大家帮忙看看我这段matlab,用pca处理图像,但是输出的图片为什么会是重复的三张?

function y=mypca()
%%%%%%%%%%%%%%%%%%%%%%%%%PCA算法对人脸图像处理提取主成分程序
path = ['.\']; % 提取当前目录
%读取图像
numimage=4; %4张人脸
imagepath=[path 'ORL\ORL001' '.bmp']; %第一张人脸文件的路径及文件名:D:\PCA\ORL\ORL001.bmp
immatrix=imread(imagepath); % 读入第一张人脸文件,构成矩阵immatrix
[m,n]=size(immatrix); % 计算矩阵immatrix的行数m、列数n
DATA = uint8 (rand(m*n, numimage)); %随机生成m*n行、numimage列的矩阵,并取uint8
for i=1:numimage
s1=floor(i/100); % 取整,求第3位
tem=rem(i,100); % i除以100的余数,取后两位
s2=floor(tem/10); % 取第2位
s3=rem(tem,10); % 取第1位

imagepath=[path 'ORL\ORL' int2str(s1) int2str(s2) int2str(s3) '.bmp']; % 构成图像文件的路径即文件名
immatrix=imread(imagepath); % 读入每一张人脸文件,构成矩阵immatrix
imVector=reshape(immatrix,m*n,1); % 将矩阵immatrix转化为一个列向量,长度为m*n
DATA(:,i)=imVector; % 将列向量imVector依次加入到DATA矩阵的列中.DATA先随机生成过的

end

clear i;clear j;
save DATA DATA; % 保存DATA
mn=mean(double(DATA'))'; % 计算DATA的行向量的均值
save mn mn; % 保存DATA的行向量的均值
%image substracted by mean of all train images
DATAzeromean=double(DATA)-repmat(mn,1,numimage);
save DATAzeromean DATAzeromean;
clear DATA;

L=DATAzeromean'*DATAzeromean;
[V,D]=eig(L);
enginvalue=diag(D);
[enginvalue,ix]=sort(enginvalue);%按升序排列矩阵元素
ix=flipud(ix);%从上到下翻转矩阵,即按降序
V=V(:,ix); %对V的特征向量位置调整
facespace=DATAzeromean*V; %脸空间

for t=1:numimage
facespace(:,t)=facespace(:,t)/norm(facespace(:,t));%Normalisation to unit length
end

subdim=4;
facespace=facespace(:,1:subdim);%选择子特征向量的协方差矩阵
projdata=facespace'*DATAzeromean;

save projdata projdata;
save facespace facespace;

datareconstruct=facespace*projdata;
fprintf('正在保存 Wakesplace中的图片数据\n');
save datareconstruct datareconstruct;
for i=1:numimage-1
imdata=datareconstruct(:,i);
imdata=reshape(imdata,m,n);
imwrite(imdata,['.\生成的特征脸\' int2str(i) '.bmp'],'bmp');%得到重构图像1.bmp---4.bmp
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

1个回答

immatrix=imread(imagepath); % 读入第一张人脸文件,构成矩阵immatrix的封号去掉

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
求大神帮忙,在MATLAB上用pca算法读入一组数据,分析处理结果
求一个代码,数据是一个word表格,大约读入5000个数据,谢谢啊
求教matlab关于pca降维的问题
我想用30*3000的一组数据经pca降维之后使用lssvm来建模,然后用11*3000的一组数据来检验这个模型。 我想问的是,经过pca降维,30*3000的矩阵变成了30*29的矩阵,但是检验的数据经过pca降维之后成为了11*10的矩阵,这样还能检验吗?
MATLAB 中PCA特征提取用LDA和PLS代替的代码
function [Xs_new,Xt_new,G] = GFK_Map(Xs,Xt,dim) Ps = pca(Xs); Pt = pca(Xt); G = GFK_core([Ps,null(Ps')], Pt(:,1:dim)); sq_G = real(G); Xs_new = (sq_G * Xs')'; Xt_new = (sq_G * Xt')'; end 这里用PCA特征提取Xs和Xt,得到一个特征的转化矩阵(COEFF) ,这个矩阵在MATLAB里面 叫COEFF,是个n*n,n为原矩阵的维度,我想用LDA或者PLS代替或者有更好的特征提取方式,提取到这个类似COEFF的转化矩阵,代码都可以。
高光谱图像降维matlab代码
求使用PCA和低秩张量分解的方法对高光谱图像降维的matlab代码,谢谢大家
如何用pea在matlab上分析数据,例如;iris
哪里能找到关于用matlab进行数据分析的案例, 尤其是pca,lsa这些?尤其是如何对data进行预处理?
OpenCV PCA人脸识别时欧氏距离的问题
我用PCA+SVM方式对ORL人脸库进行人脸识别,使用Opencv的PCA库进行降维及特征提取,提取后的特征用于SVM训练,如果每人用两个图进行学习,最终测试样本的识别率能到85%+。 但是我如果用测试样本的特征向量和训练样本的特征向量进行欧式距离(NORM_L2)的计算,计算结果十分没有规律,不管是不是同一个人的特征,距离从一千多到四千多的都有。这种情况十分不合理呀,opencv还有个基于PCA样本距离的特征脸识别库不就是用L2距离进行比较来进行识别的吗?鉴于此我又实验了一下使用opencv的特征脸识别库EigenFaceRecognizer进行人脸识别,同样的样本划分,但是不自己写特征提取代码,直接输入原始图片,因为特提取的工作是特征脸库自己做的,识别率也能到80%+。 总结起来问题就是,我用PCA提取的特征进行SVM人脸识别,效果还可以,但是直接用测试样本的特征值和训练样本的特征值进行距离比较,却并不能得出同一人的样本距离会比较近,不同人的会比较远的结果,和特征脸识别的工作原理不符。不知是哪里有问题,求解!
