P叔带你学装饰器

Python装饰器的高级用法(多个装饰器参数装饰器,类装饰器 6 多个装饰器的使用 def make_div(func): """对被装饰的函数的返回值 div标签""" def inner(*args, **kwargs): return "<div>" + func() + "</div>" return inner def make_p(func): """对被装饰的函数的返回值... 阅读详情

作为许多语言都存在的高级语法之一,装饰器是你必须掌握的知识点。

装饰器(Decorator):从字面上理解,就是装饰对象的器件。可以在不修改原有代码的情况下,为被装饰的对象增加新的功能或者附加限制条件或者帮助输出。装饰器有很多种,有函数的装饰器,也有类的装饰器。装饰器在很多语言中的名字也不尽相同,它体现的是设计模式中的装饰模式,强调的是开放封闭原则。装饰器的语法是将@装饰器名,放在被装饰对象上面。

@dec``def func():`    `pass

在进行装饰器的介绍之前,我们必须先明确几个概念和原则:

首先,Python程序是从上往下顺序执行的,而且碰到函数的定义代码块是不会立即执行的,只有等到该函数被调用时,才会执行其内部的代码块。关于这一点,其实我们在前面的章节已经介绍过了。

def foo():`    `print("foo函数被运行了!")``   ``#如果就这么样,foo里的语句是不会被执行的。``#程序只是简单的将定义代码块读入内存中。``# foo()    只有调用了,才会执行

其次,由于顺序执行的原因,如果你真的对同一个函数定义了两次,那么,后面的定义会覆盖前面的定义。因此,在Python中代码的放置位置是有区别的,不能随意摆放,通常函数体要放在调用的语句之前。

def foo():`    `print("我是上面的函数定义!")``   ``foo()``   ``def foo():`    `print("我是下面的函数定义!")``   ``foo()``#----------------``执行结果:``我是上面的函数定义!``我是下面的函数定义!

然后,我们还要先搞清楚几样东西:函数名、函数体、返回值,函数的内存地址、函数名加括号、函数名被当作参数、函数名加括号被当作参数、返回函数名、返回函数名加括号。

def outer(func):`    `def inner():`        `print("我是内层函数!")`    `return inner``   ``def foo():`    `print("我是原始函数!")``   ``outer(foo)``outer(foo())

函数名:foo、outer、inner

函数体:函数的整个代码结构

返回值:return后面的表达式

函数的内存地址:id(foo)、id(outer)等等

函数名加括号:对函数进行调用,比如foo()、outer(foo)

函数名作为参数:outer(foo)中的foo本身是个函数,但作为参数被传递给了outer函数

函数名加括号被当做参数:其实就是先调用函数,再将它的返回值当做别的函数的参数,例如outer(foo())

返回函数名:return inner

返回函数名加括号:return inner(),其实就是先执行inner函数,再将其返回值作为别的函数的返回值。

如果你能理解函数也是一个对象,就能很容易地理解上面的概念。

有了这些基本的概念,我们就可以通过一个实例来讲解Python中装饰器的作用了。

下例是针对函数的装饰器。

虚拟场景

有一个大公司,下属的基础平台部负责内部应用程序及API的开发。另外还有上百个业务部门负责不同的业务,这些业务部门各自调用基础平台部提供的不同函数,也就是API处理自己的业务,情况如下:

# 基础平台部门开发了上百个函数API``def f1():`    `print("业务部门1的数据接口......")``def f2():`    `print("业务部门2的数据接口......")``def f3():`    `print("业务部门3的数据接口......")``def f100():`    `print("业务部门100的数据接口......")``   ``#各部门分别调用自己需要的API``f1()``f2()``f3()``f100()

公司还在创业初期时,基础平台部就开发了这些函数。由于各种原因,比如时间紧,比如人手不足,比如架构缺陷,比如考虑不周等等,没有为函数的调用进行安全认证。现在,公司发展壮大了,不能再像初创时期的“草台班子”一样将就下去了,基础平台部主管决定弥补这个缺陷,于是(以下场景纯属虚构,调侃之言,切勿对号入座):

