小编Hon*_*wal的帖子

我是julia的新手!我刚刚从java切换到julia,有人能告诉我julia是否有类似结构的hashmap？如果不是,那么如何在朱莉娅中将一种类型映射到另一种类型？

假设我有一个包含两列的数据集。我已经在我的数据集上建立了线性回归模型，现在我的问题是如何检查模型的准确性。

我发现我的问题的答案是在我的数据集上应用 K 折。我知道 K-fold 是如何工作的，但我不知道如何在我的 Julia 程序中实现 K-fold。

#suppose I have two columns x and y in my dataset

 x= [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]
 y=[2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]

# now how do I use K-fold to split dataset and also evaluate my algorithm?

我有两个变量 W1、W2 和输出 z = F(W1,W2) 的损失函数。

现在我绘制这个损失函数的等高线图。现在说，我已经计算了两个点的梯度向量，因此我现在有两个梯度向量。我想在等高线图上绘制这些梯度向量，但我不知道如何处理。任何帮助表示赞赏

enter code here
%matplotlib inline
import matplotlib.pyplot as plt 
import numpy as np 

feature_x = np.arange(-50, 50, 2) 
feature_y = np.arange(-50, 50, 3) 

# Creating 2-D grid of features 
[X, Y] = np.meshgrid(feature_x, feature_y) 

fig, ax = plt.subplots(1, 1) 

z = 0.5*np.array((Y-X)*(Y-X) + 0.5*(1-X)*(1-X))

# plots contour lines 
ax.contour(X, Y, z, 10, cmap = 'jet') 
ax.grid(True)
ax.axis('scaled')
#ax.clabel(cp, inline=1, fontsize=10)  
ax.set_title('Contour Plot') 
ax.set_xlabel('feature_x') 
ax.set_ylabel('feature_y') 

plt.show() 

乍一看，合并排序的空间复杂度为 O(n) 是有道理的，因为为了对未排序的数组进行排序，我要拆分并创建子数组，但所有子数组的大小总和将为 n。

问题：我主要关心的是递归期间 mergeSort() 函数的内存分配。我有一个主堆栈，对 mergeSort() （递归）的每个函数调用都将被推送到堆栈上。现在，每个递归调用的 mergeSort() 函数都将拥有自己的堆栈。因此，假设我们对 mergeSort() 进行了 5 次递归调用，那么主堆栈将包含 5 个函数调用，其中每个函数调用都有自己的函数堆栈。现在，每个函数堆栈都有自己的局部变量，例如函数创建的左子数组和右子数组。因此，5 个函数堆栈中的每一个在内存中都应该有 5 个不同的子数组。那么空间不应该随着递归调用的增长而增长吗？