- 综合排序
- 最热优先
- 最新优先
- 来自专栏老马说编程
计算机程序的思维逻辑 (2) - 赋值
赋值 上节我们说了数据类型和变量，通过声明变量，每个变量赋予一个数据类型和一个有意义的名字，我们就告诉了计算机我们要操作的数据。 有了数据，我们能做很多操作。但本文只说说对数据做的第一个操作：赋值。 基本类型的赋值 整数类型 整数类型有byte, short, int和long，分别占用1/2/4/8个字节，取值范围分别是： 类型名 取值范围 byte -2^7 ~ 2^7-1 short -2^15 ~ 2^15-1 int -2^31 ~ 2^31-1 long -2^63 ~ 2^63-1 我们用^表示指数，2^7即2的7次方。 ;//根据一些条件动态计算 int arr = new int[length]; 虽然可以动态确定，但定了之后就不可以变，数组有一个length属性，但只能读，不能改。 一个小细节，不能在给定初始值的同时还给定长度，即如下格式是不允许的： int[] arr = new int[3]{1,2,3} 这是可以理解的，因为初始值已经决定了长度，再给个长度，如果还不一致，计算机将无所适从
1K50发布于 2018-01-31 - 来自专栏WOLFRAM
计算思维@Torrey Pines 高中
她热衷于教学，即使是对于自己的数学课堂之外的学生，她一样满怀热忱，这也正是她创立CT@TP（计算思维@TorreyPines）的原因。 CT@TP是一个计算思维俱乐部，旨在培养学生"如何提出问题，如何把问题用计算机可以理解的方式提出以便让其来解决问题"的能力。 （干货共享在文末。） Abby不仅想将计算思维普及到自己的课堂之外，还想将Mathematica——这个自己数学课上使用的主要工具，介绍给高中一年级和二年级的学生。 在2016年Wolfram技术大会上，她亲眼目睹了Wolfram语言可用于计算思维的各种创新方式（参见“ Stephen Wolfram 的博客：如何训练孩子们的计算思维“ ），她深受启发, 创办了计算思维俱乐部 Abby、Emily和Shannon的故事殊途同归：她们每个人都找到了利用计算思维来探索个人兴趣的方法，每个人都通过CT@TP获得了动力。
83220发布于 2019-04-30 - 来自专栏信数据得永生
计算与推断思维 十五、分类
你仍然可以使用 K 最近邻分类器，但现在计算 3 维而不是 2 维距离，它还是有用。可以，很酷！ 事实上，2 或 3 没有什么特别之处。如果你有 4 个属性，你可以使用 4 维的 K 最近邻分类器。 计算机算法推广得很好：你需要的所有事情，就是计算距离的能力，这并不难。真是亦可赛艇！ 多维距离 我们知道如何在二维空间中计算距离。 计算最佳斜率可能需要几分钟的时间。 预测的计算可能需要几分钟的时间。
86920编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十三、预测
然而，你将会看到，这个计算很简单，可以帮助我们理解r的几个属性。 r的公式： r是两个变量的乘积的均值，这两个变量都以标准单位来衡量。 以下是计算中的步骤。 'y', y ) t x y 1 2 2 3 3 1 4 5 5 2 6 7 根据散点图，我们预计r将是正值，但不等于 1。 0.811107 0.237468 5 2 0.87831 -0.648886 -0.569923 6 7 1.46385 1.78444 2.61215 第三步：r是第二步计算的乘积的均值。 相关性r是负数（约 -0.5），但r^2是正数，所以sqrt(1 - r^2)是一个分数。 为了在数值上验证结果，我们只需要计算双方的一致性。
3K10编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 五、表格
第 1 行包含男性的计数，女性是第 2 行。 比较这两行可以看到，在 2014 年，美国的女性比男性多。 第 1 行和第 2 行的人口数加起来为第 0 行的总人口数。 0 1929449 48.85% 事实上，长期以来，新生儿中男孩的比例略高于 1/2。 are.not_equal_to(999)) females SEX AGE 2014 2 0 1929449 2 1 1931375 2 2 1935991 2 3 1957483 2 4 1961199 2 5 1962561 2 6 2024870 2 7 2032494 2 8 2015285 2 9 2010659 （省略了 91 行） males_all_rows = us_pop_2014 98 46208 2 99 32517 下图展示了年龄相关的性别比率。
