当前位置: 首页 > news >正文

数据结构 图

目录

前言

一,图的基本知识

二,图的表示法:边列表

 三,图的表示方法:邻接矩阵

四,图的表示方法:邻接表

 五,功能

总结


前言

图是一个非常有意思东西,可以运用到生活中的很多很多的领域


一,图的基本知识

这个是树和图各个的关系

图的顶点集和边集的表示 

顶点集VV={v1,v2,v3,v4…v9}
边集EE={ {v1,v2},{v1,v3}…{v8,v9}}

图有两种类型

1,有向图     2,无向图     
     (无序对)        (单向对)
比如社交网络就是无向图,网络链接就是无向图

单向图双向图

加权图

加权就是给每个路径赋予长度值,我们把加权值加起来就可以算出最短路径了
(每个链接有不同的权重,这个就是加权图)

 图的属性

自环多重边

网页的刷新

航班的路线

 如果不包括闭环和多重边,则这个图被称为简单图

问题:在给定的节点中,求最大的边数为多少?假设有n个节点

有方向:0<=|E|<=n(n-1)          无方向:0<=|E|<n(n-1)/2

图中的数量接近最大的可能边数,则这个图是稠密的,接近顶点的平方数量
图中的数量接近最小的可能边数,则这个图是系数的,接近顶点的数量

专有名词

walk(道路)指所划的路里面有重复的点
path(路径)指最简单的路径无重复的点
trail:顶点可以重复,边不可重复

图要选择合适的数据结构存储
稠密:邻接矩阵
稀疏:邻接表

图的连接

一个图被称为强连接的条件:从图上的任意节点可以来到任意其他节点

如图一,这个是无向图,则我们就直接说连接
如图二,这个是有向图,但是B不可以到C等,则我们称为弱连接
如图三,这个是有向图,且每个节点可以到每个节点,则我们称为强连接

无环图

 一个没有循环的图称为无环图
左图则是一个无向无环图,右图则是一个有向无环图
A-B-E-H-D-A这个就是最简单的环

二,图的表示法:边列表

无加权

 下面我们用数组和链表表示一下这个图

我们可以看到,左边是顶点列表,右边是边列表,对于边列表,我们有两种表示形式

//C
struct Edge {char* starVertex;char* endVertex;
};
//C++
class Edge {string starVertex;string starVertex;
};

 由于这个是无向图,所以AB和BA在里面是一样的,但是为有向图就不一样了

加权图

当我们的图有了权重之后,我们这个节点可以改一下

我们的表示形式也可以改

//C
struct Edge {char* starVertex;char* endVertex;int weight
};
//C++
class Edge {string starVertex;string starVertex;int weight;
};

我们在考虑是否使用这个邻接表的时候,我们要考虑它的空间复杂度和时间复杂度

空间复杂度

在空间上,当然我们上面实现的知识几个字母代表的节点进行互相连接,我们来模拟一下我们现实生活中例子
 在我们设置图的时候,名字就不再是那种一个字母一个字母的了,所以我们再边列表和顶点列表都弄一遍名字会大大提高内存的占用,这个时候我们就要用到指针和引用了或者运用索引

 空间复杂度我们考虑了,结果为O(|V|+|E|)

时间复杂度

再程序中最频繁的操作就是查找了

时间复杂度O(|E|){   1,遍历图O(|E|)     2,检查图中是否所有都有连接O(|E|)    }

没有自环和多重边的时候

有方向:0<=|E|<=n(n-1)          无方向:0<=|E|<n(n-1)/2

所以O(|E|)=O(V^2)

