问题 J: 选拔参赛选手

题目描述

学校开学要选拔同学去参加比赛,假设学校里有n个学生,要从这n个学生中选拔k个同学,请问有多少种不同的选法,因结果数据太大,结果模除1000000007

输入格式

第一行输入两个整数n,k,n代表有多少个学生,k代表选拔多少个学生(0<k<n<=100000)

输出格式

输出一个整数

输入样例

5 2

输出样例

10

解题思路

先了解两个小知识:
费马小定理:当gcd(a,p)≡1(p为质数)时,a(p-1) ≡1(mod p)
乘法逆元:如果ax≡1 (mod p),且gcd(a,p)=1,则称a关于模p的乘法逆元为x,x又记为inv(a)或a-1
比赛最后半个多小时才开始看这个题= =。着实很意外O(∩_∩)O,假期学过
一道初等数论题,先变形组合数C(n,m) = n! / ( m! * (n-m)! ) , n! * m!-1 * (n-m)! -1
再将费马小定理变形为a*a(p-2)≡1(mod p)因为这里p为1e9+7,所以gcd(a,p)≡1且p为质数,带入乘法逆元中有a(p-2)=a-1,通过快速幂求a(p-2)带入组合数公式AC

AC代码

#include <bits/stdc++.h>
using namespace std;
#define ll long long
const ll mod=1e9+7;
ll ksm(ll n, ll m)
{
    ll res=1;
    while(m>0)
    {
        if (m&1)res=(res*n)%mod;
        n=(n*n)%mod;
        m=m>>1;
    }
    return res;
}
ll C(ll n,ll m)
{
    if(m>(n-m))
        m=n-m;
    ll up=1,down=1;
    for(int i=1;i<=m;i++)
    {
        up=up*(n+1-i)%mod;
        down=down*i%mod;
    }
    cout<<up <<" "<<down<<" "<<endl;
    return (up*ksm(down,mod-2))%mod;
}
int main()
{
    ll n,m;
    while(scanf("%lld %lld",&n,&m)!=EOF)
    {
        printf("%lld\n",C(n,m));
    }
    return 0;
}
  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,我可以为您介绍一下如何用 Python 实现选拔队员和组队建模的问题。 1. 选拔队员 如果您有一群候选队员,您可以使用 Python 完成以下步骤: - 编写一个函数来评估每个候选队员的技能和经验。这可以是一个基于分数的系统,也可以是一个基于等级的系统,根据您的需求来定制。 - 将所有候选队员的数据存储在一个数据结构中,例如列表或字典。 - 使用 Python 的排序函数对候选队员进行排序,根据他们的技能和经验进行排名。 - 根据您的选拔标准,选择前几名的候选队员,组成您的团队。您可以使用 Python 的切片操作来选择列表中的前几个元素。 以下是一个示例代码: ```python candidates = { 'Alice': {'skill': 90, 'experience': 3}, 'Bob': {'skill': 80, 'experience': 4}, 'Charlie': {'skill': 70, 'experience': 5}, } def evaluate_candidate(candidate): # 评估候选队员的技能和经验 return candidate['skill'] * candidate['experience'] sorted_candidates = sorted(candidates.items(), key=lambda x: evaluate_candidate(x[1]), reverse=True) team = sorted_candidates[:2] # 选择前两名的候选队员 ``` 2. 组队建模 如果您已经选拔出了一组队员,您可以使用 Python 进行组队建模: - 确定建模目标。您需要确定您要解决的问题,并选择合适的建模方法。 - 收集数据。您需要收集与问题相关的数据,并将其存储在一个格式化的数据结构中,例如 Pandas 的 DataFrame。 - 数据清洗和转换。您需要对数据进行清洗和转换,以便于后续建模使用。 - 选择合适的模型。根据您的建模目标和数据特征,选择适当的模型,例如决策树、线性回归或神经网络等。 - 训练模型。使用您的数据集来训练模型,并调整模型参数以达到最佳效果。 - 测试和评估模型。使用测试数据集来评估模型的性能,并根据需要调整模型。 - 部署模型。将您的模型部署到生产环境中,并使用它来解决实际问题。 以下是一个示例代码: ```python import pandas as pd from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split # 收集数据 data = pd.read_csv('data.csv') # 数据清洗和转换 data = data.dropna() X = data[['feature1', 'feature2']] y = data['label'] # 选择模型和训练模型 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) model = DecisionTreeClassifier() model.fit(X_train, y_train) # 测试和评估模型 score = model.score(X_test, y_test) # 部署模型 # ... ``` 希望这些代码可以帮助您解决问题

“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

Mr_渣渣辉

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