- 博客(3)
- 收藏
- 关注
RSS订阅原创 算法--洛谷P6328我是仙人掌--BFS求最短路+bitset求点集
本文探讨了如何高效处理图中节点距离查询的问题。给定一个包含n个节点和m条边的图，以及p次查询，每次查询要求找出满足到某些节点距离小于等于给定值的节点数量。初始方法通过BFS计算节点间最短距离，并使用二维数组存储，但时间复杂度较高，导致超时。优化方案引入bitset数据结构，利用位运算高效存储和查询节点距离信息。具体实现中，通过BFS遍历图，记录每个节点到其他节点的距离，并使用bitset数组进行快速查询。最终，通过bitset的或运算，高效计算满足条件的节点数量，显著提升了查询效率。
2025-05-20 18:18:50
545
原创 机器学习--KNN算法学习笔记
本文详细介绍了KNN（K-Nearest-Neighbors）算法的基本原理及其在鸢尾花分类问题中的应用。KNN是一种有监督的机器学习算法，适用于简单的分类任务。文章以鸢尾花分类为例，讲解了如何通过计算数据点之间的距离，找到最近的K个邻居，并根据这些邻居的类别进行预测。文章还提供了C++代码实现，包括数据读取、训练集与测试集的划分、距离计算及预测过程。代码结构清晰，附有详细注释和样本数据，便于读者理解和实践。通过该实现，读者可以掌握KNN算法的底层原理，并应用于其他分类问题。
2025-05-17 12:05:01
707
原创 机器学习--KNN算法学习笔记
KNN算法（K-Nearest-Neighbors）是一种有监督的机器学习算法，常用于分类问题。以鸢尾花分类为例，算法通过计算待预测数据与训练集中每个样本的距离，找到距离最近的K个样本，并根据这K个样本的类别进行投票，最终确定待预测数据的类别。实现KNN算法的步骤包括：读取并存储数据、划分训练集和测试集、计算距离、进行预测并评估模型准确率。通过C++代码实现，可以完成数据的读取、随机划分、距离计算及分类预测，最终输出模型的准确率。KNN算法的核心思想是通过邻近样本的类别来推断未知样本的类别，适用于简单的分类
2025-05-16 15:25:09
1044
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人