1. 什么是堆排序***********2. 大堆顶，小堆顶*********3. 构造堆*******************

1. 哈希表的定义**********************2. 哈希表的构造方法*****************3. 哈希表的解决冲突的方法*********4. 查找类方法的汇总*****************5. 下一天内容：排序*****************

1. 回顾队列的知识*************2. 循环队列定义***************3. C语言下的循环队列********4. Java语言下的循环队列*****5. 泛型SqCircleQueue********

文章目录1. ID31.1 要用到的包1.2 Java代码1.3 输出样例2. 未完，待续1. ID31.1 要用到的包都已上传免费资源。jdom.jarweka.jar1.2 Java代码package machinelearning.decisiontree;import java.io.FileReader;import java.io.FileWriter;import java.io.I

文章目录1. rideg回归1.1 岭回归的手动实现1.2 岭回归基于正规方程1.3 岭回归使用scikit-learn1. rideg回归1.1 岭回归的手动实现描述手动实现，就是，根据上一篇博客的线性回归，里面岭回归公式的推导，一步一步来实现。- 均方误差：MSE- 损失函数- 求导：最小二乘法代码在这里插入代码片1.2 岭回归基于正规方程描述W=(XTX+λI)−1XTYW=(X^TX+\l

  我们根据贝叶斯决策论，或者说是贝叶斯分类原理，首先得到的是一个期望损失【R(ci∣x)=∑j=1NλijP(cj∣x)R(c_i|x)=\sum_{j=1}^N\lambda_{ij}P(c_j|x)R(ci​∣x)=∑j=1N​λij​P(cj​∣x)】。贝叶斯判定准则就是要让总体风险最小，从而可推到要求部分风险最小【h∗(x)=arg minc∈YR(c∣x)h^*(x)=arg\ min