当前位置: 首页 > 知识库问答 >
问题:

递归逻辑读取输入

阎劲
2023-03-14

嗨,我在理解为什么我的递归逻辑返回第一个输入时有一些问题,尽管它似乎没有通过验证检查。Java中的一个简单例子:

public class Main {

  public static void main(String[] args) {
    System.out.println(getInput(new Scanner(System.in)));
  }

  static private int getInput(Scanner scanner) { ;
    System.out.println("Give me input: ");
    int in = scanner.nextInt();
    if (in < 1 || in > 9) {
      getInput(scanner);
    }
    return in;
  }

}

我的理解是,函数要调用自己,直到满足条件,返回一个0到9之间的数。条件检查似乎是可行的,但是无论第一个数字是什么,总是被返回。一个执行示例产生:

Give me input: 
111
Give me input: 
222
Give me input: 
333
Give me input: 
444
Give me input: 
1
111

共有2个答案

杨超
2023-03-14

您可能还想重新考虑在这种用例中使用递归的必要性。为了不断地向用户询问有效的输入,递归是多余的。

想想用例,当您想要限制用户滥用系统的情况,连续输入无效时,您会想要设置尝试次数的上限。

迭代解决方案更易于理解、实现和维护。

车思淼
2023-03-14

递归时,您不会存储该调用的结果:

 getInput(scanner);

应该是:

 in = getInput(scanner);
 类似资料:
  • 逻辑回归对应线性回归,但旨在解决分类问题,即将模型的输出转换为从 0 到 1 之间的概率值。逻辑回归直接对分类的可能性进行建模,无需事先假设数据的分布。 最理想的转换函数为单位阶跃函数(也称Heaviside函数),但单位阶跃函数是不连续的,没法在实际计算中使用。故而,在分类过程中更常使用对数几率函数(即sigmoid函数): $$f(x)=\frac{1}{1+e^{-x}}$$ 这样,模型就变

  • 综述  “子非鱼,焉知鱼之乐” 本文采用编译器:jupyter  逻辑回归方法是从线性回归方法发展过来的,通常解决的是分类问题,读者或许有这样一个疑问:既然是回归算法又么解决分类问题的呢? 道理其实很简单,在我们求出线性回归系数a,b之后,对于每一个输入的x值,模型都可以输出对应的y值,如果把输出值y限制在0到1的范围内,那么这个y就非常的像一个概率p,我们只用规定概率的不同取值范围对应不同的标记

  • 我正在尝试使用Leetcode中的递归来解决路径和问题。我不擅长用递归解决问题。我看到了一些其他的解决方案,但我试图自己实现一个。我不明白我在我的方法中做错了什么。如果有人帮助我理解我做错了什么,我将非常感谢你的帮助。提前谢谢。 问题陈述:给定二叉树的根和整数targetSum,如果树有根到叶的路径,则返回true,这样沿路径的所有值相加等于targetSum。 叶是没有子节点的节点。 我的方法:

  • 主要内容:语法,示例,创建回归模型逻辑回归是一种回归模型,其响应变量(因变量)具有分类值,如或。 它实际上是根据与预测变量相关的数学方程,来衡量二进制响应的概率作为响应变量的值。 逻辑回归的一般数学方程为 - 以下是使用的参数的描述 - y - 是响应变量。 x - 是预测变量。 a 和 b 是数字常数的系数。 用于创建回归模型的函数是函数。 语法 用于计算逻辑回归的函数的基本语法是 - 以下是使用的参数的描述 - formula

  • 问题内容: 我们需要使用Java进行逻辑回归。我们在Python http://blog.smellthedata.com/2009/06/python- logistic-regression- with-l2.html中 使用了此代码,并且基本上希望在Java中使用相同的代码。我被定向到Weka,但许可是非商业性的。 我发现Omegahat API具有像Scipy这样的BFGS最小化器,但我无

  • 1 二元逻辑回归   回归是一种很容易理解的模型,就相当于y=f(x),表明自变量x与因变量y的关系。最常见问题如医生治病时的望、闻、问、切,之后判定病人是否生病或生了什么病, 其中的望、闻、问、切就是获取的自变量x,即特征数据,判断是否生病就相当于获取因变量y,即预测分类。最简单的回归是线性回归,但是线性回归的鲁棒性很差。   逻辑回归是一种减小预测范围,将预测值限定为[0,1]间的一种回归模型