线性回归
线性回归是一种基础而且常用的机器学习算法，顾名思义是一个回归模型。
它的假设是，输出y可以被输入x以线性的方式预测 y = wx + b,
其中，w和b是模型要学习的参数。
线性回归的目标是求解w和b，使得预测输出y与真实输出之间的误差最小。
线性回归的损失函数通常使用均方误差作为衡量指标:
$$MSE = \frac{1}{n} \sum_{i=1}^{n} (Y_i - \hat{Y}_i)^2$$
其中:
$n$ - 样本数量
$Y_i$ - 第$i$个样本的真实值
$\hat{Y}_i$ - 第$i$个样本的预测值
$\sum$ - 求和符号,对所有样本求和解析:
$(Y_i - \hat{Y}_i)$ 表示第$i$个样本的预测误差,即真实值与预测值之
$(Y_i - \hat{Y}_i)^2$ 对预测误差进行平方,避免正负误差相抵消,误差可能为负也可能为正，取平方有一个特性，它惩罚更大的错误更多。
$\frac{1}{n}$ 求样本平均值,防止样本数量影响所以MSE是每个样本平方误差之和的平均值,反映了模型预测值与真实值的偏差程度。
下面是一个简单的示例，搞明白线性回归是 ...
Hexo指令
新建文章
$ hexo new
$ hexo new “Hexo指令”
数据结构实习
实习内容
一、马踏棋盘
问题描述
将马随机放在国际象棋的8×8棋盘[0～7][0～7]的某个方格中，马按走棋规则进行移动。要求每个方格只进入一次，走遍棋盘上全部64个方格。编制递归和非递归程序，求出马的行走路线，并按求出的行走路线，将数字1，2，…，64依次填入一个8×8的方阵，输出之。
程序代码
棋盘定义
123#define ROW 8#define COL 8#define MAX_STEPS ROW*COL
定义每次的改变的相对坐标
12int move_x[8] = { 1, 2, 2, 1, -1, -2, -2, -1 };int move_y[8] = { 2, 1, -1, -2, -2, -1, 1, 2 };
方法1：DFS（递归）
Dfs 函数是深度优先遍历函数，使用递归方式实现。
接受二维数组 path 表示棋盘，m 和 n 表示当前位置的坐标，edge 表示棋盘边长，count 表示已经访问的格子数。
函数首先判断是否已经访问了所有的格子，如果是则直接返回。
然后判断当前位置是否在棋盘范围内且未被访问过，如果是则增加 ...