总的来说这样的空间复杂度并不是很理想,不是很高效,所以我们应该寻找更好的办法

 三,图的表示方法:邻接矩阵

 我们在使用边列表的时候,不难发现,他的时间复杂度以及达到V^2的地步了,所以我们肯定要选择别的更好的,V就很好,下面我们就来看看邻接矩阵

我们来分析一下这个矩阵

我们先来看1的位置, 我们给右边那个图标上了对应的索引,然后我们来画图

首先A连接了BCD这三个字母,那么对应的索引就是1,2,3这三个数字,我们就在1,2,3这写1

紧接着B连接了AEF这三个字母 ,那么对应的索引就是0,4,5这三个数字,我们就在0,4,5这写1

当我们把所有的1写完是这样的

然后再空余的地方补上0就好了

左边的索引是对应你所站的顶点,上面的索引则是你站的顶点所连接节点的索引

在无向图里面,Aij和Aji是对称的,但是有向图却不一样,有向图就不一定对称了

 这样有什么好处呢?我们只可以用画一般的矩阵就好了,但是这个就稍稍难一丢丢

现在我们学习完了邻接矩阵,我们就来进行时间和空间复杂度的计算

时间复杂度

寻找一个特定的节点

比如我们寻找一个F节点

我们在顶点列表找到对应的索引,然后再矩阵找到对应的索引,然后就可以逐个访问周围的顶点了,那么时间复杂度就是O(V)+O(V)那么就是O(V)

判断两个节点是否连接

在顶点列表里面找到索引,然和去矩阵里面判断对应的小方格里面是否为1,这里可以运用哈希表

那么加权图怎么写呢?

 我们只需要在对应的连接的小方格写下数字即可

空间复杂度

我们确实把时间复杂度降低了,但是空间复杂度就不低了,这个图十分稀疏,为O(V^2)+O(V),就是O(V^2)
就比如我们社会网路中有10亿个人,但是每个人好友有1000就不错了,且还没有1000,这就会极大浪费我们内存

今天我们一个电脑的容量:5*10^11byte=0.5TB
我们算每一个名字算一个字节,那么就是10^18byte=1000PB
这一个电脑都装不下

对此我们应该想出另外一个办法

四,图的表示方法:邻接表

 我们不难观察到我们矩阵的左边的索引都是起点,上面都是终点

我们就这样,把对应的连接的节点放入到表中,对此我们有两个方式构建邻接表
方法一:
指针数组int*A[8]每个数组可以指向不同的数组


方法二:
C++容器
这里我们使用这个方法,空间复杂度就是O(E),这个空间复杂度下降了很多

时间复杂度
判断一个节点是否相连

邻接矩阵邻接表
O(1)

O(n)

这里有0和1可以快速区分
直接查找
这里是线性查找需要一个一个
扫描,还有最优的二分法O()

查找一个节点

我们以一个社交网络为例子
在10^9使用者,每个人最大的朋友数量为1000,一个机器一次可以处理10^6行指令每秒

邻接矩阵邻接表
查找一个节点10^9/10^6=1000s=16.66min10^4/10^6=10^-2=10ms
查找连个点是否相连1/10^6s=1us10ms

所以综上所述,如果稀疏我们就选择邻接表
 

 五,功能

插入与删除

邻接表是在对应索引加上那个节点就好,邻接矩阵是在对应的节点写下1

我们使用数组的话就是十分复杂的,所以我们直接使用链表实现动态,其实树也可以

我们创建一个节点数组,这个是访问每一行,然后逐步利用链表的知识进行操作即可
邻接矩阵的话就是运用二维数组和矩阵就好了


总结

1,学习了图的基本知识,特殊的图有自环和多重边,加权图,顶点集和边集,这几个是最重要的

2,边列表,这个时间复杂度太高,创建一个顶点list,边list

3,邻接矩阵,这个空间复杂度高,但是时间复杂度相对较好(主要是查找两个边十分相连),使用在稠密图

4,邻接表,这个空间复杂度相对较低,时间复杂度也较好(查找点和判断相连都一样),使用在稀疏图

相关文章:

数据结构 图

目录 前言 一&#xff0c;图的基本知识 二&#xff0c;图的表示法&#xff1a;边列表 三&#xff0c;图的表示方法&#xff1a;邻接矩阵 四&#xff0c;图的表示方法&#xff1a;邻接表 五&#xff0c;功能 总结 前言 图是一个非常有意思东西&#xff0c;可以运用到生活中…...

