2015长春现场赛感想

我的第二场区域赛,虽然这场的表现没有达到预期,但是还是拿到了银牌,还是很开心的。
周六一个大早起床去火车站,10路车第二辆上的,531又等了2辆过去,终于在第三辆坐上了公交,由于我的身份信息不符合要求,所以自己买的票(学校报销高铁票好良心),然后我一个人在一个在不同的车厢待到了长春。
到了长春,时间已经到了开幕式的时间,然后没有吃午饭就直接去的现场,结果还是没有赶上开幕式,基本刚到了位置热身赛就开始了,原来准备好好测测环境的,但是最后好像就是做题了。。。最后写了一道,A题不想去写,C题题目读得有点问题,最后也没来得及写完,随便测了几项就结束了。热身赛的时候看到的榜居然是有金牌区,银牌去,铜牌区的!!!太给力了!!!当然也感觉第二天估计压力也不小。
热身赛一道题,在铜牌区,也没怎么在意,结束了学长A题他们怎么写的,结果是随机数。。。晚上我高中同学请我吃饭(开森)。长春当天晚上下雨,风也特别大,原来还想逛逛的,结果就把周围转转就回了宾馆。回了宾馆发现没有袜子换了,于是冒着风雨又和他们出去转了一圈,买了3双袜子(长春第二大的收获。。。)
回宾馆基本什么也没看,看了不电影就睡觉了,睡前定了个闹钟,手机都不敢关(怕第二天起不来。。。),结果发现我想多了,这个网上我基本上没有睡着过。我11点钟好像就睡着了,第一次睡醒感觉窗户外面蛮亮的,然后起床翻了一下手机,居然才2:30。然后继续躺到床上,感觉又过了好久才睡着,第二次醒的时候看了一下手机,4点40左右。我就觉得今天晚上应该是完蛋了。第三次醒是6:30左右吧,然后就不想睡了,默默地看了几话《柯南》等着7:15,然后洗漱吃饭比赛。
到了现场,一开始感觉状态还可以,正式赛开始了以后,队友看了两道题,A,F题,然后说F题可做,然后和队友商量了一下做法,我说了一种做法,感觉没什么问题,我就上去写了。队友开始看别的题,写了一半发现有点小问题,然后改了几下,交了上去,返回一个wa,队友上去写了L,又返回一个wa,我上去又改了一发A,返回wa以后,打印代码,队友上去把L改了,AC了。在这个期间我想出了F的另一种写法,和队友讨论了一下,感觉应该没什么问题,然后L过了以后我又上去写了F,结果还是wa,队友在这个期间讨论了G题,我wa了以后,队友上去写G,G题1A。这个时候看了一下榜,铁牌,周围队伍基本都把F过了,这个时候太着急了,我还是被F卡了,这个时候队友在看H题,我跟队友说,我上去写最后一次F,过不了,我就不写这题了,你们写。然后我又上去了,结果还是wa,雪崩。wa了以后,我们就决定不用傻逼贪心写了,先保证把这题过了,直接写LIS,然后队友上了,1A。。。看了一下榜,我们排在铜牌区后面。我和另外一个队友开始讨论H题,期间看了一下榜,我们被赶出了铜牌区,铁牌前几名,这个时候我有种这场要打铁的感觉,我们看J题过的人越来越多,然而我们想不出什么做法,队友说不然我们暴力写吧,试试,我不断提醒队友暴力肯定贵,n^3复杂度怎么过,又过了一会,我们还是尝试了一下暴力,但是是加上优化的暴力,wa了5发,最后一发决定直接裸的n^3,居然过了!!!简直难以置信,我们终于又进了铜牌区(至少这站不会打铁了)。我这个时候继续在想H题,二维背包DP,硬是不会优化n^3的复杂度,队友看了其他题目,然后队友跟我说E题可做,和队友讨论了以后,我决定上去写E,感觉这个时候写得很顺,脑子很清醒,结果写完,把样例调过了就交了,1A,5题这个时候我们基本知道应该有银了,我写完队友讨论出了A题的写法,然后队友上去写了,40分钟,另一个和我解释了一下做法,我觉得可以,然后队友继续写,大约还有10+分钟的时候队友写完了,结果样例都过不了,然后代码打印了3份,我们开始查错误,找了两个写跪的地方改掉依然没有过样例,最后半分钟我又找出了一个错的地方,结果还是没调完。。。
比赛完了出题人说题解,A题做法一模一样。。。H题居然是先给每个点一个度数,然后就是一个正常的多重背包DP,(我真是太傻比了,全场过了56份,我们硬是没想到。。。)。现场赞助商活动,送了5个kindle,队友居然搞到了一个。。。
总得来说这场比赛还是有点遗憾的,(用队友的话来说,我们本场应该理论AC7题,拿金了)但是结果还是可以接受吧,本来预期目标其实也就是银牌,至少现在上海站没有太大的压力了吧。。。

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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