数据预处理:类别型变量的编码问题
在数据挖掘的数据预处理对类别型变量编码过程中,其中一个类别型变量含具有有很多不同的取值(200个),若对这个的类型做OneHot编码,会给数据增加200个特征,大大增加了数据的维数。 请问对于这样的类型变量该怎么处理呢? 1.需要做卡方封箱吗?用python该怎么分箱处理? 2.或者编码后做PCA降维处理?PCA具体怎么降维呢? 3.还有其他更好的方法吗? 谢谢
刚买的pca9685写的代码一直驱动不了舵机,小白求解
新手小白求问 刚买了pca9685模块,看数据手册没有中文的只好找了些别人stm32的代码改过来用在51上面,但是一直都驱动不了舵机,不是知道代码出了什么问题,求解 以下就是我用的所有源码。 ``` #ifndef __IIC_H #define __IIC_H sbit IIC_SDA = P3^6; sbit IIC_SCL = P3^7; #define u8 unsigned char #define u16 char //IIC所有操作函数 void delay_us(u8 i); void IIC_Start(void); //发送IIC开始信号 void IIC_Stop(void); //发送IIC停止信号 void IIC_Send_Byte(u8 txd); //IIC发送一个字节 u8 IIC_Read_Byte(unsigned char ack);//IIC读取一个字节 u8 IIC_Wait_Ack(void); //IIC等待ACK信号 void IIC_Ack(void); //IIC发送ACK信号 void IIC_NAck(void); //IIC不发送ACK信号 //void IIC_Write_One_Byte(u8 daddr,u8 addr,u8 dat); //u8 IIC_Read_One_Byte(u8 daddr,u8 addr); #endif ``` ``` #include <stc12c5a60s2.h> #include <IIC.h> #include <intrins.h> void delay_us(u8 i) { u8 j; for(j=i;j>0;j--) {_nop_();} } //产生IIC起始信号 void IIC_Start(void) { // SDA_OUT(); //sda线输出 IIC_SDA=1; IIC_SCL=1; delay_us(4); IIC_SDA=0;//START:when CLK is high,DATA change form high to low delay_us(4); IIC_SCL=0;//钳住I2C总线,准备发送或接收数据 } //产生IIC停止信号 void IIC_Stop(void) { // SDA_OUT();//sda线输出 IIC_SCL=0; IIC_SDA=0;//STOP:when CLK is high DATA change form low to high delay_us(4); IIC_SCL=1; IIC_SDA=1;//发送I2C总线结束信号 delay_us(4); } //等待应答信号到来 //返回值:1,接收应答失败 // 0,接收应答成功 u8 IIC_Wait_Ack(void) { u8 ucErrTime=0; // SDA_IN(); //SDA设置为输入 IIC_SDA=1;delay_us(1); IIC_SCL=1;delay_us(1); while(IIC_SDA) { ucErrTime++; if(ucErrTime>250) { IIC_Stop(); return 1; } } IIC_SCL=0;//时钟输出0 return 0; } //产生ACK应答 void IIC_Ack(void) { IIC_SCL=0; // SDA_OUT(); IIC_SDA=0; delay_us(2); IIC_SCL=1; delay_us(2); IIC_SCL=0; } //不产生ACK应答 void IIC_NAck(void) { IIC_SCL=0; // SDA_OUT(); IIC_SDA=1; delay_us(2); IIC_SCL=1; delay_us(2); IIC_SCL=0; } //IIC发送一个字节 //返回从机有无应答 //1,有应答 //0,无应答 void IIC_Send_Byte(u8 txd) { u8 t; // SDA_OUT(); IIC_SCL=0;//拉低时钟开始数据传输 for(t=0;t<8;t++) { IIC_SDA=(txd&0x80)>>7; txd<<=1; delay_us(2); //对TEA5767这三个延时都是必须的 IIC_SCL=1; delay_us(2); IIC_SCL=0; delay_us(2); } } //读1个字节,ack=1时,发送ACK,ack=0,发送nACK u8 IIC_Read_Byte(unsigned char ack) { unsigned char i,receive=0; // SDA_IN();//SDA设置为输入 for(i=0;i<8;i++ ) { IIC_SCL=0; delay_us(2); IIC_SCL=1; receive<<=1; if(IIC_SDA)receive++; delay_us(1); } if (!ack) IIC_NAck();//发送nACK else IIC_Ack(); //发送ACK return receive; } ``` ``` #include <stc12c5a60s2.h> #include <IIC.h> #include <intrins.h> #include <pca8574.h> #define uchar unsigned char #define uint unsigned int sbit scl=P3^6; //时钟输入线 sbit sda=P3^7; //数据输入/输出端 void PCA9685_write(unsigned char reg,unsigned char dat); u8 PCA9685_read(unsigned char reg); void setPWMFreq(u8 freq); void setPWM(u8 num, u16 on, u16 off); void down(); void up(); void delay_ms(u8 xms) { u8 i,j; for(i=xms;i>0;i--) for (j=200;j>0;j--); } void PCA9685_write(unsigned char reg,unsigned char dat) { IIC_Start(); IIC_Send_Byte(PCA9685_adrr); IIC_Wait_Ack(); IIC_Send_Byte(reg); IIC_Wait_Ack(); IIC_Send_Byte(dat); IIC_Wait_Ack(); IIC_Stop(); } u8 PCA9685_read(unsigned char reg) { u8 