- 博客(18)
- 收藏
- 关注
原创 一、react项目搭建---使用creat-react-creat-react-app脚手架出现的问题
今天开始学习react框架的使用,初探creat-react-app搭建项目,适合新手入门级使用,具体搭建步骤如下:第一步:安装creat-react-app建议使用国内淘宝镜像源cnpm进行安装,速度较快,还有要全局安装呀cnpm icreat-react-app -g第二步:安装yarn(在这里踩坑一个小时,不知所云的环境bug)cnpm i yarn -g这个鬼相当...
2019-07-24 15:21:56
427
原创 第二章课后题答案
该文章为作者本人自己总结,如有错误或更好的方法,欢迎批评指正1 Θ(n3)2 伪代码如下:selection_sort(A): for i in range(A.length-1): key=A[i] index=i for j in range(i+1,A.length): if A[j]<key: ...
2018-07-05 10:23:31
524
原创 第二章课后题答案
一下答案为本人总结,如有错误或更好的解法,欢迎指出!2-1-1:根据图2-2,叙述题目中数组A=<31,41,59,26,41,58>的执行过程。循环开始前,将数组A的第一个元素固定,由于仅包含一个元素,说明A[0]这个序列是已经排好序的序列;循环开始,每次循环时,A[1]设定为key值,与A[1]左边的序列依次进行对比分析,如果key值小于右边序列的值,调换位置,A中,41>3...
2018-07-05 08:26:42
538
原创 李航统计学习方法 维特比算法实现例10.3
import numpy as np# 状态转移矩阵A = np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]])# 观测矩阵B = np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]])# 初始矩阵pi = np.array([0.2,0.4,0.4])# 序列O = np.array([0,1,0
2018-01-23 14:05:11
687
原创 李航统计学习方法 隐马尔科夫 用后向算法实现例10.2
import numpy as np# 状态转移矩阵A = np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]])# 观测矩阵B = np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]])# 初始矩阵pi = np.array([0.2,0.4,0.4])# 序列O = np.array([0,1,0
2018-01-23 09:39:52
362
原创 李航统计学习方法 隐马尔科夫 用前向算法实现例10.2
import numpy as np# 状态转移矩阵A = np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]])# 观测矩阵B = np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]])# 初始矩阵pi = np.array([0.2,0.4,0.4])# 序列O = np.array([0,1,0
2018-01-23 08:49:41
344
原创 李航 统计学习方法 例5.4 使用CART算法生成分类决策树
本程序采用CART算法实现分类决策树,具体理论部分参照李航统计学习方法决策树一章,实践操作参照机器学习实战决策树生成部分。from numpy import *def creatDataSet(): dataset=[['青年','否','否','一般','否'], ['青年','否','否','好','否'], ['青年','是
2018-01-17 15:39:06
1422
原创 李航 统计学习 采用C4.5算法构建决策树
from numpy import *from math import logimport operatordef calcShannonEnt(dataset): numdataset=len(dataset) labelCount={} for data in dataset: curlabel=data[-1] if curla
2018-01-17 10:40:51
509
原创 李航 统计学习 例5.3 利用ID3算法建立决策树
from numpy import *from math import logimport operatordef calcShannonEnt(dataset): numdataset=len(dataset) labelCount={} for data in dataset: curlabel=data[-1] if curla
2018-01-17 10:33:18
862
原创 李航 统计学习 例5,1 根据信息增益选择最优特征
from numpy import *from math import log# 计算数据集的熵def calcShannonEnt(dataset): numdataset=len(dataset) labelCount={} for data in dataset: curlabel=data[-1] if curlabel not
2018-01-17 10:30:08
627
原创 牛客网 身份证分组
ID_card=list(input())ID_card1=[i for i in ID_card if i is not ' ']ID_card2=''.join(ID_card1)l=len(ID_card2)if l > 12 and l <=18: x=ID_card2[:6] y=ID_card2[6:14] z=ID_card2[14:] p
2018-01-16 21:50:07
416
原创 李航 统计学习方法 朴素贝叶斯估计 例4.1以及例4.2 整合版
from numpy import *#创建词列表def creatvocablist(dataset): vocab=set([]) for line in dataset: vocab=vocab|set(line) return list(vocab)#将输入数据转换成统一的向量表达式def wordtovector(lineset,vocab
2018-01-16 20:13:32
983
原创 李航 统计学习方法 例3.2 构造平衡kd数
# weihuizi import operatorimport numpy as np# kd-tree每个结点中主要包含的数据结构如下class KdNode(object): def __init__(self, dom_elt, split, left, right): self.dom_elt = dom_elt # k维向量节点(k维空间中的一个样本点
2018-01-16 15:27:51
1056
原创 牛客网17校招题 幸运数
n=input()# 计算十进制各个位置的加和def f(n1): str_n=str(n1) sum_n=0 for i in range(len(str_n)): sum_n+=int(str_n[i]) return sum_n# print(f(123))# 计算相应二进制各个位置的加和def g(n2): bin_n=bi
2018-01-15 22:08:51
188
原创 网易17校招 游戏任务标记
ID=input()ID_1=ID.strip().split()# 将输入的数据类型转换为和下述数据类型一致ID_1=[int(i) for i in ID_1]# ID号ID_full=[i+1 for i in range(1024)]# 初始状态test0=[0 for i in range(1024)]if ID_1[0] in ID_full and ID_1[1] in I
2018-01-15 21:14:15
164
原创 网易17校招 n个数里出现次数大于等于n/2的数
x=input()x_arr=x.strip().split()x_len=int(len(x_arr)/2)# 创建字典 x_dic={}for i in x_arr: if i not in x_dic.keys(): x_dic[i]=1 else: x_dic[i]+=1#搜索字典中值大于等于输入序列长度一半的值对应的键def
2018-01-15 20:43:20
355
2
原创 李航 统计学习 感知机学习算法 对偶形式
# ---感知机---# 对偶问题from numpy import *x=array([[3,3],[4,3],[1,1]])y=array([1,1,-1])w=zeros((1,len(x[0])))b=0a=array([0 for i in range(len(x))])def sign(b,a,x,y,i): gram = array(mat(x) * m
2018-01-12 07:58:57
305
原创 李航统计学习感知机学习算法 原始形式
# --- 感知机---# 原始问题from numpy import *x=array([[3,3],[4,3],[1,1]])y=array([1,1,-1])w=zeros((1,len(x[0])))b=0def sign(w,b,x): return mat(w)*mat(x).T+bdef train(x,y,w,b,alpha=1): flag
2018-01-12 07:55:57
296
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