【算法练习】CSP--202012-2--期末预测之最佳阈值

解题思路

1. 安全指数 $y_i$ 和结果 $resul{t}_i$：

   • 表中的第一列是学生的安全指数 $y_i$。
   • 第二列是他们的实际挂科结果 $resul{t}_i$，0 表示挂科，1 表示未挂科。

2. 阈值 $\theta$：

   • 后面的几列代表不同的阈值 $\theta$，包括 $\theta =0$, $\theta =1$, $\theta =3$, $\theta =5$, $\theta =7$。
   • 在每个阈值下，根据预测函数 predict(y, theta)，判断是否正确预测了同学的挂科情况。

3. 预测正确数：

   • 最后一行是该阈值下预测正确的个数。比如在 $\theta =1$ 时，正确预测的数量是 5 个。

变化的规律与差值数组的引入

• 图片中的黄色部分表示，在不同阈值 $\theta$ 之间切换时，唯一发生变化的预测结果。这部分就是在当前阈值下与该阈值相等的 $y_i$ 所对应的预测结果发生了变化。例如，在 $\theta =1$ 切换到 $\theta =3$ 时，只有 $y=1$ 的预测结果发生了变化。

• 变化的规律：

  • 当阈值从 ${\theta }_{i-1}$ 变为 ${\theta }_i$ 时，只有与 ${\theta }_{i-1}$ 相等的 $y_i$ 的部分会发生变化。其具体变化方式遵循公式：
    $$nu{m}_i=nu{m}_{i-1}+\Delta$$
    其中 $\Delta$ 是当前阈值下 $result=0$ 和 $result=1$ 之间的差值。

• 差值数组的作用：

  • 差值数组 diff 的引入，是为了更高效地计算每个阈值下的预测正确数量。在初始状态下，我们可以通过直接计算来获得第一个阈值的正确预测数。
  • 对于后续的阈值，通过差值数组 diff，可以利用上一个阈值的正确预测数进行增量更新，而不必重新遍历所有学生的安全指数。这就显著优化了时间复杂度，从 $O(m^2)$ 降低到 $O(m)$。

代码

#include <iostream>
#include <vector>
#include <map>
#include <algorithm>
#include <iterator>
using namespace std;

int m;

int predict(int y, int t)
{
	return y >= t;
}

void update_diff(map<int, int>& diff, int y, int result) {
	if (result == 0)
		diff[y]++;
	else
		diff[y]--;
}

int main() {
	cin >> m;
	vector<int> y(m), result(m), theta(m);
	map<int, int> diff;

	// 1. 计算diff数组：统计0/1个数差值
	for (size_t i = 0; i < m; i++) {
		cin >> y[i] >> result[i];
		update_diff(diff, y[i], result[i]); // 访问不存在的键时，map 会自动创建该键并默认为 0
	}

	// 2. 计算首轮预测正确数
	auto it = diff.begin();
	for (size_t i = 0; i < m; i++) {
		theta[0] += predict(y[i], it->first) == result[i];
	}

	// 3. 利用diff数组计算其他轮数的预测正确数
	int theta_i = 1, prefect_theta = it->first, max_num = theta[0];
	for (auto jt = diff.begin(); jt != diff.end(); ++jt) {
		theta[theta_i] = theta[theta_i - 1] + jt->second;

		auto next_jt = next(jt); // 使用 next() 获取下一个迭代器
		if (theta[theta_i] >= max_num) {
			prefect_theta = next_jt->first;
			max_num = theta[theta_i];
		}
		theta_i++;
	}
	cout << prefect_theta;

	return 0;
}