第一天:主管叫来了一个运维工程师,工程师跑上跑下逐个部门进行通知,让他们在代码里加上认证功能,然后,当天他被开除了。

第二天:主管又叫来了一个运维工程师,工程师用shell写了个复杂的脚本,勉强实现了功能。但他很快就回去接着做运维了,不会开发的运维不是好运维…

第三天:主管叫来了一个python自动化开发工程师。哥们是这么干的,只对基础平台的代码进行重构,让N个业务部门无需做任何修改。这哥们很快也被开了,连运维也没得做。

def f1():`    `#加入认证程序代码`    `print("业务部门1数据接口......")``def f2():`    `# 加入认证程序代码`    `print("业务部门2数据接口......")``def f3():`    `# 加入认证程序代码`    `print("业务部门3数据接口......")``def f100():`    `#加入认证程序代码`    `print("业务部门100数据接口......")``   ``#各部门分别调用``f1()``f2()``f3()``f100()

第四天:主管又换了个开发工程师。他是这么干的:定义个认证函数,在原来其他的函数中调用它,代码如下。

def login():`    `print("认证成功!")``   ``def f1():`    `login()`    `print("业务部门1数据接口......")``def f2():`    `login()`    `print("业务部门2数据接口......")``def f3():`    `login()`    `print("业务部门3数据接口......")``def f100():`    `login()`    `print("业务部门100数据接口......")``   ``#各部门分别调用``f1()``f2()``f3()``f100()

但是主管依然不满意,不过这一次他解释了为什么。主管说:写代码要遵循开放封闭原则,简单来说,已经实现的功能代码内部不允许被修改,但外部可以被扩展。如果将开放封闭原则应用在上面的需求中,那么就是不允许在函数f1 、f2、f3…f100的内部进行代码修改,但是可以在外部对它们进行扩展。

第五天:已经没有时间让主管找别人来干这活了,他决定亲自上阵,使用装饰器完成这一任务,并且打算在函数执行后再增加个日志功能。主管的代码如下:

def outer(func):`    `def inner():`        `print("认证成功!")`        `result = func()`        `print("日志添加成功")`        `return result`    `return inner``   ``@outer``def f1():`    `print("业务部门1数据接口......")``   ``@outer``def f2():`    `print("业务部门2数据接口......")``@outer``def f3():`    `print("业务部门3数据接口......")``   ``@outer``def f100():`    `print("业务部门100数据接口......")``   ``#各部门分别调用``f1()``f2()``f3()``f100()

使用装饰器@outer,也是仅需对基础平台的代码进行拓展,就可以实现在其他部门调用函数API之前都进行认证操作,在操作结束后保存日志,并且其他业务部门无需对他们自己的代码做任何修改,调用方式也不用变。

装饰器机制分析

下面以f1函数为例,对装饰器的运行机制进行分析:

def outer(func):`    `def inner():`        `print("认证成功!")`        `result = func()`        `print("日志添加成功")`        `return result`    `return inner``   ``@outer``def f1():`    `print("业务部门1数据接口......")
  1. 程序开始运行,从上往下解释,读到def outer(func):的时候,发现这是个“一等公民”函数,于是把函数体加载到内存里,然后过。

  2. 读到@outer的时候,程序被@这个语法糖吸引住了,知道这是个装饰器,按规矩要立即执行的,于是程序开始运行@后面那个名字outer所定义的函数。

  3. 程序返回到outer函数,开始执行装饰器的语法规则。规则是:**被装饰的函数的名字会被当作参数传递给装饰函数。**装饰函数执行它自己内部的代码后,会将它的返回值赋值给被装饰的函数。原来的f1函数被当做参数传递给了func,而f1这个函数名之后会指向inner函数。

注意:@outer和@outer()有区别,没有括号时,outer函数依然会被执行,这和传统的用括号才能调用函数不同,需要特别注意!

