摘要: package day03 object TraitDemo { def main(args: Array[String]): Unit = { val human = new Human println(human.name) println(human.distance) println(human.fight) println(human.run()) } } /** * 特质 */ tra 阅读全文
posted @ 2019-08-16 11:13 刘宇石 阅读(149) 评论(0) 推荐(0) 编辑
摘要: 伴生对象:与类名相同并且用Object修饰的对象, 类和伴生对象可以互相访问私有方法和属性 阅读全文
posted @ 2019-08-16 08:20 刘宇石 阅读(145) 评论(0) 推荐(0) 编辑
摘要: 在Scala中实现静态字段和静态方法的方式是用Object关键字来实现 1.工具类,存放常量和工具方法 2.实现单例模式 阅读全文
posted @ 2019-08-15 23:14 刘宇石 阅读(233) 评论(0) 推荐(0) 编辑
摘要: list 操作 阅读全文
posted @ 2019-08-15 13:30 刘宇石 阅读(105) 评论(0) 推荐(0) 编辑
摘要: 集合:Seq(序列), Set(集), Map(映射) Set Map 阅读全文
posted @ 2019-08-14 23:18 刘宇石 阅读(117) 评论(0) 推荐(0) 编辑
摘要: 元组 zip 方法 阅读全文
posted @ 2019-08-14 16:23 刘宇石 阅读(159) 评论(0) 推荐(0) 编辑
摘要: 方法定义: 函数定义: 数组: 定长: 变长: 阅读全文
posted @ 2019-08-14 08:17 刘宇石 阅读(110) 评论(0) 推荐(0) 编辑
摘要: 有了线性方程以及他的代价函数: 然后我们的目标就是通过调整 theta0, theta1 最小化 J 的值。 那么梯度下降算法的公式如下: alpha 是学习率,后面是对J和theta求偏导,以便得到这个点斜率,如果斜率为正就逐渐缩小theta,这样就逐步的调整到适合的theta 在Octave中表 阅读全文
posted @ 2018-11-29 00:27 刘宇石 阅读(148) 评论(0) 推荐(0) 编辑
摘要: 此处使用Octave来实现 线性方程的代价函数: 代价函数: X 是测试值,假设用矩阵表示为 为了方便用矩阵计算我们把X加一列 1 : 同时 那么h(X)的合就可以用矩阵乘法来计算 平方就可以用 y' * y, 因为要平方之后把所有向量内的项加到一起,原理就是每一项跟自己相乘然后相加到一起还是矩阵相 阅读全文
posted @ 2018-11-28 00:23 刘宇石 阅读(681) 评论(0) 推荐(0) 编辑
摘要: 关于矩阵相乘的规则 原来一直都是死记硬背的,因为当初没好好学,没有真正理解,其实矩阵就是线性方程的一种表现形式 比如 相当于 如果这么理解,是不是能更好的明白为什么是这样相乘相加了? 阅读全文
posted @ 2018-11-27 00:10 刘宇石 阅读(175) 评论(0) 推荐(0) 编辑