灰色预测 GM(1,1) 灰色系统理论旨在解决小样本、贫信息下的不确定性问题。它不追求数据的统计规律，而是通过特定方法处理原始数据，寻找其内在的发展趋势 GM(1,1)是该理论中最基础的模型，其名称含义为：Grey Model of First-order equation in One variable（一阶单变量灰色模型） 其核心操作是累加生成(AGO)，即将原始的、可能看似杂乱的数据序列进行

线性规划（LP） 一般形式 可行解： 满足约束条件（4）的解 x=[x1,…,xn]Tx = [x_1, \ldots, x_n]^Tx=[x1​,…,xn​]T，称为线性规划问题的可行解，而使目标函数（3）达到最大值的可行解叫最优解。 可行域： 可行解构成的集合称为问题的可行域，记为 RRR 使用 scipy.optimize.linprog 解 LP 的代码模板 25.6.25更新：sci

🍀 前言 笔者从小就有一个梦想，那就是能拥有一个属于自己的网站，那真的是泰裤辣！！但是对于当时一个连html/css/js是啥都不知道的小白来说有辣么亿点点难…后来我遇见了hexo框架，开箱即用，大大降低了难度，感觉可以尝试一下[捂脸]，所以笔者就从零开始，慢慢摸索。而写这篇文章，就是为了记录总结笔者建站(掉坑)的全过程… ✨简介 Hexo是一个快速、简洁且高效的博客框架。Hexo 使用 Mar

课程主页 配套练习代码 1. 监督学习 监督学习是已经知道数据的label，例如预测房价问题，给出了房子的面积和价格 回归问题是预测连续值的输出，例如预测房价 分类问题是预测离散值输出，例如判断肿瘤是良性还是恶性 2. 无监督学习 无监督学习是不知道数据具体的含义，比如给定一些数据但不知道它们具体的信息，对于分类问题无监督学习可以得到多个不同的聚类，从而实现预测的功能 3. 线性回归

注释 // /* … */ 8种基础数据类型（primitive data type ） Integral types: byte, short, int, long Floating-point types: float, double The boolean data type The char data type 变量类型 局部变量 成员变量(实例变量) - 默认权限default或声

基本知识 数学建模六个步骤 模型准备 了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思路来解释问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。理解实际问题后，搜集资料，快速阅读和理解参考文献 模型假设 根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。对涉及到的变量、变量的单位、

1 内存四区 C++程序在执行时，将内存大方向划分为4个区域 代码区：存放函数体的二进制代码，由操作系统进行管理的 全局区：存放全局变量和静态变量以及常量 栈区：由编译器自动分配释放, 存放函数的参数值,局部变量等 堆区：由程序员分配和释放,若程序员不释放,程序结束时由操作系统回收 1.1 代码区 存放程序执行的机器指令 代码区是共享的，共享的目的是对于频繁被执行的程序，只需要在内存中有一份代

1 C++初识 1.1 注释 单行注释：// 描述信息 通常放在一行代码的上方，或者一条语句的末尾，对该行代码说明 多行注释： /* 描述信息 */ 通常放在一段代码的上方，对该段代码做整体说明 1.2 变量 语法：数据类型 变量名 = 初始值; 通过变量名来代表一段内存区间 静态变量： 定义时用static 前缀修饰 生命周期： 静态变量在程序运行开始时被分配内存，并在

OjAssistant 🍀SustechJcoder平台助手 v1.2.1 📌 项目结构 123456789101112131415161718ojAssistant/├── main.py # 主入口点├── services/ # 服务层│ ├── __init__.py│ ├── auth_service.py

📌 安装 Docker 下载安装docker-for-windows（Docker Desktop Installer.exe和InstallDocker.msi都需要安装） 如果遇到 Docker.ApiServices.WSL2.WslKernelUpdateNotInstalledException: 引发类型为“Docker.ApiServices.WSL2.WslKernelUpda