res; IIC_Start(); IIC_Send_Byte(PCA9685_adrr); IIC_Wait_Ack(); IIC_Send_Byte(reg); IIC_Wait_Ack(); IIC_Start(); IIC_Send_Byte(PCA9685_adrr|0X01); IIC_Wait_Ack(); res=IIC_Read_Byte(0); IIC_Stop(); return res; } void setPWMFreq(u8 freq) { u8 prescale,oldmode,newmode; double prescaleval; prescaleval = 25000000.0/(4096*freq*0.915); prescale = (u8)(prescaleval+0.5)-1; oldmode = PCA9685_read(PCA9685_MODE1); newmode = (oldmode&0x7F) | 0x10; // sleep PCA9685_write(PCA9685_MODE1, newmode); // go to sleep PCA9685_write(PCA9685_PRESCALE, prescale); // set the prescaler PCA9685_write(PCA9685_MODE1, oldmode); delay_ms(5); PCA9685_write(PCA9685_MODE1, oldmode | 0xa1); } void setPWM(u8 num, u16 on, u16 off) { PCA9685_write(LED0_ON_L+4*num,on); PCA9685_write(LED0_ON_H+4*num,on>>8); PCA9685_write(LED0_OFF_L+4*num,off); PCA9685_write(LED0_OFF_H+4*num,off>>8); } u16 calculate_PWM(u8 angle) { return (int)(204.8*(0.5+angle*1.0/90)); } void down() { u16 pwm = calculate_PWM(0); setPWM(0x0,0,pwm); delay_ms(1); setPWM(0x1,0,pwm); delay_ms(1); setPWM(0x2,0,pwm); delay_ms(1); setPWM(0x3,0,pwm); delay_ms(1); setPWM(0x4,0,pwm); delay_ms(1); setPWM(0x5,0,pwm); delay_ms(1); setPWM(0x6,0,pwm); delay_ms(1); setPWM(0x7,0,pwm); } void up() { u16 pwm = calculate_PWM(90); setPWM(0x0,0,pwm); delay_ms(1); setPWM(0x1,0,pwm); delay_ms(1); setPWM(0x2,0,pwm); delay_ms(1); setPWM(0x3,0,pwm); delay_ms(1); setPWM(0x4,0,pwm); delay_ms(1); setPWM(0x5,0,pwm); delay_ms(1); setPWM(0x6,0,pwm); delay_ms(1); setPWM(0x7,0,pwm); } void main() { PCA9685_write(PCA9685_MODE1,0x0);//PCA9685复位 setPWMFreq(50); while(1) { down(); up(); } } ``` ``` #ifndef __PCF8574_H #define __PCF8574_H #include <stc12c5a60s2.h> #define PCA9685_adrr 0x40 #define PCA9685_SUBADR1 0x2 #define PCA9685_SUBADR2 0x3 #define PCA9685_SUBADR3 0x4 #define PCA9685_MODE1 0x0 #define PCA9685_PRESCALE 0xFE #define LED0_ON_L 0x6 #define LED0_ON_H 0x7 #define LED0_OFF_L 0x8 #define LED0_OFF_H 0x9 #define ALLLED_ON_L 0xFA #define ALLLED_ON_H 0xFB #define ALLLED_OFF_L 0xFC #define ALLLED_OFF_H 0xFD #define u8 unsigned char #define u16 char ```
求C#实现PCA算法的例子
求C#实现PCA算法的例子,PCA为主成分分析, 看了一天的百度,然而线性代数的知识完全不记得了。 求各位大神指点迷津,万分感谢!
opencv pca投影 得到的特征脸问题
用opencv进行人脸识别,在训练阶段利用opencv自带的函数cvCalcEigenObjects获取pca的子空间,代码如下: cvCalcEigenObjects( nTrainFaces, //参加训练的图片 (void*)faceImgArr, //得到的特征脸 (void*)eigenVectArr, CV_EIGOBJ_NO_CALLBACK, 0, 0, &calcLimit, //得到的平均脸 pAvgTrainImg, eigenValMat->data.fl ); 执行该函数后,用cvShowImage()进行特征脸eigenVectArr的显示,特征脸显示结果都是一片漆黑,看网页上正常显示的特征脸应该是这样的吧[图片说明](https://img-ask.csdn.net/upload/201501/30/1422597863_788733.png) 而且我得出的平均脸pAvgTraining显示为一张白色图片,也是什么都没有的。 我用的人脸库是jaffe,想问下各位大神是什么原因导致无法得出特征脸和平均脸? 在此谢过。
sparkMLlib PCA降维后的数据与原来的数据不一样了,怎么使用sparkMLlib PCA降维后得到数据?
原始数据矩阵如下 // 原始数据 val arr = Array( Vectors.dense(4.0,1.0, 4.0, 5.0), Vectors.dense(2.0,3.0, 4.0, 5.0), Vectors.dense(4.0,0.0, 6.0, 7.0)) 降维后的数据如下: [-5.061524965038313,2.6731387750445608] [-7.489827262491891,4.4347709591799624] [-2.9078143281202276,4.506586481532503] spark PCA处理后的数据代表什么意思,和原来的数据不一样,怎么利用这个数据,比如我想对它做线性回归?
稀疏表示图像重建 结构据类型字典
把高分辨率图像样本预先进行分类,然后对于每一类训练样本学习一个相应的子字典,每个子字典基元可以通过相应的子类样本进行PCA变换。有大神能把这类字典的训练写成matlab代码 吗 …?!
