算法:瞄准和消灭(learn to code at freeCodeCamp )

题目

算法中级:瞄准和消灭

在这道题目中,我们要写一个叫destroyer的函数。传给它的第一个参数是数组,我们称他为初始数组。后续的参数数量是不确定的,可能有一个或多个。你需要做的是,从初始数组中移除所有与后续参数相等的元素,并返回移除元素后的数组。

注意:
你可以使用arguments对象,也可以使用…,即“剩余参数”(Rest Parameters)语法。

destroyer([1, 2, 3, 1, 2, 3], 2, 3)应该返回[1, 1]。
destroyer([1, 2, 3, 5, 1, 2, 3], 2, 3)应该返回[1, 5, 1]。
destroyer([3, 5, 1, 2, 2], 2, 3, 5)应该返回[1]。
destroyer([2, 3, 2, 3], 2, 3)应该返回[]。
destroyer([“tree”, “hamburger”, 53], “tree”, 53)应该返回[“hamburger”]。
destroyer([“possum”, “trollo”, 12, “safari”, “hotdog”, 92, 65, “grandma”, “bugati”, “trojan”, “yacht”], “yacht”, “possum”, “trollo”, “safari”, “hotdog”, “grandma”, “bugati”, “trojan”)应该返回[12,92,65]。

解题

function destroyer(arr) {
  // 删掉那些值
  let argArr = [...arguments];
  arr= arr.filter((item)=>{
     return argArr.indexOf(item) ===-1
   })
  return arr;
}

destroyer([1, 2, 3, 1, 2, 3], 2, 3);
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 机器学习实战:基于scikit-learn和tensorflow是一本介绍机器学习算法和实现的书籍。其中,scikit-learn是一个Python的机器学习库,提供了许多经典的机器学习算法和工具,如分类、回归、聚类、降维等。而tensorflow则是一个由Google开发的深度学习框架,可以用于构建神经网络、卷积神经网络、循环神经网络等深度学习模型。本书通过实例演示,让读者了解机器学习的基本概念和方法,并学会如何使用scikit-learn和tensorflow实现机器学习算法。 ### 回答2: 机器学习实战:基于scikit-learn和tensorflow是一本非常实用的机器学习实战教程,对入门和进阶学习者都很友好。 首先,这本书用通俗易懂的语言介绍了机器学习的基本概念,如监督学习、非监督学习、聚类、分类等。随后,它详细解释了scikit-learn和tensorflow的基本原理,这是非常重要的,因为这两个框架是用Python编程实现机器学习所必需的。书中还提供了一些实际案例的例子,使读者能够亲身体验机器学习算法的工作原理和实际应用。 然后,作者深入讲解了各种机器学习算法,如朴素贝叶斯、k-近邻、支持向量机、决策树和逻辑回归等。这样读者就能了解每个算法的优缺点,以及选择何种算法解决不同的问题。此外,本书还讲述了如何使用Python语言构建机器学习模型,包括训练、测试和评估模型的过程。 最后,基于深度学习,这本书提供了一些tensorflow的实例,如卷积神经网络(Convolutional Neural Networks)和循环神经网络(Recurrent Neural Networks),帮助用户更有效的解决复杂问题。 总之,机器学习实战:基于scikit-learn和tensorflow是一个非常有用的教程,旨在帮助学习者从入门到进阶有效地学习机器学习,并在实践中运用各种机器学习算法。它不仅可以增强学生的知识储备,而且能够为专业人士提供实际应用的实例。 ### 回答3: 机器学习实战:基于scikit-learn和tensorflow是一本由Aurélien Géron撰写的实用机器学习指南。书中介绍了机器学习的基础概念、算法以及如何在实际中应用这些算法。书中所使用的主要库包括scikit-learn和tensorflow。这两个库分别代表了传统的机器学习方法和深度学习方法。 书中首先介绍了机器学习的基础概念和流程,包括数据预处理、特征工程、模型选择和评估等内容。然后详细介绍了常用的机器学习算法,包括线性回归、逻辑回归、决策树、随机森林、支持向量机、神经网络等。每个算法都配有清晰的代码实现和演示案例,让读者可以更好地理解算法的原理和应用场景。 在介绍完传统的机器学习算法后,书中又详细介绍了深度学习的基础概念和应用。深度学习已经成为目前最流行的机器学习方法之一,具有很强的表征能力和预测性能。书中介绍了如何使用tensorflow构建神经网络,包括前向传播、反向传播、dropout等技术。同时,书中还介绍了很多工具和技术,如keras、tensorboard、图像处理等,用于辅助深度学习的应用。 总体来说,机器学习实战:基于scikit-learn和tensorflow这本书对于入门机器学习的读者来说是很不错的选择。它非常详细地介绍了机器学习和深度学习的原理和应用,并提供了很多实际案例和代码实现,让读者可以更好地理解和掌握这些技术。同时,书中所使用的库也是相对比较流行的,在实际应用中具有较高的参考价值。如果你想学习机器学习和深度学习,这本书值得一读。

“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