Arc-ux

摘要： a=[1,2,3] b=a b[0]=3 print(a) a="123" b=a b+='3' print(a) 输出分别为[3,2,3]和“123” 阅读全文

摘要： 引用： int &a=d[i][j]; a=5; 指针： int *a=&d[i][j]; *a=5; 引用作为变量别名，起到的是简化代码的作用，在可读性和维护上强于指针，但是不能像指针那样进行复杂的++a（指向下一元素）等操作。 阅读全文

摘要： 好的，我们来深入解释核技巧（Kernel Trick）。这是机器学习和函数分析中一个极其优雅且强大的数学工具。 核技巧的核心思想 核技巧允许我们在不显式计算（甚至不知道）高维特征映射的情况下，直接计算高维特征空间中的内积。 换句话说，它是一种“偷懒”或“走捷径”的方法，让我们能够隐式地在高维空间中进 阅读全文

摘要： 1.创建虚拟环境 conda create -n name python=?.?.? 2.查看可用python版本 conda search python conda search python=3.12 conda search "python=3.12.*" 3.复制虚拟环境 conda cre 阅读全文

摘要： class Solution: def coinChange(self, coins: List[int], amount: int) -> int: dp = [float('inf')] * (amount + 1) dp[0] = 0 for coin in coins: for x in r 阅读全文

摘要： 直觉认为，系统库中自带的幂函数性能优于快速幂 但是C++幂函数不支持模运算，因此在涉及到结果取模时，需要使用自定义的快速幂。 然而python没有这一问题，python中的pow可选择第三个参数，即mod,自带模运算的功能。 经实验，python自带pow确实优于快速幂，然而c++中的pow速度要比 阅读全文

摘要： from functools import lru_cache @lru_cache(maxsize=None) # 加在函数定义前 def lcm(a, b): return (a * b) // math.gcd(a, b) 简单的缓存 import time def timer(func): 阅读全文

摘要： #include<bits/stdc++.h> using namespace std; int n; int gcd(int a, int b) { return b == 0 ? a : gcd(b, a % b); } int lcm(int a, int b) { return (a / g 阅读全文

摘要： 蓝桥杯国赛 from math import sqrt inf = float('inf') n, mx = map(int,input().split()) dot=[] for i in range(n): x,y=map(int,input().split()) dot.append((x,y 阅读全文

摘要： #include<bits/stdc++.h> using namespace std; int main() { int a[6]={1,2,2,3,4,5}; //方法一 vector<int>b(a,a+6);//使用unique需保证已经排好序 b.erase(unique(b.begin( 阅读全文