79910编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十一、估计
十一、估计 原文：Estimation 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 在前一章中，我们开始开发推断思维的方法。 我们将用推断思维来回答这个问题。 基于随机样本的统计量可能是总体中未知参数的合理估计。例如，你可能希望使用家庭样本的年收入中位数，来估计美国所有家庭的年收入中位数。 12 2 23 2 14 1 20 3 25 4 19 1 24 5 8 6 14 （省略了 349 列） scores_and_sections.select('Midterm').hist(bins 她使用样本来计算用作估计值的统计量。 一旦她计算出了统计量的观察值，她就可以把它作为她的估计值，然后顺其自然。 但她是一名数据科学家。 resample_2 = our_sample.sample() resampled_median_2 = percentile(50, resample_2.column('Total Compensation
1.5K20编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十七、更新预测
那么我们的计算就变成了64 /(60 + 64)，就是 0.516。 所以计算只取决于不同类别的比例，而不是计数。 为了便于比较，比例可以用树形图可视化，直接显示在数据透视表下方。 这两个分支现在形成了我们的简化概率空间，所有几率的计算必须相对于这个简化空间的总概率。 所以，考虑到学生已声明专业，他们是三年级的几率可以直接从树中计算出来。 我们计算了其中的一个： 假设学生已经声明，学生是三年级的后验概率表示为 ，计算如下。 Positives列中的计数显示为什么它小于 1/2。 在阳性的人中，更多的人没有疾病而不是有疾病。 原因是，很大一部分人没有这种疾病。检测出假阳性的一小部分人比真阳性要多。 由于计算是正确的，我们来看看我们的概率计算的基础：随机性假设。 我们的假设是，一个随机选择的人进行了检测，并得到了阳性结果。但是这在现实中并没有发生。
43320编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 一、数据科学
计算机使我们能够从这些描述中推断出世界的特性。数据科学是使用计算从数据中得出结论的学科。有效的数据分析有三个核心方面：探索，预测和推理。 在这个努力中，我们将结合两个基本工具：计算和随机化。例如，我们可能想使用温度观测来了解气候变化的趋势。计算机允许我们使用所有可用的信息得出结论。 批判性思维一直是严格教育的标志，但在数据支持下，批判往往是最有效的。对世界任何方面的批判性分析，可能是商业或社会科学，涉及归纳推理；结论很少直接证明，仅仅由现有的证据支持。 ]) # Plot the cumulative counts: # how many times in Chapter 1, how many times in Chapters 1 and 2, 在这里，我们要求计算机来计算《哈克贝利·芬》和《小女人》的每章中的字符和句号数量。
65920编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 三、Python 编程
程序由表达式组成，向计算机描述了如何组合数据片段。 例如，乘法表达式由两个数字表达式之间的*符号组成。表达式，例如3*4，由计算机求值。 数值 整数值 计算机为执行数值计算而设计，但是关于处理数字有一些重要的细节，每个处理定量数据的程序员都应该知道它。 2e306 * 10 2e+307 2e306 * 100 inf 2e-322 / 10 2e-323 2e-322 / 100 0.0 第二个限制可以通过涉及超过 15 位有效数字的表达式来观察。 例如，表达式2 ** 0.5计算 2 的平方根，但是该值的平方不会完全恢复成 2。 为了计算changed，使用指数来重复应用增长率g t次。 initial * (1 + g) ** t 为了计算g，计算总增长率的1/t次方并减一。
