- 博客(7)
- 收藏
- 关注
原创 机器学习--【 多元线性回归算法 】在波士顿房价预测问题的应用
观察我们需要的矩阵操作,包括矩阵的转置,矩阵乘法,矩阵求逆(只有方阵可以求逆),是的,死去的线性代数又将攻击你的大脑,这里我们假定大家都还记得矩阵的相关运算,是的,相信你们,米娜(表示预测值和实际值之间的偏差,我们构建的这样一个表达式的含义就是,找到一条轨迹,这个轨迹满足样本中的所有数据都有一个按照这个轨迹进行分布的。值数据,这就构建了一个y关于多个x的表达式,当多个表达式组合到一起时,对于多个多元线性方程组,这时就构成了矩阵运算的形式,其中。欢迎回到大型现代大学牲命苦现场。
2025-05-29 14:16:25
559
原创 5.22--离散数学??不像
今天又是上了一节离散数学课,主播也是成功的什么也没听懂,因此决定产出一篇博客,这就是这篇博客出现的原因了主播感觉只有在写一些东西的时候脑子才是更清醒一点的,所以主波对写博客这种事有一种蜜汁兴趣,控制不住强烈的想要写博客的冲动,也可能是因为主波之前天天写日记的原因吧,反正主波对于写东西有一种蜜汁热情。
2025-05-23 23:04:21
820
原创 算法--莫队算法--洛谷P10288 [GESP样题 八级] 区间
本文以洛谷的一道题目为例,详细介绍了莫队算法的基本思想和实现步骤。算法的核心在于对查询进行分块排序,并利用双指针维护当前区间的信息。为了处理数组中元素范围过大的问题,文中还介绍了离散化的技巧,将元素范围压缩到可接受的范围内。文章最后,作者分享了自己学习算法的经历,并感叹了 AI 技术对学习的巨大影响,使得学习资源变得更加丰富和便捷。同时,也表达了对高中时期薪火相传学习精神的怀念。
2025-05-21 22:13:00
1584
2
原创 算法--洛谷P6328我是仙人掌--BFS求最短路+bitset求点集
本文介绍了一种解决图论问题的方法,主要针对给定图中节点之间的距离查询。首先,通过BFS计算每个节点到其他节点的最短距离,并存储在二维数组中。然而,这种方法在数据规模较大时会导致时间复杂度过高,无法通过测试。为了优化,引入了bitset数据结构,用于高效存储和查询满足距离条件的节点集合。具体实现中,使用bitset数组记录每个节点到其他节点的距离,并通过位运算快速合并多个查询条件。最终,通过优化后的算法,显著减少了查询时间,解决了大规模数据下的性能问题。该方法适用于稀疏图,且在处理大量查询时表现出色。
2025-05-20 18:18:50
1773
1
原创 机器学习--KNN算法学习笔记
本文详细介绍了KNN(K-Nearest-Neighbors)算法的基本原理及其在鸢尾花分类问题中的应用。KNN是一种有监督的机器学习算法,适用于简单的分类任务。文章以鸢尾花分类为例,讲解了如何通过计算数据点之间的距离,找到最近的K个邻居,并根据这些邻居的类别进行预测。文章还提供了C++代码实现,包括数据读取、训练集与测试集的划分、距离计算及预测过程。代码结构清晰,附有详细注释和样本数据,便于读者理解和实践。通过该实现,读者可以掌握KNN算法的底层原理,并应用于其他分类问题。
2025-05-17 12:05:01
739
原创 机器学习--KNN算法学习笔记
KNN算法(K-Nearest-Neighbors)是一种有监督的机器学习算法,常用于分类问题。以鸢尾花分类为例,算法通过计算待预测数据与训练集中每个样本的距离,找到距离最近的K个样本,并根据这K个样本的类别进行投票,最终确定待预测数据的类别。实现KNN算法的步骤包括:读取并存储数据、划分训练集和测试集、计算距离、进行预测并评估模型准确率。通过C++代码实现,可以完成数据的读取、随机划分、距离计算及分类预测,最终输出模型的准确率。KNN算法的核心思想是通过邻近样本的类别来推断未知样本的类别,适用于简单的分类
2025-05-16 15:25:09
1530
4
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