2020-05-21 09:41:05
    思维导图为高数极限连续的大纲以及基本解题思路,内容较为详细。同时还附有考研必须掌握的基本课外知识点的思维导图。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸
  • 多维思考

    2008-11-23 10:23:43
    数学家在研究多维问题的时候(大于等于二维),有一种投影的思想,就是将n维的问题多次投影到不同的某一维或者某几维来分析,从而简化问题的分析。 将其推广到一般问题的解决上,那么我们应该做些什么呢?首先,...
  • DP,下面详解, dp[k][i][j]表示现在已经放了k个数,已经构造出i行和j列包含最大值的点,(从大到小填数) 也就是说这个局势下有i*j个极大值, 下面考虑转移,如果下个数不放在i行其中行,因为是从大到小放,...
  • 这篇博文讲解的是本人多多维数组和多维空间的理解。这里使用到了新的理解的方式,...一维空间表示线段,二维表示面,三维表示立体空间,四维表示在某个时间段中的立体空间。后者包含前者。具体为:线组成面,面组成立
  • 思维导图为概率论随机事件概率的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸
  • 数组 int[][][] Pro1 = { { {10,132,53,634,19}, {11,33,433,543,18}, {234,345,53,65,17}, {33,980,132,53,16} }, { {201,345,53,65,15}, {11,211,33,433,14}, {124,10,53,13}, ...
  • 思维导图为概率论大数定律中心极限定理的大纲以及基本解题思路,内容较为详细。该思维导图为本人依照张宇闭关修炼2020所制作,希望能帮助大家顺利上岸
  • 几天前跟同事讨论个很有趣的问题,一直想写下来结果总没有时间,今天终于有时间了。 如题:php如何比较两个二数组是否相同? 这个问题我在群里也问了很多人,大多数就是遍历了 有的人遍历次,有的人遍历两次。...
  • 今天在个java学习群里偶然看到段代码,如下所示。 public static void main(String[] args) { int data [][] ={{1,2,3},{4,5,6},{7,8,9}}; int dataTest[][]; dataTest = Arrays.copyOf(data, data....
  • 数据分析()——数据分析思维

    千次阅读 2020-10-04 18:47:27
    这篇文章具体的给大家介绍数据分析中最为核心的技术之—— 数据分析思维 的相关内容。 、数据分析的三种核心思维   作为新手数据分析师或数据运营,在面对数据异常的时候,好多小伙伴都会出现:“好像是A引起...
  • 在理解复数和虚数之前我们先看如何表示个笛卡尔积坐标系下过原点的向量,如下图所示 图 向量之间还可以通过加法来合成,如下图二所示 图二 除此之外向量之间还有点乘和叉乘,但唯独没有向量乘法,即:...
  • java条for循环打印多维数组

    千次阅读 2017-02-03 00:03:45
    使用条for语句打印多维数组,上代码:public class Main { public static void main(String[] args) { System.out.println("----------二数组----------"); int arr[][] = { {1,1,1},{2,2,2},{3,3,3}
  • OLTPOLAP——关系型数据与多维数据

    千次阅读 2007-09-07 23:09:00
    OLTP:联机事务。是对关系型数据库进行联机查询,简单来说就是SELECT语句,对多个关系表进行连接查询直接...OLTP不同的是,OLTP是整个数据中心的某个部门里的个片面描述,OLAP则是整个数据中心总体状况的个描述
  • 一分钟看懂一维空间到十维空间

    千次阅读 2018-12-16 23:08:54
    如果把一到十维度的空间用一张图来表达,你是否会看得明白呢?根据弦理论,粒子被看作是长度为普朗克尺度一维弦,在引入费米子的座标后,科学家提出了超弦理论。超弦理论暗示的平行宇...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,213
精华内容 2,085
关键字:

一维思维与多维思维