49030编辑于 2022-12-01 - 来自专栏数据结构与算法
POJ 1113 Wall(思维 计算几何 数学)
因为总答案为凸包周长 + \(2 \pi l\) #include<cstdio> #include<cmath> #include<algorithm> using namespace std; const [i].x = read(), p[i].y = read(); sort(p + 1, p + N + 1); q[top = 1] = p[1]; for(int i = 2; (p[i]); double ans = 0; for(int i = 1; i < top; i++) ans += dis(q[i], q[i + 1]); ans += 2
60410发布于 2019-03-04 - 来自专栏信数据得永生
计算与推断思维 九、经验分布
但在许多情况下（包括这个），所有可能的样本数量足以超过计算机的容量，概率的纯粹数学计算可能有些困难。 这是经验直方图的作用。 这意味着反复模拟随机过程是一种近似概率分布的方法，不需要在数学上计算概率，或者生成所有可能的随机样本。因此，计算机模拟成为数据科学中的一个强大工具。 这里有两个这样的假设，大大简化，使我们的计算更容易。 战机有N架，编号为 1,2, ..., N。 观察到的飞机从N架飞机中均匀、随机带放回地抽取。 目标是估计数字N。 这是未知的参数。 如果你有一台计算机，经验分布更容易计算。 因此，当数据科学家试图理解统计的性质时，通常使用经验分布而不是精确的概率分布。 参数的不同估计 这里举一个例子来说明这一点。 例如，如果N等于 3，来自1,2,3的抽取结果的均值是2，2 x 2 = 4，它比N多了 1。“两倍均值”减 1 是N的无偏估计量。
97410编辑于 2022-12-01 - 来自专栏企鹅号快讯
每个学生都需要培养计算思维
每个学生都需要培养计算思维，可是为什么没有石头思维，蒸汽机思维，TNT思维？ 文中提出一个鲜明的观点：计算思维的教和学是新加坡人为数字世纪做好准备的关键，每个学生需要培养计算思维。 那么，计算思维到底是什么呢？ 如此来看，计算思维就是利用计算机科学的基本概念解决问题, 设计系统和理解人类行为的一种思维方式。 也就是说，计算思维是一种建立在计算机科学概念基础上的思维方式，它不局限于计算机。说到底计算机只是一种工具，这种工具的伟大之处在于它促使人们借此发展了思考问题的方式。
1.6K90发布于 2018-01-02 - 来自专栏iOS逆向与安全
计算机思维: 计算机的数据结构
在计算机科学中，数据的相对大小比绝对的数值重要，出于很多数据比大小的需求以及其他一些需求，就产生了一个抽象的数据结构——二叉树。 I 计算机的数据结构 数据结构+ 算法 = 程序 理解搭建计算机软件的模块——数据结构和算法。 把数据结构理解为盖房子的钢筋、门窗和大梁。 把算法理解成盖房子的结构原理。 具有线性表性质的例子： 报表、物资的记录可以被抽象为线性的数据，然后按照1、2、3、4、5的顺序排列出来。 电商交易的日志记录是按照所发生的时间顺序，一条条线性地记录下来。 计算机中线性表的实现方法 数组：一组编了号的固定大小的单元 。 数组的好处：给定一个序号，可以直接找出里面的内容。 在计算机中，它通常是通过数组实现的。相比一般的数组，它有三个优点： 动态增加或者删除一个数据项比较快。
34120编辑于 2023-09-11 - 来自专栏数据森麟
100种分析思维模型（2）
上次我介绍了第 001 号分析思维模型： 福格行为模型(点我) 下面开始介绍第 002 号分析思维模型： 杜邦分析模型 1. 应用杜邦分析模型的步骤： （1）从核心指标开始，逐层分解各个指标； （2）制作杜邦分析图，填入相关指标数据； （3）对比前后期数据，或者横向进行对比。 2. 应用举例 杜邦分析模型在财务分析、销售管理等领域都有着广泛的应用。 比如说，我用 Excel 做了一个杜邦分析模型，它体现了数据分析的对比思维和细分思维，就是把一些重要的财务指标，按月份进行对比，并层层进行分解。 ? 小结 杜邦分析模型带给我们的启示，是在日常工作和生活中，要有对比思维、细分思维和上游思维，深度参与和服务自己的上一个环节，争取在问题发生之前，就把问题解决掉。
56220发布于 2021-03-12 - 来自专栏云深之无迹
读书笔记（计算思维与Python编程）
使用函数可以帮助你更好地构建代码，并在需要多次执行相同任务或计算时避免代码重复。 我喜欢构建这个词，摘录了。 ●好的算法是抽象的：它不依赖于特定的编程语言或计算机系统。加入分层和原子化的思想。
