【SvR-1】笙-题解

引入

很高兴大家参加我们的比赛,这里是「笙」的题解。

code

由于是比赛题就不上代码了。

分析

1. 1. 1. string:STL中字符串

<1>.string s:定义一个叫s的字符串。

<2>.s.size():返回s的长度。

2. 2. 2.set:STL中集合(红黑树的一种)

<1>.set <集合元素类型> ds:建立一个名叫ds的集合。

<2>.ds.size():返回ds中的元素个数。

<3>.ds.insert(x):在集合中插入x(有序),如果x已存在则什么也不干。

<4>.ds.erase(x):在集合中删除x,如果x不存在则什么也不干。

<5>.ds.begin()和ds.end():前者是集合首地址,后者是集合末地址 +1

<6>.set <集合元素类型> ::iterator it=地址:建立一个指针it指向某一地址。

<7>.ds.find(x):查找在集合中的地址,找不到则返回ds.end()

int n,tmp;
set <int> ds;
cin>>n;
for(int i=0;i<n;i++){
    cin>>tmp;
    ds.insert(tmp);
}
set <int> ::iterator it=ds.end();
it--;
cout<<*it;//注意要加 *号

例如上述代码片,当输入是4 2 4 3 1时,输出是4。可见,尽管输入是无序的,但在集合中是有序的。

3. 3. 3.map:映射表

map <A,B> ds:建立一个叫ds的,下标类型为A,元素类型为B的映射表。


end

This is the end,thank you for reading! \text{This is the end,thank you for reading!} This is the end,thank you for reading!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这些都是常见的机器学习模型。简单介绍一下这些模型: - Linear(线性模型):线性模型是一种用于回归和分类的简单模型,它假设目标变量是输入变量的线性组合,并且试图通过找到最佳拟合线来预测目标变量。常见的线性模型包括线性回归、逻辑回归等。 - Decision Tree(决策树):决策树是一种用于分类和回归的流程图模型,它通过将数据集递归地分成更小的子集来构建一个树形结构,每个非叶节点代表一个特征,每个叶节点代表一个分类或回归结果。 - Random Forest(随机森林):随机森林是一种集成学习模型,它由多个决策树组成,每个决策树都是基于随机选择的一部分数据和特征构建的。随机森林通过对每个决策树的结果进行平均或投票来预测结果。 - SVR - Linear(支持向量回归 - 线性核):支持向量回归是一种用于回归的模型,它不仅考虑了目标变量和输入变量之间的线性关系,还考虑了非线性关系。SVR - Linear使用线性核函数来将输入变量映射到高维空间,并使用支持向量来拟合线性方程。 - SVR - Poly(支持向量回归 - 多项式核):支持向量回归中的另一种核函数是多项式核函数,它可以将输入变量映射到更高的维度,从而捕捉到更多的非线性关系。 - SVR - Rbf(支持向量回归 - 径向基函数核):径向基函数核是支持向量回归中最常用的核函数之一,它可以将输入变量映射到无限维空间,并在该空间中计算距离。径向基函数核通常用于捕捉非线性关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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