另外,是f1这个函数名(而不是f1()这样被调用后)当做参数传递给装饰函数outer,也就是:func = f1,@outer等于outer(f1),实际上传递了f1的函数体,而不是执行f1后的返回值。

还有,outer函数return的是inner这个函数名,而不是inner()这样被调用后的返回值。

4.程序开始执行outer函数内部的内容,一开始它又碰到了一个函数inner,inner函数定义块被程序观察到后不会立刻执行,而是读入内存中(这是默认规则)。

5.再往下,碰到return inner,返回值是个函数名,并且这个函数名会被赋值给f1这个被装饰的函数,也就是f1 = inner。根据前面的知识,我们知道,此时f1函数被新的函数inner覆盖了(实际上是f1这个函数名更改成指向inner这个函数名指向的函数体内存地址,f1不再指向它原来的函数体的内存地址),再往后调用f1的时候将执行inner函数内的代码,而不是先前的函数体。那么先前的函数体去哪了?还记得我们将f1当做参数传递给func这个形参么?func这个变量保存了老的函数在内存中的地址,通过它就可以执行老的函数体,你能在inner函数里看到result = func()这句代码,它就是这么干的!

6.接下来,还没有结束。当业务部门,依然通过f1()的方式调用f1函数时,执行的就不再是旧的f1函数的代码,而是inner函数的代码。在本例中,它首先会打印个“认证成功”的提示,很显然你可以换成任意的代码,这只是个示例;然后,它会执行func函数并将返回值赋值给变量result,这个func函数就是旧的f1函数;接着,它又打印了“日志保存”的提示,这也只是个示例,可以换成任何你想要的;最后返回result这个变量。我们在业务部门的代码上可以用r = f1()的方式接受result的值。

7.以上流程走完后,你应该看出来了,在没有对业务部门的代码和接口调用方式做任何修改的同时,也没有对基础平台部原有的代码做内部修改,仅仅是添加了一个装饰函数,就实现了我们的需求,在函数调用前进行认证,调用后写入日志。这就是装饰器的最大作用。

那么为什么我们要搞一个outer函数一个inner函数这么复杂呢?一层函数不行吗?

答:请注意,@outer这句代码在程序执行到这里的时候就会自动执行outer函数内部的代码,如果不封装一下,在业务部门还未进行调用的时候,就执行了,这和初衷不符。当然,如果你对这个有需求也不是不行。请看下面的例子,它只有一层函数。

def outer(func):`    `print("认证成功!")`    `result = func()`    `print("日志添加成功")`    `return result``   ``@outer``def f1():`    `print("业务部门1数据接口......")``   ``# 业务部门并没有调用f1函数``------------------------------------------``   ``执行结果:``   ``认证成功!``业务部门1数据接口......``日志添加成功

看见了吗?我们只是定义好了装饰器,业务部门还没有调用f1函数呢,程序就把工作全做了。这就是为什么要封装一层函数的原因。

细心的同学可能已经发现了,上面的例子中,f1函数没有参数,在实际情况中肯定会需要参数的,函数的参数怎么传递的呢?

def outer(func):`    `def inner(username):`        `print("认证成功!")`        `result = func(username)`        `print("日志添加成功")`        `return result`    `return inner``   ``@outer``def f1(name):`    `print("%s 正在连接业务部门1数据接口......"%name)``   ``# 调用方法``f1("jack")

在inner函数的定义部分也加上一个参数,调用func函数的时候传递这个参数,很好理解吧?可问题又来了,那么另外一个部门调用的f2有2个参数呢?f3有3个参数呢?你怎么传递?很简单,我们有*args和**kwargs嘛!号称“万能参数”!简单修改一下上面的代码:

def outer(func):`    `def inner(*args,**kwargs):`        `print("认证成功!")`        `result = func(*args,**kwargs)`        `print("日志添加成功")`        `return result`    `return inner``   ``@outer``def f1(name,age):`    `print("%s 正在连接业务部门1数据接口......"%name)``   ``# 调用方法``f1("jack",18)

介绍到这里,装饰器的基本概念和初级使用方法,你应该有了一定的了解了。那么进一步思考一下,一个函数可以被多个函数装饰吗?可以的!看下面的例子!

def outer1(func):    def inner(*args,**kwargs):`        `print("认证成功!")`        `result = func(*args,**kwargs)`        `print("日志添加成功")`        `return result`    `return inner``   ``   ``def outer2(func):`    `def inner(*args,**kwargs):`        `print("一条欢迎信息。。。")`        `result = func(*args,**kwargs)`        `print("一条欢送信息。。。")`        `return result`    `return inner``   ``   ``@outer1``@outer2``def f1(name,age):`    `print("%s 正在连接业务部门1数据接口......"%name)``   ``# 调用方法``f1("jack",18)``   ``#--------------------------------------------------``执行结果:``   ``认证成功!``一条欢迎信息。。。``jack 正在连接业务部门1数据接口......``一条欢送信息。。。``日志添加成功