55610发布于 2021-03-12 - 来自专栏信数据得永生
计算与推断思维 八、随机性
相反，你必须使用5 == 10/2，其计算结果为True。 例如，我们可以使用np.count_nonzero来计算五次投掷中的正面数量。 np.count_nonzero(tosses == 'Heads') 2 迭代是一个强大的技术。 数学是准确发现概率的主要工具，尽管计算机也可用于此目的。模拟可以提供出色的近似，具有很高的概率。在本节中，我们将以非正式方式制定一些简单的规则来管理概率的计算。 这个发生在大约 1/2 的重复中，所以： 这个计算通常按照事件顺序，像这样： 因数 1/2 叫做“假设第一次出现了绿色纸条，第二次出现红色纸条的条件几率”。 根据上面的计算，GR 和 RG 每个的几率都是 1/6。所以你可以通过把它们相加来计算一绿一红的概率。
1K30编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十四、回归的推断
一如既往，推断思维起始于仔细检查数据的假设。一组假设被称为模型。大致线性的散点图中的一组随机性的假设称为回归模型。 在每个复制品中，该函数自举原始散点图并计算所得回归线的斜率。 然后绘制所有生成的斜率的直方图，并打印由斜率的“中间 95%”组成的区间。 计算表明，真实斜率的约 95% 的自举置信区间左端为负，右端为正 - 换句话说，区间包含 0。 函数fitted_value计算这个高度。像函数的相关性，斜率和截距一样，它的参数是表的名称和x和y的列标签。但是它也需要第四个参数，即x的值，在这个值上进行估算。 如果模型不成立，那么假设模型为真的计算是无效的。 因此，在开始基于模型进行预测，或者对模型参数进行假设检验之前，我们首先要确定回归模型是否适用于我们的数据。
1.4K10编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 四、数据类型
比较 运算符 True 示例 False 示例 小于 < 2 < 3 2 < 2 大于 > 3 > 2 3 > 3 小于等于 <= 2 <= 2 3 <= 2 大于等于 >= 3 >= 3 2 >= 3 = 2 2 != 2 一个表达式可以包含多个比较，并且为了使整个表达式为真，它们都必须有效。 例如，我们可以用下面的表达式表示1 + 1在1和3之间。 例如，sum函数计算集合中所有值的和，len函数计算其长度。 （这是我们放入的值的数量。）一起使用它们，我们可以计算一个集合的平均值。 以下示例中的每对括号都是调用表达式的一部分；它调用一个无参函数来对数组highs进行计算。 让我们计算莱布尼茨的无穷和的前 5000 个项，看它是否接近 π。
83510编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 二、因果和实验
为了将你的思维带回正确的时间，试着想象一下 19 世纪 50 年代的伦敦。这是世界上最富裕的城市，但其中许多人却极度贫困。 它使我们能够以数学方式，计算随机化产生实验和对照组的可能性。 它使我们能够对实验组和对照组之间的差异作出精确的数学表述。这反过来帮助我们对实验是否有效作出正确的结论。
56610编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十、假设检验
_2).sum()/2 函数table_tvd使用函数total_variation_distance来返回表的两列中的分布的 TVD。 计算检验统计量的观察值通常是统计检验中的第一个计算步骤。 在我们的例子中，陪审团与总体之间的总变异距离的观察值是 0.14。 这个步骤包括在随机性的原假设下，计算出所有可能的检验统计量及其所有概率。 换句话说，在这个步骤中，我们假设原假设为真，并计算检验统计量的概率分布。 scores = Table.read_table('scores_by_section.csv') scores Section Midterm 1 22 2 12 2 23 2 14 1 20 3 34 （省略了 2 行） 现在我们的计划是，从班上随机挑选 27 名学生，并计算他们的平均分数。
82410编辑于 2022-12-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号