逻辑题---金条分块

你让一些人为你工作了七天,你要用一根金条作为报酬。金条被分成七小块,每天给出一块。

如果你只能将金条切割两次,你怎样分给这些工人?


这个问题是很老的问题了。把金条分成1、2、4段
1:给出1. 
2:给出2,还回1. 
3:给出1. 
4:给出4,还回3. 
5:给出1. 
6:给出2,还回1. 
7:给出1.
就像人民币只需要1、2、5面值的就能解决所有的找零问题。不过个人认为这是考虑到工作者不吃不喝不消费的情况,让他留着这些报酬方便找零,不太现实。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
拟(Generalized Linear Model,简称GLM)是一种广泛应用于分类和回归问的统计模型。逻辑回归是GLM的一种特殊情况,用于解决二分类问。 在逻辑回归中,我们希望根据输入变量的线性组合来预测一个二元变量的概率。逻辑回归使用逻辑函数(也称为sigmoid函数)将线性输出转换为概率值。逻辑函数的公式如下: p = 1 / (1 + exp(-z)) 其中,p表示概率值,z表示线性组合的结果。线性组合的计算可以表示为: z = b0 + b1*x1 + b2*x2 + ... + bn*xn 其中,b0,b1,b2...bn分别表示模型的参数(也称为系数),x1,x2...xn表示输入变量。 逻辑回归模型的训练过程是通过最大似然估计来确定参数的值,使得模型预测的概率最大化与实际观测结果的概率相符。 逻辑回归具有以下优点: - 简单易实现:模型参数的估计相对简单,可以通过常用的优化算法进行求解。 - 可解释性强:可以通过参数的值来解释变量对结果的影响程度。 - 可以处理线性可分和线性不可分的问。 然而,逻辑回归也有一些局限性: - 只能处理二分类问逻辑回归只能对二元变量进行分类,无法直接处理多分类问。 - 对线性关系敏感:逻辑回归假设输入变量与输出变量之间存在线性关系,对非线性关系的拟合能力较弱。 总的来说,逻辑回归是一种强大的分类模型,特别适用于二分类问。在实际应用中,可以通过特征工程和模型优化来提高逻辑回归的性能。

“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