最近学习<西瓜书>的集成学习之Boosting算法,看了一个很好的例子(https://zhuanlan.zhihu.com/p/27126737),为了方便以后理解,现在更详细描述一下步骤. AdaBoosting(Adaptive Boosting)算法本质思想如下: 以最大准确率拟合第一个学习器: 第二个需要修正第一个的错误:筛选出错误并把它们放大: 第三个再修正之前的错误: 重复以上步骤,直到学习器数目达事先指定的值,再将这些学习器进行加权结合. 给定数据集如下: 注: 1)y的取值只

if-else分支 1.if条件应该是boolean类型的值或表达式 2.如果条件不是Boolean,会进行自动转换 以下几种情况会默认转换为 false: if(0).if(0.0) if(NaN).if(undefined) if("").if(null) if(false) switch-case执行流程: 1.解析变量或表达式中的值 2.用解析出来的值与case后的值进行比较 等值运行代码块 3.如果值不相等,就执行default:后的代码块 switch直落模式: 两个或多个

参考链接: https://blog.csdn.net/bestsort/article/details/82947639#commentBox https://blog.csdn.net/niushuai666/article/details/7002823 AC自动机简介: 首先简要介绍一下AC自动机:Aho-Corasick automation,该算法在1975年产生于贝尔实验室,是著名的多模匹配算法之一.一个常见的例子就是给出n个单词(这n个单词,我们称它为模式串),再给出一段包含m个

原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/11089327.html 已经刷了很多篇leetcode题了,不过最近在找c++的实习工作(大佬们有推荐的吗QAQ),现在慢慢补上吧 虽然有点烦,但是还是要提一句,刷leetcode题目的时候,最好还是自己先思考然后写出一个通过的代码,再去看其他人的代码参考比较好,当然了,写不出来就当我没说.尽力而为即可. 一.反转字符串 编写一个函数,其作用是将输入的字符串反转过来.输入字符串以字符数组 c

描述 启了升降梯的动力之后,探险队员们进入了升降梯运行的那条竖直的隧道,映入眼帘的是一条直通塔顶的轨道.一辆停在轨道底部的电梯.和电梯内一杆控制电梯升降的巨大手柄. Nescafe之塔一共有N层,升降梯在每层都有一个停靠点.手柄有M个控制槽,第i个控制槽旁边标着一个数C_i,满足C1<C2<C3<...<CM.如果Ci>0,表示手柄扳动到该槽时,电梯将上升Ci层:如果Ci<0,表示手柄扳动到该槽时,电梯将下降 −Ci层:并且一定存在一个Ci=0,手柄最初就位于此槽中.注

原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/10940636.html 唉!最近忙着面试找实习,然后都是面试的很多是leetcode的算法题,所以自己就刷了一遍,并且做些笔记,以后再来复习好了,悲催的大学生..... 一.从(排序!)数组中删除重复项 给定一个排序数组,你需要在原地删除重复出现的元素,使得每个元素只出现一次,返回移除后数组的新长度. 不要使用额外的数组空间,你必须在原地修改输入数组并在使用 O(1) 额外空间的条件下完成.

[基础算法]第二章 贪心算法 例一 奶牛晒衣服 题目描述 有n件衣服,第i件衣服的湿度为h. 在自然条件下,每件衣服每分钟都可以自然晒干A点湿度. 在烘干机作用下,可以选择一件衣服,用一分钟的时间晒干B点湿度. 求出晒干所有衣服的最少时间(湿度为0为干). 输入格式 第一行三个正整数N,A,B. 接下来N行,第i行一个正整数,表示第i件衣服的湿度 h. 输出格式 输出一个数,表示晒干所有衣服的最少时间. 样例输入 3 2 1 1 2 3 样例输出 1 分析 在不考虑烘干机的情况下,最后一件烘干的