通过超声测得的距离控制PWM输出的代码,不知道哪里错了,求大神帮忙看看
#include <c8051f410.h> #define SYSCLK 24500000 // Internal oscillator frequency in Hz #define BAUDRATE 9600 // Baud rate of UART in bps #define uchar unsigned char #define uint unsigned int //L298输入控制端定义 sbit IN1 = P2^0; sbit IN2 = P2^1; sbit ENA = P0^0; sbit IN3 = P2^2; sbit IN4 = P2^3; sbit ENB = P0^1; sbit RX=P2^6; sbit TX=P2^7; unsigned int time=0; unsigned char pwm; float S=0; void Oscillator_Init (void); void Port_Init (void); void PCA0_Init (void); void Interrupt_Init(void); void Timer0_Init(void); void Timer3_Init(void); void Conut(void); void Timer_Count(void); void StartModule(void); void delay(uchar n) //5*n,机器周期 { while (n) n --; } void delay_1ms(void) //1ms延时函数 { unsigned int i; for (i=0;i<24000;i++); } void delay_nms(unsigned int n) //N ms延时函数 { unsigned int i=0; for (i=0;i<n;i++) delay_1ms(); } /********************************/ /* 主函数 */ /********************************/ main() { PCA0MD &= ~0x40; // Disable Watchdog timer pwm=0; Oscillator_Init(); // Initialize the system clock PCA0_Init (); // Initialize PCA0; Port_Init (); Interrupt_Init(); Timer0_Init(); Timer3_Init(); Timer_Count(); IN1=1; IN2=0; IN3=1; IN4=0; while (1){ delay(20); StartModule(); if(S>=10) { pwm=50; } else{ pwm=100; } } } void Port_Init (void) { P1 |= 0x03; // Set port latches for P1.4 // and P1.5 to '1' P2 |= 0x0F; // Enable crossbar and weak pull-ups P0MDIN = 0xff; P0MDOUT = 0xCf; // Set CEX0 (P0.0) to push-pull P0SKIP = 0x00; P0 = 0x03; XBR1 = 0x42; // 010:CEX0、CEX1 TO P.0,P0.1 XBR0 = 0x01; //Txd\Rxd enable } void Oscillator_Init (void) { OSCICN = 0x87; // Set internal oscillator to run // at its maximum frequency CLKSEL = 0x00; RSTSRC = 0x04; // enable missing clock detector } void PCA0_Init (void) { // Configure PCA time base; overflow interrupt disabled PCA0CN = 0x00; // Stop counter; clear all flags 233 //PCA0MD = 0x08; // Use SYSCLK as time base PCA0MD = 0x00; //SYSCLK /12 PCA0CPM0 = 0x42; // Module 0 = 8-bit PWM mode // Configure initial PWM duty cycle = 50% PCA0CPH0 =228; PCA0CPL0 =228; // 256- (256 * 0.5); PCA0CPM1 = 0x42; // Module 0 = 8-bit PWM mode // Configure initial PWM duty cycle = 50% PCA0CPH1 =128; PCA0CPL1 =128; // 256- (256 * 0.5); // Start PCA counter CR = 1; } void Interrupt_Init(void) { IT01CF = 0x07; //P0.7,作为外中断0的输入引脚 EX0= 1; IT0 = 1; IP = 0; EIP1 = 0; EIP2 = 0; PT0 = 1; EA = 1; } void Timer0_Init(void) { TMOD=0x01; IE=0x82; TH0=0xff; TL0=0x9c; TR0=1; } void Timer0_Int() interrupt 1//中断程序 { TH0=0xff; TL0=0x9c; PCA0CPH0=256-pwm; PCA0CPH1=256-pwm; } void Timer3_Init(void) { uchar H3,L3; //b7:T3MH=0;b6:T3ML=0; //T3_SYSCLK=24500000/12≈2.042MHz,0.49u;T3SPLIT=0,16位自动重载方式 CKCON &= ~0xC0; //TR3=0,关闭定时器T3工作 TMR3CN = 0x00; H3 = 0; // = (65536-2245)/256; //2245*0.49us=1100.05us L3 = 0; // = (65536-2245)%256; TMR3RLL = L3; TMR3RLH = H3; TMR3L = L3; TMR3H = H3; // EIE1 = EIE1 | 0x80; //允许T3中断 } void Conut(void) { time=TMR3H<<8 +TMR3L; TMR3H = 0; TMR3L = 0; S=(time*1.88)/100; //算出来是MM } void Timer_Count(void) { TMR3CN |= 0x04; //开启计数 while(RX); //当RX为1计数并等待 TMR3CN &= ~0x04; //关闭计数 Conut(); //计算 } void StartModule(void) //T1中断用来扫描数码管和计800MS启动模块 { TX=1; //800MS 启动一次模块 delay_nms(800); TX=0; }
数字图像处理,有没有大神帮忙答一下,谢谢了
1、若图像I = [ 1 1 5 6 8 8; 2 3 5 7 0 2; 0 2 3 5 6 7],求其共生矩阵。 2、计算下面二维数据集合的主要成分分量,并利用PCA方法将数据降至1维和2维,然后利用1个和2个主成分实现对原始数据的重构。 X={(2, 7), (8, 4), (7, 5), (10, 3), (5,6), (6,5), (3, 7), (7,4), (4,6), (5, 7), (3, 7)}。
为什么说pca是一种在最小均方差意义下的最佳数据表现形式 ?
为什么说pca是一种在最小均方差意义下的最佳数据表现形式 ?
关于PCA和KPCA的特征向量的维数问题~
想问一下PCA算出来的特征向量是和样本属性的维数一样,因为主成分是原来样本属性的线性组合,那么KPCA求出来的特征向量(利用核函数),为什么维数等于样本数呢?
主成分分析降维会影响到机器学习的精度么?
![图片说明](https://img-ask.csdn.net/upload/201907/18/1563440089_697335.png) 我使用五种方法同时对原始数据和主成分分析PCA处理之后的数据进行分析,并且进行回判和预测,发现SVM和神经网络前后变化不大,但是XGBoost、AdaBoost以及Bayes的成功率反而有所降低,请问是不是因为这几个方法不适合主成分分析降维?
偏最小二乘法回归的Python代码看不懂,有大佬可以帮忙解释一下吗?
