6114

#include <iostream>
#include <fstream>
#include <algorithm>
#include <vector>
#include <cstring>
#include <stdio.h>
using namespace std;




struct Student{
    char name[5];
};


struct Course{
    int id;
    int num;
    Student* s;
};


bool cmp(const Course& aa,const Course& bb){
    return aa.id < bb.id;
}


bool BinarySearch(char query[],const Course& c){
    int left = 0;
    int right = c.num-1;
    int mid,res;
    while(left <= right){
        mid = (left+right)/2;
        res = strcmp(c.s[mid].name,query);
        if(res == 0){       
            return true;
        }else if(res > 0){  //比query大
            right = mid - 1;
        }else{
            left = mid + 1;
        }
    }
    return false;
}


int main()
{
    int n,k;
    scanf("%d %d",&n,&k);
    //cin>>n>>k;
    Course* c = new Course[k];
    int courseID,num;
    int i,j,z;
    for(i=0;i<k;i++){
        scanf("%d %d",&c[i].id,&c[i].num);
        //cin>>c[i].id>>c[i].num;
        c[i].s = new Student[c[i].num];//有多少个学生在这个分组内
        for(j=0;j<c[i].num;j++){
            scanf("%s",c[i].s[j].name);
            //cin>>c[i].s[j].name;
        }
    }
    sort(c,c+k,cmp);


    vector<int> idVec;
    char queryName[5];
    for(i=0;i<n;i++){
        scanf("%s",queryName);
        //cin>>queryName;
        idVec.clear();
        for(j=0;j<k;j++){
            if(BinarySearch(queryName,c[j])){
                idVec.push_back(j+1);   
            }
        }
        int size = idVec.size();
        printf("%s %d",queryName,size);
        //cout<<queryName<<' '<<size;
        for(z=0;z<size-1;z++){
            printf(" %d",idVec[z]);
            //cout<<' '<<idVec[z];
        }
        if(size>0){
            printf(" %d",idVec[size-1]);
            //cout<<' '<<idVec[size-1];
        }
        printf("\n");
        //cout<<endl;
    }




    return 0;
}
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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