就是说，在类中函数传递的过程中，会出现一种特殊情况，那就是，定义类，其实在某种程度上是定义了一种数据类型，但是他的创建是用我们已知的数据类型组合而成的，如果组合的时候，已知的数据类型只有一个，比如说，Myclass(int x)理论上，我们使用函数的时候，直接把int类型带进去也可以计算的，因为在编译器中，他针对这种单变量的class或者是多变量，但是有默认值的class进行了隐式转换，让你能使用

栈这个东西也太牛逼了，他就像放盘子一样，他可以像科学计算器一样，智能的横向计算括号问题，也就按照人类的计算方式，去计算科学计算器的时候，肯定是先浏览式子，然后再找最里面的括号，然后再一层一层往外走，高效，但是如果嵌套太多的话，人类会迷失在里面，而有了栈这个东西，再多的括号都无所畏惧，他不需要将式子迭代嵌套，而是用栈存起来，等到遇见了后括号，栈就发现，哦，这下该计算了。先计算系数，这个是一样的。大概

（1）类是一种蓝图或者模板，用于定义对象的属性和行为，类通常包括：属性，也就是静态特征，方法，也就是动态特征。属性描述对象的特征，在初始化中输入或者直接写入，方法就是针对于类的函数（2）而对象就是类的具体实例化，比如class Solution: sol=Solution() 类是定义对象的规则和结构，而对象是实际使用类的实例。类可以看作是“设计图”，而对象是根据设计图构建出的“实物”。（3）面向

1.PCA 主成分分析用于特征提取、可视化和分类根据要求，我在第一个代码框中完成了从指定路径提取图像数据，将其转换为灰度图像并将其展平。在这里，我将数字 88 设置为我的照片的标签，然后将所有 10 张照片传入代码。然后我定义了 PCA 函数，计算居中数据，计算协方差矩阵，并计算协方差矩阵的特征值和特征向量。然后对特征向量进行排序，并保留最大的 n 个特征向量。接下来，我将图像的维数降低到 2D

1.PCA 主成分分析用于特征提取、可视化和分类根据要求，我在第一个代码框中完成了从指定路径提取图像数据，将其转换为灰度图像并将其展平。在这里，我将数字 88 设置为我的照片的标签，然后将所有 10 张照片传入代码。然后我定义了 PCA 函数，计算居中数据，计算协方差矩阵，并计算协方差矩阵的特征值和特征向量。然后对特征向量进行排序，并保留最大的 n 个特征向量。接下来，我将图像的维数降低到 2D