{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": [ "#basic module\n", "import warnings\n", "warnings.filterwarnings('ignore')\n", "from sklearn import preprocessing\n", "from sklearn import metrics\n", "from sklearn.decomposition import PCA \n", "import numpy as np\n", "import pandas as pd" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [ { "data": { "text/html": [ "<div>\n", "<style scoped>\n", " .dataframe tbody tr th:only-of-type {\n", " vertical-align: middle;\n", " }\n", "\n", " .dataframe tbody tr th {\n", " vertical-align: top;\n", " }\n", "\n", " .dataframe thead th {\n", " text-align: right;\n", " }\n", "</style>\n", "<table border=\"1\" class=\"dataframe\">\n", " <thead>\n", " <tr style=\"text-align: right;\">\n", " <th></th>\n", " <th>Q41</th>\n", " <th>Q42</th>\n", " <th>Q43</th>\n", " <th>Q44</th>\n", " <th>Q45</th>\n", " <th>Q46</th>\n", " <th>Q47</th>\n", " <th>Q48</th>\n", " <th>Q49</th>\n", " <th>Q410</th>\n", " <th>Q411</th>\n", " <th>Q412</th>\n", " <th>Q413</th>\n", " <th>Q414</th>\n", " <th>A1</th>\n", " <th>A2</th>\n", " <th>A3</th>\n", " </tr>\n", " </thead>\n", " <tbody>\n", " <tr>\n", " <td>0</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>4</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>-1.61</td>\n", " <td>1.91</td>\n", " <td>-1.06</td>\n", " </tr>\n", " <tr>\n", " <td>1</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>2</td>\n", " <td>2</td>\n", " <td>2</td>\n", " <td>2</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>2</td>\n", " <td>2</td>\n", " <td>2</td>\n", " <td>1.29</td>\n", " <td>-2.49</td>\n", " <td>-0.99</td>\n", " </tr>\n", " <tr>\n", " <td>2</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>-0.04</td>\n", " <td>1.89</td>\n", " <td>-1.29</td>\n", " </tr>\n", " <tr>\n", " <td>3</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>-0.04</td>\n", " <td>1.89</td>\n", " <td>-1.29</td>\n", " </tr>\n", " <tr>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>3</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>5</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>3</td>\n", " <td>4</td>\n", " <td>4</td>\n", " <td>3</td>\n", " <td>-0.23</td>\n", " <td>0.77</td>\n", " <td>-0.60</td>\n", " </tr>\n", " </tbody>\n", "</table>\n", "</div>" ], "text/plain": [ " Q41 Q42 Q43 Q44 Q45 Q46 Q47 Q48 Q49 Q410 Q411 Q412 Q413 Q414 \\\n", "0 3 3 3 3 3 4 5 5 5 5 3 3 3 3 \n", "1 4 4 4 4 4 2 2 2 2 5 5 2 2 2 \n", "2 4 4 4 4 4 5 5 5 5 5 3 3 3 3 \n", "3 4 4 4 4 4 5 5 5 5 5 3 3 3 3 \n", "4 4 4 4 4 3 5 5 5 3 3 3 4 4 3 \n", "\n", " A1 A2 A3 \n", "0 -1.61 1.91 -1.06 \n", "1 1.29 -2.49 -0.99 \n", "2 -0.04 1.89 -1.29 \n", "3 -0.04 1.89 -1.29 \n", "4 -0.23 0.77 -0.60 " ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "raw_data = pd.read_csv(\"257 928.csv\").loc[:,['Q41','Q42','Q43','Q44','Q45',\n", " 'Q46','Q47','Q48','Q49','Q410',\n", " 'Q411','Q412','Q413','Q414',\n", " 'A1','A2','A3']]\n", "raw_data.head()" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "Index(['Q41', 'Q42', 'Q43', 'Q44', 'Q45', 'Q46', 'Q47', 'Q48', 'Q49', 'Q410',\n", " 'Q411', 'Q412', 'Q413', 'Q414', 'A1', 'A2', 'A3'],\n", " dtype='object')" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "raw_data.columns" ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [], "source": [ "def linear_model(X,w):\n", " _,loop = np.shape(X)\n", " sum = 0\n", " for i in range(loop):\n", " sum += w[i] * X[:,i]\n", " return sum" ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [], "source": [ "def loss_function(x_train, y_train, w):\n", " X = x_train\n", " Y_pred = linear_model(X,w)\n", " J = metrics.mean_squared_error(y_train, Y_pred)\n", " return J" ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [], "source": [ "def model(x_train, y_train, mini=1e-10, alpha=0.001, delta = 0.005, max_iter = 100, max_step = 5000): \n", " step = 0\n", " _,loop = np.shape(x_train)\n", " w = np.random.rand(loop)\n", " while(True):\n", " weights = np.array(w)\n", " for i in range(0, len(w)):\n", " step_ = 0\n", " while (True):\n", " # simplified gradient descent\n", " w_backup = w[i] \n", " loss_present = loss_function(x_train, y_train, w)\n", " w[i] = w_backup + delta\n", " loss_plus = loss_function(x_train, y_train, w)\n", " w[i] = w_backup - delta\n", " loss_sub = loss_function(x_train, y_train, w)\n", " if (loss_present < loss_plus and loss_present < loss_sub) or step_ >= max_step:\n", " break\n", " # update weights\n", " w[i] = w_backup - alpha*(loss_plus - loss_sub)/(2*delta)\n", " #w[i] = w_backup + alpha