随笔分类 - 大三下学习
摘要：利用MapReduce进行去重 对下列这段文本进行去重： 解题思想： 首先本题采用mapreduce那么肯定是要使用三个类：mapper，reducer和主启动类 其实考察的点是：reduce合并的时候按key合并，key不变将相同key的value值合并，所以只需要将key当做文本内容，value
阅读全文
摘要：junit单元测试总结 《JUnit 中常见的断言指令及示例》 第一参数都可以为提示信息 在 JUnit 测试框架中，断言指令用于验证程序的预期行为和实际行为是否一致。当断言失败时，JUnit 会抛出 AssertionError 异常，从而标记测试用例失败。下面为你介绍 TestMD.java 文
阅读全文
摘要：案例2最大公因数更相减损法 主程序 package test; import java.util.Scanner; public class CommonDivisor { public static void main(String[] args) { int num1, num2, bcd; S
阅读全文
摘要：案例三nextday程序 项目结构： 、 测试代码TestMD import junit.framework.TestCase; import org.junit.Test; import test.MyDateNew; import static org.junit.Assert.*; publi
阅读全文
摘要：任务要求：输入4个数字，进行+-*/各种运算拼凑出24 现在用junit测试看是否输入的4个数字能拼凑出24，还有就是对比满足条件的第一个式子是否为8/(3-8/3)即预期值8/(3-8/3) 项目框架： 业务代码： 实现24点（这个不是本课程重点） // // Calc24.java // //
阅读全文
摘要：第三章作业做错的题 1.区分gallery和template： galley（画廊）的定义：gallery就是提前展示一些备选项additional，alternative的效果 所以选D galleries template定义： template（模版）的定义： 基于你的选择提供预设计样式、布局
阅读全文
摘要：第四章决策树实验 核心：sklearn库使用！ 1.基于ID3算法的决策树（解决葡萄酒分类问题） 信息增益 from sklearn.tree import DecisionTreeClassifier #导入决策树 from sklearn.model_selection import train
阅读全文
摘要：第四章决策树课堂测试 解： 泛化误差又叫估计误差：在新样本（测试样本）上的误差 经验误差又叫训练误差：在训练集上误差 误差：指的是模型输出（predict）与样本的真实标签之间的差异 所以选B 解： 选C 因为基于ID3的决策树是不能处理连续数据 但是基于C4.5或cart算法的决策树是可以处理离散
阅读全文
摘要：第三章KNN算法实现实验拓展 2．编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 关键：划分数据 代码： from sklearn.neighbors
阅读全文
摘要：1.等水平正交表 每个条件下的种类一样多 例1： 这是一个7因子2状态 列表里内部每一个[]表示一个因子，然后每个因子都有2种类型 #7因子2状态 from allpairspy import AllPairs parameters = [ ["Chrome", "Firefox"],#因子1有"C
阅读全文
摘要：线性回归 一元： （1）手工最小二乘法 import numpy as np a=np.loadtxt("homespace_price",delimiter=',',dtype=float) homespace=a[:,0] price=a[:,1] x_avg=np.average(homesp
阅读全文
摘要：基于输入域的方法 一.边界值法 例题1： 解： 输入域：姓名，年龄 等价类划分： 对于姓名：(字符长度） 边界点：1,20 测试数据：0,1,2,19,20,21 对于年龄： 边界点：18,60 测试数据：17,18,19,59,60,61 测试用例：（6+6=12个） ID 姓名 年龄 预期结果
阅读全文
摘要：1.点乘 .dot() 2.转置 .T 3.求逆矩阵 np.linalg.inv() 4.拼接(返回变化后，但是并不对原来对象更改） np.concatenate((要拼接的ndarray对象),axis=按哪个维度拼接) axis=0 -->行增加 axis=1-->列增加 对于如果只有一个维度的
阅读全文
浙公网安备 33010602011771号