更更进一步,装饰器自己可以有参数吗?可以的!看下面的例子:

# 认证函数``def  auth(request,kargs):`    `print("认证成功!")``# 日志函数``def log(request,kargs):`    `print("日志添加成功")``# 装饰器函数。接收两个参数,这两个参数应该是某个函数的名字。``def Filter(auth_func,log_func):`    `# 第一层封装,f1函数实际上被传递给了main_fuc这个参数`    `def outer(main_func):`        `# 第二层封装,auth和log函数的参数值被传递到了这里`        `def wrapper(request,kargs):`            `# 下面代码的判断逻辑不重要,重要的是参数的引用和返回值`            `before_result = auth(request,kargs)`            `if(before_result != None):`                `return before_result;``   `            `main_result = main_func(request,kargs)`            `if(main_result != None):`                `return main_result;``   `            `after_result = log(request,kargs)`            `if(after_result != None):`                `return after_result;``   `        `return wrapper`    `return outer``# 注意了,这里的装饰器函数有参数哦,它的意思是先执行filter函数``# 然后将filter函数的返回值作为装饰器函数的名字返回到这里,所以,``# 其实这里,Filter(auth,log) = outer , @Filter(auth,log) =  @outer``@Filter(auth,log)``def f1(name,age):``   `    `print("%s 正在连接业务部门1数据接口......"%name)``   ``# 调用方法``f1("jack",18)``   ``#-----------------------------------------------``运行结果:``   ``认证成功!``jack 正在连接业务部门1数据接口......``日志添加成功

装饰器的学问博大精深,需要我们不断的学习思考。官方文档和框架源码是比较好的学习对象。

---------------------------END---------------------------

感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。

👉CSDN大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。img
img[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9znnjuSw-1690810404152)(data:image/gif;base64,R0lGODlhAQABAPABAP///wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==)]编辑

二、Python必备开发工具

工具都帮大家整理好了,安装就可直接上手!img

三、最新Python学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

img

四、Python视频合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

img

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。img

六、面试宝典

在这里插入图片描述

在这里插入图片描述

简历模板在这里插入图片描述
Multisim实战:5分钟搞定一阶RC电路仿真(附示波器波形分析技巧) 本文通过Multisim软件,详细演示了如何快速搭建一阶RC电路并进行仿真分析。文章提供了从元件选取、电路连接、虚拟示波器设置到波形观测的完整流程,并重点分享了测量时间常数、区分电路响应类型等核心分析技巧,帮助电子工程初者和爱好者高效掌握电路仿真与分析方法。 阅读详情

相关推荐

05 从零搭建 GPT 模型:LayerNorm、GELU 与解码器堆叠

本文介绍从零搭建GPT模型的关键组件:LayerNorm对特征维归一化,GELU平滑激活,前馈网络扩展收缩,残差连接缓解梯度消失。随后组装TransformerBlock(多头注意力+前馈,Pre-LN),最终构建GPTModel并实现文本生成,附参数量核算。

元直的博客 615

P装饰器(2)

根据前面的知识,我们知道,此时f1函数被新的函数inner覆盖了(实际上是f1这个函数名更改成指向inner这个函数名指向的函数体内存地址,f1不再指向它原来的函数体的内存地址),再往后调用f1的时候将执行inner函数内的代码,而不是先前的函数体。7.以上流程走完后,你应该看出来了,在没有对业务部门的代码和接口调用方式做任何修改的同时,也没有对基础平台部原有的代码做内部修改,仅仅是添加了一个装饰函数,就实现了我们的需求,在函数调用前进行认证,调用后写入日志。请看下面的例子,它只有一层函数。