2025.2.8总结

题目描述 如题&#xff0c;给出一个无向图&#xff0c;求出最小生成树&#xff0c;如果该图不连通&#xff0c;则输出 orz。 输入格式 第一行包含两个整数 N,MN,M&#xff0c;表示该图共有 NN 个结点和 MM 条无向边。 接下来 MM 行每行包含三个整数 Xi,Yi,ZiXi,Yi,Zi&#…...

软件模拟I2C案例(寄存器实现)

引言 在经过前面对I2C基础知识的理解&#xff0c;对支持I2C通讯的EEPROM芯片M24C02的简单介绍以及涉及到的时序操作做了整理。接下来&#xff0c;我们就正式进入该案例的实现环节了。本次案例是基于寄存器开发方式通过软件模拟I2C通讯协议&#xff0c;然后去实现相关的需求。 阅…...

开源CodeGPT + DeepSeek-R1 是否可以替代商业付费代码辅助工具

开源CodeGPT + DeepSeek-R1 是否可以替代商业付费代码辅助工具 背景与研究目的 在快速发展的软件开发领域,代码辅助工具已成为提高开发效率和质量的关键。然而,商业付费工具如通义灵码和腾讯AI代码助手,尽管功能强大,但其高昂的成本和许可证限制,使得许多企业寻求更具吸…...

c++:list

1.list的使用 1.1构造 1.2迭代器遍历 &#xff08;1&#xff09;迭代器是算法和容器链接起来的桥梁 容器就是链表&#xff0c;顺序表等数据结构&#xff0c;他们有各自的特点&#xff0c;所以底层结构是不同的。在不用迭代器的前提下&#xff0c;如果我们的算法要作用在容器上…...

Websocket从原理到实战

引言 WebSocket 是一种在单个 TCP 连接上进行全双工通信的网络协议&#xff0c;它使得客户端和服务器之间能够进行实时、双向的通信&#xff0c;既然是通信协议一定要从发展历史到协议内容到应用场景最后到实战全方位了解 发展历史 WebSocket 最初是为了解决 HTTP 协议在实时…...

探索robots.txt:网站管理者的搜索引擎指南

在数字时代&#xff0c;网站如同企业的在线名片&#xff0c;其内容和结构对搜索引擎的可见性至关重要。而在这背后&#xff0c;有一个默默工作的文件——robots.txt&#xff0c;它扮演着搜索引擎与网站之间沟通桥梁的角色。本文将深入探讨robots.txt的功能、编写方法及其在现代…...

ubuntu中如何在vscode的终端目录后显示(当前的git分支名) 实测有用

效果展示 配置过程&#xff1a; 在 Ubuntu 中&#xff0c;如果你想在 VS Code 的终端提示符后显示当前的 Git 分支名&#xff0c;可以通过修改 Shell 配置文件&#xff08;如 ~/.bashrc 或 ~/.zshrc&#xff09;来实现。以下是具体步骤&#xff1a; 1. 确定使用的 Shell 首…...

0012—数组

存取一组数据&#xff0c;使用数组。 数组是一组相同类型元素的集合。 要存储1-10的数字&#xff0c;怎么存储&#xff1f; C语言中给了数组的定义&#xff1a;一组相同类型元素的集合。 创建一个空间创建一组数&#xff1a; 一、数组的定义 int arr[10] {1,2,3,4,5,6,7,8,…...

决策树算法相关文献

决策树是一种基于树状结构的机器学习算法&#xff0c;广泛应用于分类和回归任务。尽管决策树算法已经非常成熟&#xff0c;但研究者们仍在不断探索新的方法和技术&#xff0c;以进一步提升其性能、适应性和可解释性。 以下是当前研究者对决策树算法的最新研究方向和内容&#x…...

DeepSeek在FPGA/IC开发中的创新应用与未来潜力

随着人工智能技术的飞速发展&#xff0c;以DeepSeek为代表的大语言模型&#xff08;LLM&#xff09;正在逐步渗透到传统硬件开发领域。在FPGA&#xff08;现场可编程门阵列&#xff09;和IC&#xff08;集成电路&#xff09;开发这一技术密集型行业中&#xff0c;DeepSeek凭借其…...