if loss_plus < loss_sub else w_backup - alpha\n", " step_ += 1\n", " offset = np.sum(np.square(np.array(w) - weights))\n", " # end condition\n", " step += 1\n", " if (offset < mini) or (step >= max_iter):\n", " break\n", " return w, loss_present" ] }, { "cell_type": "code", "execution_count": 7, "metadata": {}, "outputs": [], "source": [ "def obtain_elements(x_data, y_data, num):\n", " comp_list = []\n", " metric_list = []\n", " w_list = []\n", " pca_list = []\n", " for comp in range(num):\n", " n_comp = comp + 1\n", " # pca\n", " comp_list.append(n_comp)\n", " pca = PCA(n_components=n_comp,svd_solver='auto')\n", " X_ = x_data - np.mean(x_data)\n", " pca.fit(X_, y_data)\n", " X = pca.transform(X_)\n", " # linear reg\n", " pca_list.append(pca)\n", " w, metric = model(X, y_data )\n", " w_list.append(w)\n", " metric_list.append(metric)\n", " ind = metric_list.index(min(metric_list))\n", " print(\"metrics :\" ,metric_list)\n", " return comp_list[ind], pca_list[ind], w_list[ind]" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [], "source": [ "# 第一组\n", "x1_data = raw_data.loc[:,['Q41','Q42','Q43','Q44','Q45']]\n", "y1_data = raw_data.loc[:,['A2']]\n", "len1 = 5\n", "# 第二组\n", "x2_data = raw_data.loc[:,['Q46','Q47','Q48','Q49','Q410']]\n", "y2_data = raw_data.loc[:,['A1']]\n", "len2 = 5\n", "# 第三组\n", "x3_data = raw_data.loc[:,['Q411','Q412','Q413','Q414']]\n", "y3_data = raw_data.loc[:,['A3']]\n", "len3 = 4" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "# 计算PLSR" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ " 第一组" ] }, { "cell_type": "code", "execution_count": 9, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "metrics : [0.937338177736278, 0.90366935147199, 0.9036905658620544, 0.9028029958313659, 0.9022534567720741]\n", "第一组的主成分保留5个\n", "回归系数为: [-0.17477811 0.25885742 -0.01157531 -0.07843881 0.06077944]\n" ] } ], "source": [ "comp_1, pca_1, w1 = obtain_elements(x1_data, y1_data, len1)\n", "print(\"第一组的主成分保留%d个\"%comp_1)\n", "print(\"回归系数为:\", w1)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ " 第二组" ] }, { "cell_type": "code", "execution_count": 10, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "metrics : [0.9216669179495057, 0.9126959565507735, 0.900633447790304, 0.8930927646735571, 0.8824868647839249]\n", "第二组的主成分保留5个\n", "回归系数为: [-0.19525742 -0.14575206 -0.20305816 -0.17987887 -0.22941539]\n" ] } ], "source": [ "comp_2, pca_2, w2 = obtain_elements(x2_data, y2_data, len2)\n", "print(\"第二组的主成分保留%d个\"%comp_2)\n", "print(\"回归系数为:\", w2)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ " 第三组" ] }, { "cell_type": "code", "execution_count": 11, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "metrics : [0.07356179930507709, 0.06803873635782488, 0.06747567528450515, 0.06722983639980304]\n", "第三组的主成分保留4个\n", "回归系数为: [-0.67029064 -0.10083604 0.0447786 -0.04806739]\n" ] } ], "source": [ "comp_3, pca_3, w3 = obtain_elements(x3_data, y3_data, len3)\n", "print(\"第三组的主成分保留%d个\"%comp_3)\n", "print(\"回归系数为:\", w3)" ] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.7.4" } }, "nbformat": 4, "nbformat_minor": 2 } ``` ```
求大神指导,这段代码怎么添加判断条件。就是不满足这个条件的输出另外的结果
double min = Euc_dist[0]; int label; for (i=0;i<TRAIN_NUM;i++) { if (min>=Euc_dist[i]) { min = Euc_dist[i]; label = i; }} printf("%d.jpg is mathcing!",label+1);
爬虫福利二 之 妹子图网MM批量下载
爬虫福利一:27报网MM批量下载    点击 看了本文,相信大家对爬虫一定会产生强烈的兴趣,激励自己去学习爬虫,在这里提前祝:大家学有所成! 目标网站:妹子图网 环境:Python3.x 相关第三方模块:requests、beautifulsoup4 Re:各位在测试时只需要将代码里的变量 path 指定为你当前系统要保存的路径,使用 python xxx.py 或IDE运行即可。
Java学习的正确打开方式
在博主认为,对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结,前三者博主将淋漓尽致地挥毫于这篇博客文章中,至于总结在于个人,实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍,博客次之,这又是一个层次了,这里暂时不提后面再谈。博主将为各位入门java保驾护航,各位只管冲鸭!!!上天是公平的,只要不辜负时间,时间自然不会辜负你。 何谓学习?博主所理解的学习,它
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过
大学四年自学走来,这些私藏的实用工具/学习网站我贡献出来了
大学四年,看课本是不可能一直看课本的了,对于学习,特别是自学,善于搜索网上的一些资源来辅助,还是非常有必要的,下面我就把这几年私藏的各种资源,网站贡献出来给你们。主要有:电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意:文中提到的所有资源,文末我都给你整理好了,你们只管拿去,如果觉得不错,转发、分享就是最大的支持了。 一、PDF搜索网站推荐 对于大部
linux系列之常用运维命令整理笔录
本博客记录工作中需要的linux运维命令,大学时候开始接触linux,会一些基本操作,可是都没有整理起来,加上是做开发,不做运维,有些命令忘记了,所以现在整理成博客,当然vi,文件操作等就不介绍了,慢慢积累一些其它拓展的命令,博客不定时更新 顺便拉下票,我在参加csdn博客之星竞选,欢迎投票支持,每个QQ或者微信每天都可以投5票,扫二维码即可,http://m234140.nofollow.ax.
比特币原理详解
一、什么是比特币 比特币是一种电子货币,是一种基于密码学的货币,在2008年11月1日由中本聪发表比特币白皮书,文中提出了一种去中心化的电子记账系统,我们平时的电子现金是银行来记账,因为银行的背后是国家信用。去中心化电子记账系统是参与者共同记账。比特币可以防止主权危机、信用风险。其好处不多做赘述,这一层面介绍的文章很多,本文主要从更深层的技术原理角度进行介绍。 二、问题引入  假设现有4个人
程序员接私活怎样防止做完了不给钱?