2201_75604580的博客 363

MIL图像处理那些事:MIL的安装和MIL工具箱

MIL图像处理那些事:MIL的安装和测试,如何用C#使用MIL

十多年IT经验,专注机器视觉,智能制造半导体行业 5225

python装饰器括号和不括号的语法和用法

装饰器的写法补充: 通常装饰器的写法是@func(),而有的时候为了减少出错率,可能会写成@func,没有()括号,这时我们可以这样定义,来减少括号。下面通过两个例子还看。 一般装饰器的写法: 1 def log(func=None): 2 3 def inner(*args, **kwargs): 4 print('do som...

weixin_30917213的博客 384

Python3 装饰器理解与使用、参数的装饰器、多个装饰器调用顺序

Python装饰器(英文decorator) 装饰器的本质也是函数 为其他函数添加附加功能。 装饰器的存在其实就是为了在需要添加新功能时不影响之前版本的使用的同时来增加新功能,即实现原函数无侵入的增加拓展功能,其实也是一种“偷懒”的办法。它的使用场景较多,比如:插入日志、性能测试、事务处理、缓存、权限校验等场景。有了装饰器,我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。 Python装饰器的两大原则 (1)在不修改被修饰函数源代码的同时为其增加功能 (2)不修改被装饰的函数的调用方式 装饰器

SORYUSHIKINAMI的博客 1228

python】闭包和装饰器、通用装饰器、多个装饰器装饰器、类装饰器装饰器应用

闭包的功能是保存参数不被销毁,我们也可以把它设置成类属性,只要类不被销毁该参数就不会被销毁。与global关键字类似,global声明变量是全局变量,而在闭包里,想要修改外部函数的变量,需要加上关键字nonlocal,否则只是在内部定义了一个新的变量。其实有参数的装饰器就是在原有的装饰器之外,再在最外层加一个函数形成新的闭包,这个闭包的参数用于保存变量不被销毁。在函数执行过程中捕获异常,如果有异常则重新执行函数,可指定重试次数和失败时休眠的时间。,越接近函数,越先被调用。写法2(语法糖格式)

冰冷的希望的博客 951

装饰器

1.'''未加来源认证的用户认证方法import timecurrent_user={'user':None}def deco(func): def wrapper(*args,**kwargs): if current_user['user']: #已经登陆过 res = func(*args, **kwargs) ...

ZHOUXIN0426的博客 129

python 15 装饰器

目录 2. 参数的装饰器 3. 多个装饰器装饰一个函数 2. 参数的装饰器 #在装饰器的基础上再套一层 def auth(argv): def wrapper(func): def inner(*args,**kwargs): func(...

aipeng8174的博客 335

最详细的六种装饰器写法,不会你找我!

今天给大家分享一下关于装饰器的知识点,内容非常干,全程高能,认真吸收看完,一定会对装饰器有更深的理解。 Hello,装饰器 装饰器本质上是一个Python函数,它可以让其他函数在不需要做任何代码变动的前提下增加额外功能,装饰器的返回值也是一个函数对象。 它经常用于有切面需求的场景,比如:插入日志、性能测试、事务处理、缓存、权限校验等场景。 装饰器是解决这类问题的绝佳设计,有了装饰器,我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。 装饰器的使用方法很固定 先定义一个装饰器(帽..

python_miao的博客 481

妈祖文化数字导览系统设计与实现

随着数字文旅行业快速发展,传统文旅景区的线下导览模式已经难以满足当代游客多元化的游览需求。湄洲岛作为妈祖文化的发源地,拥有妈祖祖庙、妈祖文化园、平安塔、海祭广场、文化展馆等大量特色文旅资源,景区景点分散、文化典故厚重,游客普遍存在景点查找困难、历史文化了解不足、游玩路线规划迷茫等现实问题。本文设计并实现一套妈祖文化数字导览系统。

suny8的专栏 186

从零构建Python物体检测模型:基于YOLOv8的完整训练指南

物体检测是计算机视觉领域的核心技术之一,其核心目标是在图像或视频中精准定位并识别目标物体。相较于传统的图像分类(仅判断图像类别)

2601_96229599的博客 232

Agent 记忆压缩通常有哪些方法?

