算法训练 数的划分 动态规划

算法训练 数的划分  

时间限制:1.0s   内存限制:256.0MB

      

问题描述

  将整数n分成k份,且每份不能为空,任意两份不能相同(不考虑顺序)。
  例如:n=7,k=3,下面三种分法被认为是相同的。
  1,1,5; 1,5,1; 5,1,1;
  问有多少种不同的分法。

输入格式

  n,k

输出格式

  一个整数,即不同的分法

样例输入

7 3

样例输出

4 {四种分法为:1,1,5;1,2,4;1,3,3;2,2,3;}

数据规模和约定

  6<n<=200,2<=k<=6

 

#include<iostream>
using namespace std;
int dp[210][16];
int main()
{
	int n,k;
	cin>>n>>k;
	for(int i=1;i<=n;i++)
	dp[i][1]=1;//分成一份的时候只有一种情况 
	for(int i=1;i<=n;i++)
	for(int j=2;j<=k;j++)//分成一份的时候跳过,从2开始 
	{
		if(i>=j)dp[i][j]=dp[i-j][j]+dp[i-1][j-1];
		/*k>n情况数肯定是0; 
		当 i>=j时,缩小规模,分成两类讨论:
		1.当至少有一个等于一,我们便可以缩小它的规模,
		变成研究,dp[i-1][j-1]的情况数;
		2. 当所有的都大于等于2,实际上也就等于每一份里面减去一个一,
		而份数不变的情况dp[i-j][j] 
		*/ 
	}
	cout<<dp[n][k]<<endl;
}

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Ks算法是一种常用的评估二分类模型性能的方法,它可以通过比较模型预测结果排序后真实类别的累积分布函曲线,来评估模型的预测能力。在Ks算法中,一般将据集划分训练集和测试集,以便评估模型的泛化能力。 下面是使用MATLAB进行Ks算法划分训练集和测试集的步骤: 1. 读入据:使用MATLAB的readtable函读入据文件,将据存储为table格式。 2. 随机划分训练集和测试集:使用MATLAB的cvpartition函据集随机划分训练集和测试集。例如,可以将据集划分为80%的训练集和20%的测试集,代码如下: ```matlab data = readtable('data.csv'); % 读入据文件 cv = cvpartition(size(data,1),'HoldOut',0.2); % 将据集划分训练集和测试集 idxTrain = training(cv); idxTest = test(cv); trainData = data(idxTrain,:); testData = data(idxTest,:); ``` 3. 对训练集进行Ks算法划分:使用MATLAB的ksdensity函计算训练集的真实类别的累积分布函曲线,再根据此曲线将训练划分为正样本集和负样本集。代码如下: ```matlab % 计算训练集真实类别的累积分布函曲线 [y,x] = ksdensity(trainData.predicted_prob(trainData.true_label==1)); [z,w] = ksdensity(trainData.predicted_prob(trainData.true_label==0)); % 求出正样本集和负样本集的分界点 [~,I] = max(y-z); ks_threshold = x(I); posTrainData = trainData(trainData.predicted_prob >= ks_threshold,:); negTrainData = trainData(trainData.predicted_prob < ks_threshold,:); ``` 4. 对测试集进行Ks算法划分:使用训练集上求得的正负样本集分界点,将测试集划分为正样本集和负样本集。代码如下: ```matlab posTestData = testData(testData.predicted_prob >= ks_threshold,:); negTestData = testData(testData.predicted_prob < ks_threshold,:); ``` 5. 计算Ks值:使用MATLAB的ksstat函计算训练集和测试集上的Ks值。代码如下: ```matlab % 计算训练集和测试集上的Ks值 ks_train = ksstat(posTrainData.predicted_prob,negTrainData.predicted_prob); ks_test = ksstat(posTestData.predicted_prob,negTestData.predicted_prob); ``` 以上就是使用MATLAB进行Ks算法划分训练集和测试集的步骤,希望能对你有所帮助。

“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