首先跟大家说明一点,我们做 IT 类的外包开发,是非标品开发,所以很有可能在开发过程中会有这样那样的需求修改,而这种需求修改很容易造成扯皮,进而影响到费用支付,甚至出现做完了项目收不到钱的情况。 那么,怎么保证自己的薪酬安全呢? 我们在开工前,一定要做好一些证据方面的准备(也就是“讨薪”的理论依据),这其中最重要的就是需求文档和验收标准。一定要让需求方提供这两个文档资料作为开发的基础。之后开发
网页实现一个简单的音乐播放器(大佬别看。(⊙﹏⊙))
今天闲着无事,就想写点东西。然后听了下歌,就打算写个播放器。 于是乎用h5 audio的加上js简单的播放器完工了。 欢迎 改进 留言。 演示地点跳到演示地点 html代码如下`&lt;!DOCTYPE html&gt; &lt;html&gt; &lt;head&gt; &lt;title&gt;music&lt;/title&gt; &lt;meta charset="utf-8"&gt
Python十大装B语法
Python 是一种代表简单思想的语言,其语法相对简单,很容易上手。不过,如果就此小视 Python 语法的精妙和深邃,那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点,并附上详细的实例代码。如能在实战中融会贯通、灵活使用,必将使代码更为精炼、高效,同时也会极大提升代码B格,使之看上去更老练,读起来更优雅。 1. for - else 什么?不是 if 和 else 才
数据库优化 - SQL优化
前面一篇文章从实例的角度进行数据库优化,通过配置一些参数让数据库性能达到最优。但是一些“不好”的SQL也会导致数据库查询变慢,影响业务流程。本文从SQL角度进行数据库优化,提升SQL运行效率。 判断问题SQL 判断SQL是否有问题时可以通过两个表象进行判断: 系统级别表象 CPU消耗严重 IO等待严重 页面响应时间过长
2019年11月中国大陆编程语言排行榜
2019年11月2日,我统计了某招聘网站,获得有效程序员招聘数据9万条。针对招聘信息,提取编程语言关键字,并统计如下: 编程语言比例 rank pl_ percentage 1 java 33.62% 2 c/c++ 16.42% 3 c_sharp 12.82% 4 javascript 12.31% 5 python 7.93% 6 go 7.25% 7
通俗易懂地给女朋友讲:线程池的内部原理
餐厅的约会 餐盘在灯光的照耀下格外晶莹洁白,女朋友拿起红酒杯轻轻地抿了一小口,对我说:“经常听你说线程池,到底线程池到底是个什么原理?”我楞了一下,心里想女朋友今天是怎么了,怎么突然问出这么专业的问题,但做为一个专业人士在女朋友面前也不能露怯啊,想了一下便说:“我先给你讲讲我前同事老王的故事吧!” 大龄程序员老王 老王是一个已经北漂十多年的程序员,岁数大了,加班加不动了,升迁也无望,于是拿着手里
经典算法(5)杨辉三角
写在前面: 我是 扬帆向海,这个昵称来源于我的名字以及女朋友的名字。我热爱技术、热爱开源、热爱编程。技术是开源的、知识是共享的。 这博客是对自己学习的一点点总结及记录,如果您对 Java、算法 感兴趣,可以关注我的动态,我们一起学习。 用知识改变命运,让我们的家人过上更好的生活。 目录一、杨辉三角的介绍二、杨辉三角的算法思想三、代码实现1.第一种写法2.第二种写法 一、杨辉三角的介绍 百度
腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹?
昨天,有网友私信我,说去阿里面试,彻底的被打击到了。问了为什么网上大量使用ThreadLocal的源码都会加上private static?他被难住了,因为他从来都没有考虑过这个问题。无独有偶,今天笔者又发现有网友吐槽了一道腾讯的面试题,我们一起来看看。 腾讯算法面试题:64匹马8个跑道需要多少轮才能选出最快的四匹? 在互联网职场论坛,一名程序员发帖求助到。二面腾讯,其中一个算法题:64匹
面试官:你连RESTful都不知道我怎么敢要你?
面试官:了解RESTful吗? 我:听说过。 面试官:那什么是RESTful? 我:就是用起来很规范,挺好的 面试官:是RESTful挺好的,还是自我感觉挺好的 我:都挺好的。 面试官:… 把门关上。 我:… 要干嘛?先关上再说。 面试官:我说出去把门关上。 我:what ?,夺门而去 文章目录01 前言02 RESTful的来源03 RESTful6大原则1. C-S架构2. 无状态3.统一的接
为啥国人偏爱Mybatis,而老外喜欢Hibernate/JPA呢?
关于SQL和ORM的争论,永远都不会终止,我也一直在思考这个问题。昨天又跟群里的小伙伴进行了一番讨论,感触还是有一些,于是就有了今天这篇文。 声明:本文不会下关于Mybatis和JPA两个持久层框架哪个更好这样的结论。只是摆事实,讲道理,所以,请各位看官勿喷。 一、事件起因 关于Mybatis和JPA孰优孰劣的问题,争论已经很多年了。一直也没有结论,毕竟每个人的喜好和习惯是大不相同的。我也看
SQL-小白最佳入门sql查询一
一 说明 如果是初学者,建议去网上寻找安装Mysql的文章安装,以及使用navicat连接数据库,以后的示例基本是使用mysql数据库管理系统; 二 准备前提 需要建立一张学生表,列分别是id,名称,年龄,学生信息;本示例中文章篇幅原因SQL注释略; 建表语句: CREATE TABLE `student` ( `id` int(11) NOT NULL AUTO_INCREMENT, `
项目中的if else太多了,该怎么重构?