学习threejs,使用Lensflare模拟镜头眩光

&#x1f468;‍⚕️ 主页&#xff1a; gis分享者 &#x1f468;‍⚕️ 感谢各位大佬 点赞&#x1f44d; 收藏⭐ 留言&#x1f4dd; 加关注✅! &#x1f468;‍⚕️ 收录于专栏&#xff1a;threejs gis工程师 文章目录 一、&#x1f340;前言1.1 ☘️THREE.Lensflare 二、&…...

RuoYi-Vue-Oracle的oracle driver驱动配置问题ojdbc8-12.2.0.1.jar的解决

RuoYi-Vue-Oracle的oracle driver驱动配置问题ojdbc8-12.2.0.1.jar的解决 1、报错情况 下载&#xff1a;https://gitcode.com/yangzongzhuan/RuoYi-Vue-Oracle 用idea打开&#xff0c;启动&#xff1a; 日志有报错&#xff1a; 点右侧m图标&#xff0c;maven有以下报误 &…...

kafka服务端之日志磁盘存储

文章目录 页缓存顺序写零拷贝 Kafka依赖于文件系统&#xff08;更底层地来说就是磁盘&#xff09;来存储和缓存消息 。 那么kafka是如何让自身在使用磁盘存储的情况下达到高性能的&#xff1f;接下来主要从3各方面详细解说。 页缓存 页缓存是操作系统实现的一种主要的磁盘缓存…...

deepseek来讲lua

Lua 是一种轻量级、高效、可嵌入的脚本语言&#xff0c;广泛应用于游戏开发、嵌入式系统、Web 服务器等领域。以下是 Lua 的主要特点和一些基本概念&#xff1a; 1. 特点 轻量级&#xff1a;Lua 的核心非常小&#xff0c;适合嵌入到其他应用程序中。高效&#xff1a;Lua 的执…...

C++开发(软件开发)常见面试题

目录 1、C里指针和数组的区别 2、C中空指针请使用nullptr不要使用NULL 3、http/https区别和头部结构&#xff1f; 4、有了mac地址为什么还要ip地址&#xff1f;ip地址的作用 5、有了路由器为什么还要交换机&#xff1f; 6、面向对象三大特性 7、友元函数 8、大端小端 …...

AtCoder Beginner Contest 391(A~E题题解)

A - Lucky Direction 思路&#xff1a;纯模拟的一个水题 #include <bits/stdc.h> using namespace std; #define int long long string s; signed main() { cin>>s;for(int i0;i<s.size();i){char cs[i];if(cN){cout<<"S";}else if(c…...

使用线性回归模型逼近目标模型 | PyTorch 深度学习实战

前一篇文章&#xff0c;计算图 Compute Graph 和自动求导 Autograd | PyTorch 深度学习实战 本系列文章 GitHub Repo: https://github.com/hailiang-wang/pytorch-get-started 使用线性回归模型逼近目标模型 什么是回归什么是线性回归使用 PyTorch 实现线性回归模型代码执行结…...

解决com.kingbase8.util.KSQLException: This _connection has been closed.

问题描述 一个消息管理系统,系统采用kingbase8数据库,数据库采用单体模式,后台应用也采用springboot单体模式。系统正式上线后,出现几个JDBC响应的异常信息: com.kingbase8.util.KSQLException: An I/O error occurred while sending to the backend.java.net.SocketTime…...

Pyqt 的QTableWidget组件

QTableWidget 是 PyQt6 中的一个表格控件&#xff0c;用于显示和编辑二维表格数据。它继承自 QTableView&#xff0c;提供了更简单的方式来处理表格数据&#xff0c;适合用于需要展示结构化数据的场景。 1. 常用方法 1.1 构造函数 QTableWidget(parent: QWidget None)&#x…...

DeepSeek R1 Distill Llama 70B(免费版)API使用详解

DeepSeek R1 Distill Llama 70B&#xff08;免费版&#xff09;API使用详解 在人工智能领域&#xff0c;随着技术的不断进步&#xff0c;各种新的模型和应用如雨后春笋般涌现。今天&#xff0c;我们要为大家介绍的是OpenRouter平台上提供的DeepSeek R1 Distill Llama 70B&…...

