算法_ 第k个排列(js)

力扣 60. 第k个排列
给出集合 [1,2,3,…,n],其所有元素共有 n! 种排列。
按大小顺序列出所有排列情况,并一一标记,当 n = 3 时, 所有排列如下:
“123”
“132”
“213”
“231”
“312”
“321”
给定 n 和 k,返回第 k 个排列。

说明:
给定 n 的范围是 [1, 9]。
给定 k 的范围是[1, n!]。

示例一

输入: n = 3, k = 3
输出: “213”

示例二

输入: n = 4, k = 9
输出: “2314”

解法一

   const getPermutation = (n, k) => {
               var data = [], result_str = ''
               var current_arr = new Array(n).fill(1)
               for (let i = 1; i <= n; i++) {
                   data.push(i)
               }
               for (let i = 1; i < n; i++) {
                   current_arr[i] = current_arr[i - 1] * i
               }
               k -= 1
               for(let j = n; j >= 1; j--){
                   let m = parseInt(k / current_arr[j - 1])
                   k %= current_arr[j - 1]
                   result_str += data[m]
                   data.splice(m, 1)
               }
               return result_str
           }

本题解法已经上传,立即跳转

本题来源于力扣,更多解题思路请跳到本题

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
K-Means 聚类算法是一种基于距离的聚类算法,它将数据集分成 K 个簇,每个簇的心点就是该簇内所有点的质心。K-Means 聚类算法的步骤如下: 1. 随机选择 K 个点作为簇的心点。 2. 计算每个样本点到 K 个心点的距离,将其分配到最近的簇。 3. 对于每个簇,重新计算该簇的心点。 4. 重复步骤 2 和 3,直到簇不再发生变化或达到最大迭代次数。 下面是使用 K-Means 聚类算法对鸢尾花数据进行聚类的 Python 代码: ``` python import numpy as np from sklearn.cluster import KMeans from sklearn.datasets import load_iris import matplotlib.pyplot as plt # 加载鸢尾花数据集 iris = load_iris() X = iris.data # 定义 K 值和最大迭代次数 k = 3 max_iter = 300 # 使用 K-Means 聚类算法 kmeans = KMeans(n_clusters=k, max_iter=max_iter) kmeans.fit(X) # 获取聚类结果和簇的心点 labels = kmeans.labels_ centers = kmeans.cluster_centers_ # 绘制聚类结果图 plt.scatter(X[:, 0], X[:, 1], c=labels) plt.scatter(centers[:, 0], centers[:, 1], c='red', marker='*', s=200) plt.title('K-Means Clustering') plt.xlabel('Sepal length') plt.ylabel('Sepal width') plt.show() ``` 上述代码,首先加载鸢尾花数据集,然后定义 K 值和最大迭代次数。接着使用 K-Means 聚类算法,获取聚类结果和簇的心点。最后绘制聚类结果图,其样本点的颜色表示它所属的簇,红色星号表示每个簇的心点。

“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