05 2021 档案
摘要：利用高斯函数，使得较近的数据点决策作用更大！ 代码也比较简洁！Accuracy=0.9466666666666667 注意一下： 其实h=1的选取相当于你的先验知识；或者说多尝试几次 让电脑自己试错，有时候其实方法直接的界定其实没有那么严格啦 1 import numpy as np 2 from
阅读全文
摘要：借鉴了老师的代码，但是没有封装 效果还是挺好的 average accuracy>90% 1 from random import shuffle 2 import numpy as np 3 from collections import Counter 4 5 6 def read(path:
阅读全文
摘要：[K-means Algorithm][3D子图] 由于K-means Algorithm是基于随机点选取的， 所以可能结果较差，甚至RE ! ! ! 1 import numpy as np 2 import random 3 import matplotlib.pyplot as plt 4 f
阅读全文
摘要：结构体自定义排序函数，调用stdlib.h库的系统快速排序qsort 1 //sjf non-preemptive with same arrival time 2 3 #include<stdio.h> 4 #include<stdlib.h> 5 #define N 5010 6 7 struc
阅读全文
摘要：这里直接是一个二分类，比较简单 本质上就是把各个事件看成独立的，概率分别计算，概率相乘求出条件概率（后验概率） 然后为了防止概率过小，取log，连乘变为连加，即求和 网页上相关的资料很多，这里就不再赘述了，直接上代码： 推荐视频： https://www.bilibili.com/video/BV1
阅读全文
摘要：1 import java.io.BufferedReader; 2 import java.io.FileReader; 3 4 public class TestRead { 5 6 public static void main(String[] args) { 7 try { 8 Buffe
阅读全文
摘要：1 import numpy as np 2 from sklearn.manifold import TSNE 3 import matplotlib.pyplot as plt 4 from mpl_toolkits.mplot3d import Axes3D 5 6 7 def read(pa
阅读全文
摘要：1 import numpy as np 2 3 4 def update(a: int, b: int, c: int) -> tuple: 5 if a > b and a > c and a > 0: 6 return a, "↖" 7 if b > a and b > c and b > 0
阅读全文
摘要：1 import numpy as np 2 3 4 def update(a: int, b: int, c: int) -> tuple: 5 if a > b and a > c: 6 return a, "↖" 7 if b > a and b > c: 8 return b, "↑" 9
阅读全文
摘要：1 import numpy as np 2 3 4 def LCS(X: str, Y: str) -> tuple: 5 n, m = len(X), len(Y) 6 dp = [[0 for col in range(m + 1)] for row in range(n + 1)] 7 fl
阅读全文
摘要：1 INF = 10000 2 3 4 def getGraph() -> tuple: 5 G = [ 6 #a b c d e 7 [0, 4, 5, 0, 0], # a 8 [0, 0, 0, 8, 0], # b 9 [0, 0, 0, 0, -7], # c 10 [0, 0, 0, 0
阅读全文
摘要：1 def horsepool(S: str, P: str) -> tuple: 2 n, m, M = len(S), len(P), 26 3 shift_table = [m for _ in range(M)] 4 for i in range(m - 1): 5 shift_table[
阅读全文
摘要：1 import numpy as np 2 3 4 def sign(x: float) -> int: 5 if x > 0: 6 return 1 7 elif x < 0: 8 return -1 9 else: 10 return 0 11 12 13 def f(w, x, b) ->
阅读全文
摘要：5折交叉验证，测试10次，取平均值： 1 import random 2 3 4 def read(path: str) -> tuple: 5 with open(path, "r") as f: 6 text = f.readlines() 7 M = [] 8 for row in text:
阅读全文
摘要：Python 信息熵-条件熵计算 1 import csv 2 import numpy as np 3 4 5 def read(path: str) -> tuple: 6 with open(path, 'r') as f: 7 text = csv.reader(f) 8 A = [] 9
阅读全文
摘要：也就两个部分： Node: 1 package models.BST; 2 3 public class BSTNode<E extends Comparable<E>> { 4 E data; 5 BSTNode<E> leftChild, rightChild; 6 7 public BSTNo
阅读全文
浙公网安备 33010602011771号