24.ppt:小李-图书策划方案【1】

目录 NO1234​ NO5678​ NO1234 新建PPT两种方式&#x1f447;docx中视图→导航窗格→标题1/2/3ppt新建幻灯片→从大纲→重置开始→版式设计→主题插入→表格 NO5678 SmartArt演示方案&#xff1a;幻灯片放映→自定义幻灯片放映→新建→选中添加...

百科词条创建审核不通过的原因有哪些?

我们知道的国内有名的百科网站有百度百科、快懂百科、搜狗百科、360百科,这些有名的百科网站。一般来说,百科的词条排名都是在第一页的,无论是名人、明星、软件、影视名称,还是其他名称,大多排名都在首页,这就拥有了更多的曝光量和流量,而且由于百科是人们获取信息、查找资料的…...

amis组件crud使用踩坑

crud注意 过滤条件参数同步地址栏 默认 CRUD 会将过滤条件参数同步至浏览器地址栏中&#xff0c;比如搜索条件、当前页数&#xff0c;这也做的目的是刷新页面的时候还能进入之前的分页。 但也会导致地址栏中的参数数据合并到顶层的数据链中&#xff0c;例如&#xff1a;自动…...

【docker】Failed to allocate manager object, freezing:兼容兼容 cgroup v1 和 v2

参考大神让系统同时兼容 cgroup v1 和 v2 要解决你系统中只挂载了 cgroup v2 但需要兼容 cgroup v1 的问题,可以通过以下几步来使系统同时兼容 cgroup v1 和 cgroup v2。这样 Docker 和其他服务就可以正常工作了。步骤 1:更新 Grub 配置,启用兼容模式 编辑 GRUB 配置来启用同…...

LeetCode:503.下一个更大元素II

跟着carl学算法&#xff0c;本系列博客仅做个人记录&#xff0c;建议大家都去看carl本人的博客&#xff0c;写的真的很好的&#xff01; 代码随想录 LeetCode&#xff1a;503.下一个更大元素II 给定一个循环数组 nums &#xff08; nums[nums.length - 1] 的下一个元素是 nums[…...

【AI日记】25.02.08

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】【AI应用】 探索 AI 应用探索周二有个面试&#xff0c;明后天打算好好准备一下&#xff0c;我打算主要研究下 AI 如何在该行业赋能和应用&#xff0c;以及该行业未来的发展前景和公司痛点&#…...

32. C 语言 安全函数( _s 尾缀)

本章目录 前言什么是安全函数&#xff1f;安全函数的特点主要的安全函数1. 字符串操作安全函数2. 格式化输出安全函数3. 内存操作安全函数4. 其他常用安全函数 安全函数实例示例 1&#xff1a;strcpy_s 和 strcat_s示例 2&#xff1a;memcpy_s示例 3&#xff1a;strtok_s 总结 …...

常用数据结构之String字符串

字符串 在Java编程语言中&#xff0c;字符可以使用基本数据类型char来保存&#xff0c;在 Java 中字符串属于对象&#xff0c;Java 提供了 String 类来创建和操作字符串。 操作字符串常用的有三种类&#xff1a;String、StringBuilder、StringBuffer 接下来看看这三类常见用…...

Android开发获取缓存,删除缓存

Android开发获取缓存&#xff0c;删除缓存 app设置中往往有清理缓存的功能。会显示当前缓存时多少&#xff0c;然后可以点击清理缓存 直接上代码&#xff1a; object CacheHelper {/*** 获取缓存大小* param context* return* throws Exception*/JvmStaticfun getTotalCache…...

网络安全 | 保护智能家居和企业IoT设备的安全策略

网络安全 | 保护智能家居和企业IoT设备的安全策略 一、前言二、智能家居和企业 IoT 设备面临的安全威胁2.1 设备自身安全缺陷2.2 网络通信安全隐患2.3 数据隐私风险2.4 恶意软件和攻击手段 三、保护智能家居和企业 IoT 设备的安全策略3.1 设备安全设计与制造环节的考量3.2 网络…...

