2019西安邀请赛心得

作者分享首次参加ICPC比赛的经历。比赛期间,他们经历报到、热身赛等流程。正式比赛中做了3道题,因多次提交错误无缘奖牌。赛后反思存在读题、心态、经验和知识等方面问题,决定吸取教训,暑假认真训练,准备后续比赛。

  emmmm...第一次参加icpc比赛,成功打铁QAQ。。。太多遗憾了。。

  西安离得近,我们5月17上午坐高铁3小时到达西安北,然后找地方吃午饭,去小寨找了好久,最后终于选择了一家烤肉店,本打算下午能逛逛西安,但吃完午饭之后已经5点了,我们只去了附近的大雁塔看了一眼就坐地铁去了韦曲南站(有个队队名叫韦曲南让人委曲hhh),然后坐校车来到了西工大。不禁感同身受,同是村里的大学哈哈,但显然的是人家的校园设施建筑比我们好太多了,真让人委曲QAQ。然后我们去了南山温泉酒店,酒店真心不错,很舒适,然后就在酒店和队友谈闲话,打数论板子。

  5月18号没什么事,上午报到领衣服之后就逛了逛校园,听大佬学长给我们传授经验,之后参加开幕式,然后就是两小时的热身赛。因为我们是第一次参加,我们3按照常规要求走了一遍流程,熟悉环境,熟悉系统。然后看了看题,3道题,最后就A了第一题,hxc还整得有点心态崩,看榜单有83个队AK了3题,然后就慌了,开始意识到我们太菜了。晚上在酒店和教练、学长们唠磕集训队的管理发展,然后11点多就睡了。

  5月19号早上7点起,吃早餐后准备比赛。上来后我先看了A题,发现是一道签到题,马上开始写,但可能由于紧张的缘故,一开始想复杂了,想成了背包,几分钟后发现简单贪心一下,排个序就ok了,写完之后提交,wa了QAQ,hxc马上检查出了错误,有个小bug,然后AC了。然后我和hxc看了I题,是一个数论题,看了十分钟发现比较难,决定先放弃。然后hxc和xw看了C题,就是一个几何题,推公式注意分类即可。我开始看L和M,因为C题的样例错误但没有人通知,所以hxc和xw交了两发都wa了,先放着,我看M题面看了好久,懵得不行,给hxc解释了一波,他也懵了,后来发现是我理解错题意了。我太坑了啊。。然后我们发现系统有询问功能,发现C题改样例了,于是马上改了C题,交了,wa。。发现输出中间结果忘删了,删了之后AC了。后面我们一起看了L题,因为特别多人过了L,我们推公式,弄了好久每弄明白,xw写了一个搜索,过了样例,但输入7时段错误了,应该是写残了,我们继续想,想好久也没弄明白,这时候心态已经崩了,导致比赛后面2小时我们已经没法认真思考了。不知道当时怎么想得,我们竟然开始手动打表找规律。。打了半个多小时wa了5次,最后一次提交时,我们已经放弃了其实,hxc说这要是能过我吃s,然后屏幕显示CORRECT,哈哈,真的是手动打表被我们找到规律了,hxc也是无语了hh,看来以后要让他多说这句话。可惜的是过L的时候已经只有10多分钟了,这时候我们认为再写一道题也是不可能的了(这样很不好,真的到最后一刻决不能放弃),然后我们3在那聊天。。直到比赛结束。

  总共做了3道,无缘奖牌,不过3题罚时少的也是有铜奖的,但我们一共wa了9发,导致我们是3题里几乎垫底。但其实我们是有很多提升的地方的:

  1. 读题方面,由于我把M题理解错误,导致浪费很多时间且我们没有花足够的时间思考M题,但其实M题是一个简单题,我们比赛时其实有想到二分答案然后bfs,但因为我当时实在是脑壳有点懵,就没有往下面想下去。

  2. 心态方面,由于3小时后心态开始崩了,导致3小时后无法认真思考,从而错失本可以写出来的M题。以后切记不到最后不放弃。

  3. 经验方面,由于开始不知道询问功能,导致C题改样例后没有及时发现。

    4. 知识方面,L题本可以几分钟打完表就找规律的,却浪费了一个多小时在上面手动打表,太蠢了。

  欸,这次比赛我状态太差了,感觉全程脑子不在线。。还读错题坑了队友。半年的练习效果也是几乎没发挥作用。归根结底还是太弱了。遗憾很多,但终究无法改变了,能改变的只有我们自己,好好吸取教训,好好训练,为以后做铺垫。打完比赛也快期末考试了,接下来一个月我也没法继续刷题学算法了,决定投入课程复习。暑假开始认真训练,准备下学期的网络赛和区域赛,我也成为了苦苦挣扎的老年acmer了QAQ。

转载于:https://www.cnblogs.com/FrankChen831X/p/10901511.html

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