LGB2110 找第一个只出现一次的字符

找第一个只出现一次的字符

题目描述

给定一个只包含小写字母的字符串,请你找到第一个仅出现一次的字符。如果没有,输出 no

输入格式

一个字符串,长度小于 1100 1100 1100

输出格式

输出第一个仅出现一次的字符,若没有则输出 no

样例 #1

样例输入 #1

abcabd

样例输出 #1

c

样例 #2

样例输入 #2

aabbcc

样例输出 #2

no
#include<stdio.h>
#include<math.h>
#include<string.h>
#include<stdlib.h>
#include<stdbool.h>
int main(){
	char str[1120];
	int i,n,num[256]={0};
	scanf("%s",&str);
	n=strlen(str);
	for(i=0;i<n;i++){
		num[str[i]]++;
	}
	for(i=0;i<n;i++){
		if(num[str[i]]==1){
			printf("%c\n",str[i]);
			return 0;
		}
	}
	printf("no\n");
	return 0;//csdn:旺旺的碎冰冰~ 
} 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
lgb.LGBMRegressor 是一个用于回归问题的 LightGBM 模型,无法直接用于二分类问题。但是,我们可以通过对目标变量进行处理,将二分类问题转换为回归问题,进而使用 lgb.LGBMRegressor 进行建模。以下是一个示例代码: ```python import lightgbm as lgb from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 准备数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 将目标变量转换为连续值 y_train_reg = 2 * y_train - 1 # 将 0/1 转换为 -1/1 y_test_reg = 2 * y_test - 1 # 定义模型参数 params = { 'objective': 'regression', 'boosting_type': 'gbdt', 'metric': 'mse', 'num_leaves': 31, 'learning_rate': 0.05, 'feature_fraction': 0.9, 'bagging_fraction': 0.8, 'bagging_freq': 5, 'verbose': 0 } # 训练模型 model = lgb.LGBMRegressor(**params) model.fit(X_train, y_train_reg, eval_set=[(X_test, y_test_reg)], early_stopping_rounds=200, verbose=False) # 模型评估 y_pred_reg = model.predict(X_test) y_pred = (y_pred_reg >= 0).astype(int) # 将连续值转换为 0/1 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) # 模型应用 new_data = pd.read_csv('new_data.csv') new_X = new_data.drop('target', axis=1) new_y_pred_reg = model.predict(new_X) new_y_pred = (new_y_pred_reg >= 0).astype(int) ``` 其中,y_train_reg 和 y_test_reg 是将目标变量进行处理后的连续值。params 和 model 的定义与前面的示例相同。模型的训练和评估也与前面的示例类似,唯一的区别在于预测值需要进行处理,将连续值转换为 0/1。

“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

打赏作者

旺旺的碎冰冰~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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