ccf-csp期末预测之最佳阈值满分题解202012-2

题目描述

具体来说，顿顿评估了$m$位同学上学期的安全指数，其中第$i(1\le i\le m)$位同学的安全指数为$y_i$，是一个 [0,108] 范围内的整数；同时，该同学上学期的挂科情况记作 $resul{t}_i\in 0,1$，其中 0 表示挂科、1 表示未挂科。

相应地，顿顿用$predic{t}_{\theta }(y)$ 表示根据阈值$\theta$将安全指数$y$转化为的具体预测结果。 如果$predic{t}_{\theta }(y_j)$ 与$resul{t}_j$相同，则说明阈值为$\theta$时顿顿对第$j$位同学是否挂科预测正确；不同则说明预测错误。
$$predic{t}_{\theta }(y)=\{\begin{array}{r}0(y<\theta )\\ 1(y\ge \theta )\end{array}$$
最后，顿顿设计了如下公式来计算最佳阈值${\theta }^{\ast }$

$${\theta }^{\ast }=\max \underset{\theta \in y_i}{\mathrm{argmax}}\sum _{j=1}^m(predic{t}_{\theta }(y)==resul{t}_j)$$

该公式亦可等价地表述为如下规则：

1. 最佳阈值仅在$y_i$中选取，即与某位同学的安全指数相同；

2. 按照该阈值对这$m$位同学上学期的挂科情况进行预测，预测正确的次数最多（即准确率最高）；

3. 多个阈值均可以达到最高准确率时，选取其中最大的。

输入格式

从标准输入读入数据。

输入的第一行包含一个正整数$m$ 。

接下来输入$m$行，其中第$i(1\le i\le m)$行包括用空格分隔的两个整数$y_i$和$resul{t}_i$，含义如上文所述。

输出格式

输出到标准输出。

输出一个整数，表示最佳阈值${\theta }^{\ast }$。

题目解析

由于全部测试数据保证$2\le m\le 10^5$，因此暴力循环法$O(n^2)$会TLE
暴力法这里就不讲了，相信大家都做得出来。

前缀和

我们首先将所有的数据按$y$升序排序，$y$相同的按$0<1$排序
如样例1输入所示

6
0 0
1 0
1 1
3 1
5 1
7 1

然后注意到，我们的阈值$\theta$取自所有出现过的$y$，而由公式（1），当$y_i<\theta$时，有$predict(y_i)=0$，反之$predict(y_i)=1$
$$predic{t}_{\theta }(y)=\{\begin{array}{r}0(y<\theta )\\ 1(y\ge \theta )\end{array}\text{\hspace{1em}(1)}$$
因此当我们任意选取$y_k$时

1. 当$y_i<y_k$即$i<k$，且$resul{t}_i$=0时预测正确，也就是说，预测正确的数量=预测为0的数量=总的数量-预测为1的数量
   而预测为1的数量可以简单由前面所有的$resul{t}_i$累加而得，因此得到公式（2）
   $$count\_lef{t}_k=k-\sum _{i=0}^{k-1}resul{t}_i\text{\hspace{1em}(2)}$$
2. 当$y_i\ge y_k$即$i\ge k$，且$resul{t}_i$=1时预测正确，也就是说，预测正确的数量=预测为1的数量
   $$count\_righ{t}_k=\sum _{i=k}^{m}resul{t}_i\text{\hspace{1em}(3)}$$

根据公式（2）（3），可以得到计算正确次数$coun{t}_k=count\_lef{t}_k+count\_righ{t}_k$

而${\sum }_{i=k}^{m}resul{t}_i$这类求和，显然可以通过前缀和预处理的方式得到，(i, k)区间的求和可以由prefix[k]-prefix[i]得到

但是这样还不够

从样例1可以看出，给出的$y$的值并非出现一次，所以上面的$y_i\ge y_k$即$i\ge k$存在漏洞
我的方法是采用哈希存储每个$y$第一次出现的位置$p(y)$，更新后的公式为
$$count\_lef{t}_k=p(k)-\sum _{i=0}^{p(k)-1}resul{t}_i\text{\hspace{1em}(4)}$$
$$count\_righ{t}_k=\sum _{i=p(k)}^{m}resul{t}_i\text{\hspace{1em}(5)}$$
最后只需遍历k值，求得使$coun{t}_k$最大的k值对应的y值即可，存在相同$coun{t}_k$时取较大的y

算法分析

1. 排序$O(nlogn)$
2. 求前缀和$O(n)$
3. 记录相同y值的起点$O(n)$
4. 利用前缀和遍历求最大$coun{t}_k$对应y值 $O(n)$

因此整体算法时间复杂度$O(nlogn)$

AC代码

#include <iostream>
#include <algorithm>
#include <map>

using namespace std;

//同学样例
struct A{
    int y;//安全指数
    int r;//挂科情况
}a[100001];

//结构体按y升序排序，y相同则按r升序排序
bool cmp(A a1, A a2) {
    if(a1.y == a2.y) return a1.r < a2.r;
    return a1.y < a2.y;
}

int main() {
    int n;  cin>>n;
    int ret = -1;
    int maxx = -1;
    for(int i = 0; i < n; i ++) {
        cin>>a[i].y>>a[i].r;
    }
    //排序同学们
    sort(a, a+n, cmp);
    
    
    //前缀和数组
    int yes[n+1];
    yes[0] = 0;
    for(int i = 1; i < n+1; i ++) {
        yes[i] = yes[i-1] + a[i-1].r;
    }

    //记录第一个出现的y位置
    map<int, int> m;
    for(int i = 0; i < n; i ++) {
        if(m.count(a[i].y) == 0) {
            m[a[i].y] = i; 
        }
    }

    //main function
    for(int i = 0; i < n; i ++) {
        int y = a[i].y;
        //在y前面的0的个数 + 在y后面（包括y）的1的个数
        int r = (m[y]-yes[m[y]]) + (yes[n]-yes[m[y]]);
        //更新r最大的y
        if(r >= maxx) {
            ret = y;
            maxx = r;
        }
    }
    cout<<ret<<endl;
    //system("pause");
    return 0;
}