掌握API和控制点(从Java到JNI接口)_38 JNI从C调用Java函数 01

1. Why? 将控制点下移到下C/C层 对古典视角的反思 App接近User&#xff0c;所以App在整体架构里&#xff0c;是主导者&#xff0c;拥有控制权。所以&#xff0c; App是架构的控制点所在。Java函数调用C/C层函数&#xff0c;是合理的。 但是EIT造形告诉我们&#xff1a; App…...

vue组件间的数据传递:自定义输入组件(v-model/defineModel)

文章目录 引言I Vue 3.4 开始,推荐使用 defineModel() 宏子组件使用defineModel父组件用 v-model 绑定值底层机制II Vue 3.4之前:自定义输入组件(组件中实现 v-model )前置知识父组件监听自定义事件进行 v-model 的数据绑定子组件通过监听input事件触发自定义的 `update:mo…...

记录一下 在Mac下用pyinstallter 打包 Django项目

安装: pip install pyinstaller 在urls.py from SheepMasterOneToOne import settings from django.conf.urls.static import staticurlpatterns [path("admin/", admin.site.urls),path(generate_report/export/, ReportAdmin(models.Report, admin.site).generat…...

大模型相关概念

文章目录 部署相关数据并行模型并行张量并行管道并行&#xff08;流水线并行&#xff09; 混合并行&#xff08;数据并行模型并行&#xff09;显存优化技术InfiniBand去中心化的All-Reduce操作软件 大模型命名**1. 模型架构相关****2. 模型用途相关****3. 训练方法相关****4. 多…...

【实用教程】在 Android Studio 中连接 MuMu 模拟器

MuMu 模拟器是一个非常流行的安卓模拟器&#xff0c;特别适合开发人员进行应用测试&#xff0c;我使用它的根本原因在于Android Studio自带的AVM实现是太难用了&#xff0c;但是Mumu模拟器启动以后不会自动被Android Studio识别到&#xff0c;但是其他模拟器都是能够正常被Andr…...

Linux 安装 Ollama

1、下载地址 Download Ollama on Linux 2、有网络直接执行 curl -fsSL https://ollama.com/install.sh | sh 命令 3、下载慢的解决方法 1、curl -fsSL https://ollama.com/install.sh -o ollama_install.sh 2、sed -i s|https://ollama.com/download/ollama-linux|https://…...

双亲委派(JVM)

1.双亲委派 在 Java 中&#xff0c;双薪委派通常是指双亲委派模型&#xff0c;它是 Java 类加载器的一种工作模式&#xff0c;用于确保类加载的安全性和一致性。以下是其相关介绍&#xff1a; 定义与作用 定义&#xff1a;双亲委派模型要求除了顶层的启动类加载器外&#xf…...

青少年编程与数学 02-009 Django 5 Web 编程 01课题、概要

青少年编程与数学 02-009 Django 5 Web 编程 01课题、概要 一、Django 5Django 5 的主要特性包括&#xff1a; 二、MVT模式三、官方网站四、内置功能数据库 ORM&#xff08;对象关系映射&#xff09;用户认证和授权表单处理模板引擎URL 路由缓存框架国际化和本地化安全性功能管…...

为AI聊天工具添加一个知识系统 之90 详细设计之31 Derivation 之5-- 神经元变元用它衍生神经网络

本文要点 要点 Derivation 神经元变元衍生模型&#xff08; 衍生 神经网络&#xff09; 整体上说&#xff0c;它&#xff08; Derivation&#xff09;自己充当 整体无意识原型anestor的代言--作为所有神经网络的 共生环境。Derivation 初始断言了 基于最古老的 自然和逻辑树…...

Centos挂载镜像制作本地yum源,并补装图形界面

内网环境centos7.9安装图形页面内网环境制作本地yum源 上传镜像到服务器目录 创建目录并挂载镜像 #创建目录 cd /mnt/ mkdir iso#挂载 mount -o loop ./CentOS-7-x86_64-DVD-2009.iso ./iso #前面镜像所在目录&#xff0c;后面所挂载得目录#检查 [rootlocalhost mnt]# df -h…...

