fill函数的作用是：将一个区间的元素都赋予val值。函数参数：fill(vec.begin(), vec.end(), val); val为将要替换的值；fill_n函数的作用是：参数包括 : 一个迭代器，一个计数器以及一个值。该函数从迭代器指向的元素开始，将指定数量的元素设置为给定的值。注意： 不能在没有元素的空容器上调用fill_n函数。...

监督学习指的是利用一组已知类别的样本调整分类器的参数，使其达到所要求的性能的过程。无监督学习指的是根据类别未知的训练样本来解决模式识别中的各种问题。常见的监督学习算法：LR、NB、KNN、SVM、RF、GBDT、XgBoost、AdaBoost等常见的无监督学习算法：K-means、Apriori、FP-Growth、DBSCAN等...

git checkout：除了创建分支，还可以用来切换分支（“检出”）。有时候，当前分支工作区存在修改而未提交的文件，与目的分支上的内容冲突，会导致checkout切换失败，这时候，可以使用git checkout -f进行强制切换。常用的切换分支命令格式： git checkout branchname。git checkout对象可以使分支，也可以是某个提交节点或者节点下的某个文件...

#include<iostream>#include<vector>#include<algorithm>using namespace std;void max_heapify(vector<int> &nums, int beg, int end){      int

           ELU激活函数           融合了sigmoid和ReLU，左侧具有软饱和性，右侧无饱和性。右侧线性部分使得ELU能够缓解梯度消失，而左侧软饱能够让ELU对输入变化或噪声更鲁棒。ELU的输出均值接近于零，所以收敛速度更快。在 ImageNet上，不加 Batch Normalization 30 层以上的 ReLU 网络会无法收敛，PReLU网...

KNN的主要优点有：1.理论成熟，思想简单，既可以用来做分类又可以做回归2.可以用于非线性分类3.训练时间复杂度比支持向量机之类的算法低3.和朴素贝叶斯之类的算法比，对数据没有假设，准确度高，对异常点不敏感4.由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属的类别，因此对于类域的交叉或重叠较多的待分类样本集来说，KNN方法较其他方法更为适合5.该算法比较适用于样本容量比较