- 博客(3)
- 收藏
- 关注
RSS订阅原创 团体程序设计天梯赛真题（部分题解，持续更新）
这里假设回答都是简单的“是”或“否”，又假设回答“是”对应向左的路径，回答“否”对应向右的路径。输入首先在第一行给出不超过 10 的正整数 N，随后 N 行，每行给出一句不超过 1000 个字符的、以回车结尾的用户的对话，对话为非空字符串，仅包括字母、数字、空格、可见的半角标点符号。网络世界中时常会遇到这类滑稽的算命小程序，实现原理很简单，随便设计几个问题，根据玩家对每个问题的回答选择一条判断树中的路径（如下图所示），结论就是路径终点对应的那个结点。可能一些题目的解法不是最优的，但是每道题都是拿满分数的。
2023-04-03 22:58:56
5278
3
原创 一文带你入门机器学习中的树模型（附源码）
树模型在机器学习中至关重要，它不仅本身具有较好的性能，也可以用于优化其他的算法。我们在本节将要介绍优化 KNN ~KNN~ KNN 算法的树模型以及决策树。在KNN算法中我们要找到测试点的最近的K个邻居，但是这需要我们求解所有点与测试点之间的距离（我们称这个过程为线性扫描），在数据集很大时这显然是不合理的，为此我们需要在此讨论以下KNN算法的数据结构。我们首先回顾一下 KNN ~KNN~ KNN 算法的时间复杂度，设数据集大小为 n ~n~ n ，特征向量维度为 d ~d~ d ，则对一个点进行分类的时间
2022-08-18 17:07:12
699
原创 核函数+支持向量机+SMO算法详解
在前面我们所讨论的分类器中，基本都是线性分类器，但是当数据集不存在一个线性的决策边界时，线性分类器便无法很好得进行分类。事实证明，有一种优雅的方法可以将非线性问题合并到大多数的线性分类器可解决的问题中，即将线性分类器非线性化，这便是核函数。我们可以看一个经典的例子：如下图所示的数据集，显然它是不存在线性的决策边界的，但是我们可以通过函数 ϕ ~\phi~ ϕ 对特征向量进行特征变换使得数据线性可分。我们不妨将特征变换函数定义为：ϕ(x)=ϕ([x1,x2]T)=[x1,x2,∣x1⋅x2∣]T\phi
2022-08-15 10:55:01
758
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人