Scala的LRU算法实现

/**
 * Created by Bruce on 2017/6/15.
 */

/**
 * Input:array = [1,2,3,5,8,4,5,2,9], size = 4
 * Output: result = 8
 * LRU分析参考:
 * ⑴get(key):如果key在cache中,则返回对应的value值,否则返回-1
 * ⑵set(key,value):如果key不在cache中,则将该(key,value)插入cache中
 * (注意,如果cache已满,则必须把最近最久未使用的元素从cache中删除);如果key在cache中,则重置value的值。
 * cacheQqueue  in     缺页数
 * 1,2,3,5      8        4
 * 2,3,5,8      4        5
 * 3,5,8,4      5        6
 * 3,5,8,4      2        6
 * 5,8,4,2      9        7
 * 8,4,2,9               8
 *
 */
object page extends App{

  def lru(list:List[Int],q:Int):Int= {
    var count = 0  //统计缺页数
    val listCache = scala.collection.mutable.ListBuffer[Int]()  //声明一个可变list集合用作缓存
    for(a <- list){
      //如果缓存中不存在该元素,则将该元素放到缓存队列中(如果list中的元素个数超过缓存大小,则移除list.head)
      if(!listCache.exists(c => c==a)){
        listCache += a
        count +=1
        if(listCache.length>=q)
          listCache-=listCache.head
      }
    }
    return count
  }

  println(lru(List(1,2,3,5,8,4,5,2,9),4))
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scala 是一种功能强大的静态类型、面向对象和函数式编程语言,它非常适合在 Scala实现支持向量机(Support Vector Machine, SVM)算法。SVM 是一种常用的监督学习算法,尤其在分类和回归问题中表现出色,因为它能够找到最优超平面进行决策。 在 Scala实现 SVM,你可以使用开源库如 Smile(Scalable Machine Learning Library)或 Breeze(专为 Scala 设计的数值计算库),它们提供了现成的 SVM 实现和相关的工具。 以下是一个简单的步骤概述: 1. **引入库**:如果你还没安装,首先需要添加对应库到你的项目依赖中,例如在 SBT (Scala Build Tool) 项目中添加 Smile 或者 Breeze。 ```scala libraryDependencies += "com.github.haifengl" %% "smile-core" % "2.6.0" ``` 2. **数据预处理**:将数据集转换成适合 SVM 输入的格式,通常包括特征向量和对应的标签。 3. **模型创建**:使用 Smile 或 Breeze 的 SVM 类,如 `LinearSVC` 或 `SMO` 来创建模型。 ```scala import smile.classification._ import breeze.linalg.DenseVector val svm = LinearSVC() ``` 4. **训练模型**:使用数据集对模型进行训练。 ```scala val data = ... // 从文件或数据库读取的数据 val (inputs, labels) = data.map { case features, label => DenseVector(features), label }.unzip svm.train(inputs, labels) ``` 5. **预测和评估**:对新的数据点进行预测,并使用交叉验证等方法评估模型性能。 ```scala val testData = ... // 预测用的数据 val predictions = svm.predict(testData) ```
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