【Python实战练习】Python类中的方法:形式与作用详解

文章目录 Python类中的方法:形式与作用详解1. 实例方法 (Instance Method)定义与使用作用2. 类方法 (Class Method)定义与使用作用3. 静态方法 (Static Method)定义与使用作用4. 特殊方法 (Magic/Dunder Methods)常见的特殊方法定义与使用作用5. 抽象方法 (Abstract Method)定…...

Idea 2024.3 使用CodeGPT插件整合Deepseek

哈喽&#xff0c;大家好&#xff0c;我是浮云&#xff0c;最近国产大模型Deepseek异常火爆&#xff0c;作为程序员我也试着玩了一下&#xff0c;首先作为简单的使用&#xff0c;大家进入官网&#xff0c;点击开始对话即可进行简单的聊天使用&#xff0c;点击获取手机app即可安装…...

神经网络常见激活函数 1-sigmoid函数

sigmoid 1 函数求导 sigmoid函数 σ ( x ) 1 1 e ( − x ) \sigma(x) \frac{1}{1e^{(-x)}} σ(x)1e(−x)1​ sigmoid函数求导 d d x σ ( x ) d d x ( 1 1 e − x ) e − x ( 1 e − x ) 2 ( 1 e − x ) − 1 ( 1 e − x ) 2 1 1 e − x − 1 ( 1 e − x ) 2 …...

Vue(6)

一.路由板块封装 &#xff08;1&#xff09;路由的封装抽离 目标&#xff1a;将路由板块抽离出来 好处&#xff1a;拆分板块&#xff0c;利于维护 // 路由的使用步骤 5 2 // 5个基础步骤 // 1. 下载 v3.6.5 // 2. 引入 // 3. 安装注册 Vue.use(Vue插件) // 4. 创建路由对象…...

深入理解进程优先级

目录 引言 一、进程优先级基础 1.1 什么是进程优先级&#xff1f; 1.2 优先级与系统性能 二、查看进程信息 2.1 使用ps -l命令 2.2 PRI与NI的数学关系 三、深入理解Nice值 3.1 Nice值的特点 3.2 调整优先级实践 四、进程特性全景图 五、优化实践建议 结语 引言 在操…...

机器学习 - 需要了解的条件概率、高斯分布、似然函数

似然函数是连接数据与参数的桥梁&#xff0c;通过“数据反推参数”的逆向思维&#xff0c;成为统计推断的核心工具。理解它的关键在于区分“参数固定时数据的概率”与“数据固定时参数的合理性”&#xff0c;这种视角转换是掌握现代统计学和机器学习的基础。 一、在学习似然函…...

程序诗篇里的灵动笔触:指针绘就数据的梦幻蓝图<7>

大家好啊&#xff0c;我是小象٩(๑ω๑)۶ 我的博客&#xff1a;Xiao Xiangζั͡ޓއއ 很高兴见到大家&#xff0c;希望能够和大家一起交流学习&#xff0c;共同进步。 今天我们一起来学习转移表&#xff0c;回调函数&#xff0c;qsort… 目录 一、转移表1.1 定义与原理1.3…...

4、C#基于.net framework的应用开发实战编程 - 测试(四、一) - 编程手把手系列文章...

四、 测试&#xff1b; 四&#xff0e;一、调试&#xff1b; 开发完应用&#xff0c;就需要对应用进行测试&#xff0c;第一部就从调试开始&#xff0c;特别是一些重要的功能点&#xff0c;还有如果运行时有问题&#xff0c;也需要对应用进行调试&#xff0c;以找出问题。 1、 …...

逻辑回归:Sigmoid函数在分类问题中的应用

欢迎来到我的主页&#xff1a;【Echo-Nie】 本篇文章收录于专栏【机器学习】 1 什么是Sigmoid函数&#xff1f; Sigmoid函数&#xff08;Logistic函数&#xff09;是机器学习中最经典的激活函数之一&#xff0c;是一个在生物学中常见的S型函数&#xff0c;也称为S型生长曲线。…...