- 博客(18)
- 收藏
- 关注
原创 文章标题
/*Name: *.cppAuthor: dawangDescription: 插入排序Date: 2017-10-18 16:24Copyright:*/#include <iostream>#include <vector>using namespace std;int main(){ vector<double> ivec; cout << "请输入数字, ctr
2017-10-18 18:14:57
338
原创 size_t的使用实例 @C++
一篇不错的讲解中英对照的版本#include <iostream>#include <typeinfo>using namespace std;size_t count_calls(){ static size_t ctr = 0; //第一次经过对象定义语句的时候进行初始化, 直到程序销毁 return ++ctr;}int main(){ for (siz
2017-09-22 19:50:06
988
4
原创 最大子数组问题-递归法 @ Python
# -*- coding: utf-8 -*-'''@target: 求解一个最大子数组@author: dawang@date: 2017.9.9'''def maxSubArray(l): length = len(l) if 1 == length: # 递归终止条件 return l mid = length // 2 l_max
2017-09-09 10:46:46
636
原创 zip函数的使用
x = [1, 2, 3]y = [4, 5, 6]z = [7, 8, 9]xyz = zip(x, y, z)#xyz = [(1, 4, 7), (2, 5, 8), (3, 6, 9)] 将3个列表中相同索引位置的元素按照顺序生成元组构成列表abc = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]xyz = [(1, 2, 3), (4, 5, 6), (7
2017-09-07 16:34:07
778
转载 小数进制转化 @ Python
# -*- coding: utf8 -*-import ctypesdef h2f(s): cp = ctypes.pointer(ctypes.c_longlong(s)) fp = ctypes.cast(cp, ctypes.POINTER(ctypes.c_double)) return fp.contents.valuedef f2h(s): fp
2017-09-06 11:17:43
1143
原创 kd树的生成 @ Python
# _*_ coding:utf-8 _*_from operator import itemgetterclass Node(object): def __init__(self): # 初始化一个节点 self.data = [] self.l_child = None self.r_child = Noneclass
2017-09-05 11:30:12
777
转载 operator.itemgetter(*items) @ python
转自官方文档 operator.itemgetter(item) operator.itemgetter(*items)Return a callable object that fetches item from its operand using the operand’s getitem() method. If multiple items are specified, returns
2017-09-05 09:57:57
428
原创 二叉树 @ Python
二叉树 @ Python# _*_coding:utf-8_*_# 空节点class TreeNode(object): def __init__(self): self.data = '#' self.left_child = None self.right_child = Noneclass Tree(object): def
2017-09-05 08:10:19
312
原创 K 近邻算法 @ Python
K 近邻算法原理 : 给定一个实例, 在训练集中找到与实例距离最近的 k 个训练数据, 这个实例的类别就是这 k 个训练数据的多数属于的类别三个要素 : 超参数 K 的选择, 距离计算方法, 最终的分类决策规则当 k = 1 的时候, 就是最近邻算法, 就是找距离最近的一个的实例的类别作为实例的分类k 值的选择很重要, 如果说k 值太大, 会导致距离较远的训练实例对预测实例产生影响, 如果
2017-08-31 08:57:09
272
原创 算法符号Θ, O, Ω
Θ\Theta通常念做 thetaΘ(g(n))\Theta(g(n)):当且仅当存在常数 c1>0c_1>0 , c2>0c_2>0, n0>0n_0>0,使得对于所有的n≥n0n\geq n_0,有0≤c1g(n)≤f(n)≤c2g(n)0\leq c_1g(n) \leq f(n)\leq c_2g(n) Θ(g(n))\Theta(g(n))是一个满足上述要求的函数集合, f(n)∈
2017-08-27 19:59:16
801
原创 快速排序 @ Python
快速排序 @ Pythonimport random as rddef quicksort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr) / 2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x ==
2017-08-25 17:53:44
303
原创 感知机的对偶形式 @ Python
感知机的对偶形式 @ Python在感知机的原始形式当中, 我们会发现有的点成为误分类点的次数不止一次,每次计算的过程没有任何变化, 对于点(xi,yi)(x_i,y_i) 来说, 到目前为止作为误分类点的次数为nin_i, 对于ww的影响是ni⋅η⋅xi⋅yin_i\cdot\eta\cdot x_i\cdot y_i ,, 如果一直都是真确的分类点的话, ni=0n_i = 0, 对于ww的影
2017-08-25 11:01:56
1049
原创 归并排序 @ Python
归并排序 @ Pythondef merge_sort(A): length = len(A) if length <= 1: return A if length == 2: if A[0] > A[1]: temp = A[0] A[0] = A[1] A[1] = t
2017-08-25 08:55:29
466
原创 感知机 @ Python
感知机(二分类问题) @ PythonM 是 误分类点的集合损失函数 : minw,bL(w,b)=−∑xi∈Myi(w⋅xi+b)\min\limits_{w, b}L(w, b) = - \sum\limits_{x_{i}\in M}y_{i}(w \cdot x_{i} + b) 损失函数的梯度 : ∇wL(w,b)=−∑xi∈Myixi\nabla_{w} L(w, b) =
2017-08-24 10:51:17
758
原创 算法复杂度分析符号θ
算法导论符号θ\theta在算法中最常见的符号是 θ\theta 符号, 对于公式来说,就是去掉低阶项,忽略高阶项前的常数因子, 例如公式 3n3+90n2−5n+234=θ(n3)3n^3 + 90n^2 -5n + 234 = \theta (n^3)也就是说当n⟶∞n\longrightarrow\infty的时候,低阶项和常数项将无法动摇函数式的结果 例如θ(n2)<θ(n3)\t
2017-08-24 10:20:42
1639
原创 插入排序 @ Python
快速排序 @ Python# _*_ coding: utf-8 _*_import random as rddef insertion_sort(A): ''' :param A: list of number :return: list of number 从小到大排序 ''' size = len(A) i = 1 while
2017-08-23 20:22:45
442
原创 算法复杂度
算法复杂度 T(n) 通常表示最坏情况分析(worst case): 在输入规模为n时 算法可能遇到的最复杂的情况 下所消耗的时间 T(n) 有时候也表示期望时间(average case): 再输入规模为n时 每种情况出现的概率 X 每种情况消耗的时间 概率的计算 假设一:均匀分布,每种情况的出现概率均相等 假设二: 其他的 (best case): 算法
2017-08-23 19:33:59
334
转载 欢迎使用优快云-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键javascrip快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2017-08-23 16:42:51
255
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