介绍 最近跟着公司的大佬开发了一款IM系统,类似QQ和微信哈,就是聊天软件。我们有一部分业务逻辑是这样的 if (msgType = "文本") { // dosomething } else if(msgType = "图片") { // doshomething } else if(msgType = "视频") { // doshomething } else { // dosho
【图解经典算法题】如何用一行代码解决约瑟夫环问题
约瑟夫环问题算是很经典的题了,估计大家都听说过,然后我就在一次笔试中遇到了,下面我就用 3 种方法来详细讲解一下这道题,最后一种方法学了之后保证让你可以让你装逼。 问题描述:编号为 1-N 的 N 个士兵围坐在一起形成一个圆圈,从编号为 1 的士兵开始依次报数(1,2,3…这样依次报),数到 m 的 士兵会被杀死出列,之后的士兵再从 1 开始报数。直到最后剩下一士兵,求这个士兵的编号。 1、方
致 Python 初学者
文章目录1. 前言2. 明确学习目标,不急于求成,不好高骛远3. 在开始学习 Python 之前,你需要做一些准备2.1 Python 的各种发行版2.2 安装 Python2.3 选择一款趁手的开发工具3. 习惯使用IDLE,这是学习python最好的方式4. 严格遵从编码规范5. 代码的运行、调试5. 模块管理5.1 同时安装了py2/py35.2 使用Anaconda,或者通过IDE来安装模
“狗屁不通文章生成器”登顶GitHub热榜,分分钟写出万字形式主义大作
一、垃圾文字生成器介绍 最近在浏览GitHub的时候,发现了这样一个骨骼清奇的雷人项目,而且热度还特别高。 项目中文名:狗屁不通文章生成器 项目英文名:BullshitGenerator 根据作者的介绍,他是偶尔需要一些中文文字用于GUI开发时测试文本渲染,因此开发了这个废话生成器。但由于生成的废话实在是太过富于哲理,所以最近已经被小伙伴们给玩坏了。 他的文风可能是这样的: 你发现,
程序员:我终于知道post和get的区别
IT界知名的程序员曾说:对于那些月薪三万以下,自称IT工程师的码农们,其实我们从来没有把他们归为我们IT工程师的队伍。他们虽然总是以IT工程师自居,但只是他们一厢情愿罢了。 此话一出,不知激起了多少(码农)程序员的愤怒,却又无可奈何,于是码农问程序员。 码农:你知道get和post请求到底有什么区别? 程序员:你看这篇就知道了。 码农:你月薪三万了? 程序员:嗯。 码农:你是怎么做到的? 程序员:
《程序人生》系列-这个程序员只用了20行代码就拿了冠军
你知道的越多,你不知道的越多 点赞再看,养成习惯GitHub上已经开源https://github.com/JavaFamily,有一线大厂面试点脑图,欢迎Star和完善 前言 这一期不算《吊打面试官》系列的,所有没前言我直接开始。 絮叨 本来应该是没有这期的,看过我上期的小伙伴应该是知道的嘛,双十一比较忙嘛,要值班又要去帮忙拍摄年会的视频素材,还得搞个程序员一天的Vlog,还要写BU
加快推动区块链技术和产业创新发展,2019可信区块链峰会在京召开
      11月8日,由中国信息通信研究院、中国通信标准化协会、中国互联网协会、可信区块链推进计划联合主办,科技行者协办的2019可信区块链峰会将在北京悠唐皇冠假日酒店开幕。   区块链技术被认为是继蒸汽机、电力、互联网之后,下一代颠覆性的核心技术。如果说蒸汽机释放了人类的生产力,电力解决了人类基本的生活需求,互联网彻底改变了信息传递的方式,区块链作为构造信任的技术有重要的价值。   1
程序员把地府后台管理系统做出来了,还有3.0版本!12月7号最新消息:已在开发中有github地址
第一幕:缘起 听说阎王爷要做个生死簿后台管理系统,我们派去了一个程序员…… 996程序员做的梦: 第一场:团队招募 为了应对地府管理危机,阎王打算找“人”开发一套地府后台管理系统,于是就在地府总经办群中发了项目需求。 话说还是中国电信的信号好,地府都是满格,哈哈!!! 经常会有外行朋友问:看某网站做的不错,功能也简单,你帮忙做一下? 而这次,面对这样的需求,这个程序员
网易云6亿用户音乐推荐算法
网易云音乐是音乐爱好者的集聚地,云音乐推荐系统致力于通过 AI 算法的落地,实现用户千人千面的个性化推荐,为用户带来不一样的听歌体验。 本次分享重点介绍 AI 算法在音乐推荐中的应用实践,以及在算法落地过程中遇到的挑战和解决方案。 将从如下两个部分展开: AI 算法在音乐推荐中的应用 音乐场景下的 AI 思考 从 2013 年 4 月正式上线至今,网易云音乐平台持续提供着:乐屏社区、UGC
【技巧总结】位运算装逼指南
位算法的效率有多快我就不说,不信你可以去用 10 亿个数据模拟一下,今天给大家讲一讲位运算的一些经典例子。不过,最重要的不是看懂了这些例子就好,而是要在以后多去运用位运算这些技巧,当然,采用位运算,也是可以装逼的,不信,你往下看。我会从最简单的讲起,一道比一道难度递增,不过居然是讲技巧,那么也不会太难,相信你分分钟看懂。 判断奇偶数 判断一个数是基于还是偶数,相信很多人都做过,一般的做法的代码如下
日均350000亿接入量,腾讯TubeMQ性能超过Kafka
整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) 【导读】近日,腾讯开源动作不断,相继开源了分布式消息中间件TubeMQ,基于最主流的 OpenJDK8开发的
8年经验面试官详解 Java 面试秘诀
    作者 | 胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。   Java程序员准备和投递简历的实
面试官如何考察你的思维方式?
1.两种思维方式在求职面试中,经常会考察这种问题:北京有多少量特斯拉汽车? 某胡同口的煎饼摊一年能卖出多少个煎饼? 深圳有多少个产品经理? 一辆公交车里能装下多少个乒乓球? 一
相关热词 c#处理浮点数 c# 生成字母数字随机数 c# 动态曲线 控件 c# oracle 开发 c#选择字体大小的控件 c# usb 批量传输 c#10进制转8进制 c#转base64 c# 科学计算 c#下拉列表获取串口
立即提问