Maximum Gap

#1: sort

class Solution {
public:
    int maximumGap(vector<int>& nums) {
        int n = nums.size();
        if (n < 2) return 0;
        int res = 0;
        sort(nums.begin(), nums.end());
        for (int i = 1; i < n; i++) {
            int d = nums[i] - nums[i-1];
            res = res > d ? res : d;
        }
        return res;
    }
};


#2: bucket sort 答案解法

class Solution {
public:
    int maximumGap(vector<int>& nums) {
        int n = nums.size();
        if (n < 2) return 0;
        int min = nums[0], max = nums[0];
        for (int i = 1; i < n; i++) {
            min = nums[i] < min ? nums[i] : min;
            max = nums[i] > max ? nums[i] : max;
        }
        int p = (max - min) / (n - 1) + 1; //平均差值
        int b = (max - min) / p + 1; // 桶个数
        vector<vector<int>> bucket(b, vector<int>());
        vector<int> maxs(b, -1);
        vector<int> mins(b, max);
        for (int i = 0; i < n; i++) {
            int j = (nums[i] - min)/p;
            bucket[j].push_back(nums[i]);
            maxs[j] = maxs[j] > nums[i] ? maxs[j] : nums[i];
            mins[j] = mins[j] < nums[i] ? mins[j] : nums[i];
        }
        int res = p - 1;
        for (int s = b - 1, i = b - 2; i >= 0; i--) {
            if (bucket[i].empty()) continue;
            int diff = mins[s] - maxs[i];
            res = res > diff ? res : diff;
            s = i;
        }
        return res;
    }
};


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