在传统软件中,状态可以通过关系型数据库做毫秒级精准存取;而在 AI Agent 架构中,大模型本身是无状态的概率推理引擎。为了维持多轮交互的连续性,开发者必须将历史记忆注入到上下文(Context)中。上下文爆炸与成本失控:多轮对话与工具调用轨迹(Tool Traces)包含海量冗余 Token,每次 API 请求都需要对全量历史重复计费,成本呈二次方上升。推理延迟(Latency)恶化:超长上下文会导致 GPU 在 Prefill 阶段的计算耗时大幅拉长,严重破坏实时交互体验。

2603_96126046的博客 314

Agent的感知与决策机制

本文深入探讨Agent的感知与决策机制,包括环境感知原理、决策算法基础和状态管理。通过理论讲解和代码示例,帮助读者理解Agent如何感知环境、做出决策并管理状态。

DreamLife 75

详解 vLLM 开源模型部署全流程

太多团队在部署开源大模型时踩过坑:单卡跑不满吞吐量、多请求排队延迟爆炸、硬件资源利用率不足30%、不同框架适配反复折腾。而vLLM凭借PagedAttention核心设计,已经成为当前工业界部署开源LLM的首选方案,能在几乎不改动业务代码的前提下,把GPU利用率和推理吞吐量提升数倍。今天就从环境准备、基础部署、性能调优到生产级落地,把整套经过线上验证的部署方案完整拆解出来。

nblway的博客 341

22-DataCenter报文序列化

(put在循环后),解析侧遇到时continue不影响store循环——顺序无关但习惯上收尾。

yuhou25的博客 233

【无标题】

通过。

qq_37077760的博客 211

LeetCode 350. 两个数组的交集 II|Python 解法详解

这道题的关键是:统计较短数组的元素频次,再扫描另一个数组。理解这一点后,再结合边界条件检查,代码就能保持清晰且稳定。

a1250467048的博客 169

可以做年龄编辑的gan对抗网络(SAGAN)

把这 10 张(或更多年龄段)图片按顺序拼接,用 OpenCV 或 FFmpeg 导出为 MP4,就能看到“一个人”的年龄变化过程。:模型只了 10 个离散年龄段(0~9),直接切换标签会导致五官突然“跳变”,无法生成 18岁→18.5岁 这种细腻变化。如果连续年龄回归,会更加的丝滑,接下来我们将修改一版连续年龄回归的代码,还是在这个的基础之上进行!,比如用预训练的 ArcFace 提取人脸特征,约束不同年龄帧的特征向量尽量接近。,会生成固定噪声下不同年龄的人脸图片,实现“编辑年龄”的效果。

有的话没说出来之前,你是他的主人,一旦说出来你就成了他的奴隶||想要干好事,别太把自己当人,别把别人太不当人||认识这个人就是开了一扇窗户,就能看到不一样的东西,听到不一样的声音,能让你思考、觉悟,这已经够了 228

2026科实验能力大赛真题:护林飞行闯关解析

2026 首届全国青少年科实验能力大赛决赛已于 8 月 20—22 日在济南收官,9 月起各赛区成绩陆续公布。这场白名单赛事鼓励青少年用"做中"的方式呈现科探究过程,而图形化编程正是把科普内容变成可交互作品的好工具。今天我们用一道原创项目题「护林飞行闯关」,大家用 Scratch 做一个科普护林小游戏,把六大考点串成能玩的作品。

IT_Scratch的博客 213

鲸鱼算法(WOA)优化极限习机ELM回归预测,WOA-ELM回归预测,多变量输入模型(Matlab完整程序和数据)

鲸鱼算法(WOA)优化极限习机ELM回归预测,WOA-ELM回归预测,多变量输入模型(Matlab完整程序和数据)鲸鱼算法(WOA)优化极限习机ELM回归预测,WOA-ELM回归预测,多变量输入模型多元回归预测 | Matlab鲸鱼算法(WOA)优化极限习机ELM回归预测,WOA-ELM回归预测,多变量输入模型评价指标包括:MAE、MAPE、MSE、RMSE和R2等,代码质量极高,方便习和替换数据。要求2018版本及以上。

上一篇: Python面试50题!面试巩固必看!
下一篇: P叔带你详解Python模块NumPy
Python_P叔
博客等级 码龄3年 5358粉丝 827原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值