[基础算法]第三章 二分算法 例一 数列分段 题目描述 对于给定的一个长度为N的正整数数列A,现在将其分成M段,并要求每段连续,且每段和的最大值最小. 输入格式 第1行包含两个正整数N,M. 第2行包含N个空格隔开的非负整数A. 输出格式 仅包含一个正整数,即每段和最大值最小为多少. 样例输入 5 3 4 2 4 5 1 样例输出 6 分析 题中出现类似"最大值最小"的含义,这是答案具有单调性的最常见.最典型 的特征之一.设最优解为S,因为S的最优性如果要求每段和可以>S,那么一

原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/11209807.html 一.1道网易c++的面试题 我当时第一时间的解答方案 #include <iostream> #include <vector> using namespace std; int main() { const int Wi = 3840; const int Hi = 2160; int N,M; int temp; int x,y,w,h; int x

链接:https://codeforces.com/contest/1200/problem/E 题意:依次合并两个单词,每次合并将删去最长相同前后缀,输出结果. 思路:用kmp跑出每个需要被连接的单词的next数组,与之前的单词进行匹配,跑出最长前后缀的长度并更新结果. #include<bits/stdc++.h> using namespace std; ; int kmp[maxn]; char ans[maxn]; char b[maxn]; int main() { int T;

分析图: 答案: (1) 8 : 00作业1到达,占有资源并调入主存运行. 8: 20作业2和3同时到达,但作业2因分不到打印机,只能在后备队列等待.作业3资源满足,可进主存运行,并与作业1平分CPU时间. 8 : 30作业1在8: 30结束,释放磁带与打印机.但作业2仍不能执行,因不能移动而没有30KB的空闲区,继续等待.作业4在8: 30到达,并进入主存执行,与作业3分享CPU 8 : 35作业5到达,因分不到磁带/打印机,只能在后备队列等待. 9: 00作业3运行结束,释放磁带机.此时作业

看到还没人用Bellman-Ford过,赶紧水一发 lz非常弱,求各位大佬轻喷qwq 洛谷题目传送门:P3371 0."松弛"操作 如果存在一条边\((u,v)\)通过中继的方式可以让起点到\(v\)的距离缩短,那么就通过中继点缩短这个距离. 举个栗子: (用数组\(dis[]\)来表示起点到每个点的距离,以下同样) 一开始,\(dis[2]=1000\),\(dis[3]=2\)(默认起点为1,以下同样) 通过3中继明显比从1直接到2要短,于是我们把\(dis[2]\)更新为\(di

一.字符串相关操作 String s = " Hello java,hello android,hello OOP,HELLO String,hello JAVASE!"; System.out.println("原始字符串:" + s); // 原始字符串: Hello java,hello android,hello OOP,HELLO String,hello JAVASE! System.out.println("转换为大写:" + s.

写在前面 目录 问题的提出 生日悖论 利用生日悖论来因数分解 Pollard-rho算法 例题完成进度 1/3 问题的提出 如何快速地找到一个自然数N的两个因数(除自己和1以外)? 首先想到的肯定是传统的试除法 int main(){ int N; cin>>N; ==){ cout<<<<<<endl; ; } ;i<=sqrt(N);i+=){ //这里是一个优化了的试除法,可以直接排除偶数 ){ cout<<i<<&quo

书中代码有误.书中为sort(a+1,a+n+1,Cmp). // // Created by yuxi on 19-1-13. // /* * * <信息学竞赛一本通-提高版>全部AC解答及解释 * * 第一部分 基础算法 * 第一章 贪心算法 * 例题1 活动安排 * */ #include <iostream> #include <algorithm> #include <fstream> #include <string> using n

一.什么是贪心 贪心算法嘛... 就是在对某个问题求解时,总是做出在当前看来是最好的选择 In other wors,并不是从整体最优上加以考虑,而是在获得某种意义上的局部最优解 二.贪心算法的适用前提 局部的最优解能导致最后整体的最优解,即局部的最优解不受该部分以外的东西的影响 对于贪心算法,我们需要证明:整个问题的最优解一定由在贪心策略中存在的子问题的最优解得来的 实际上,能用贪心算法的问题很少,大部分看上去能用贪心算法去做的题目,其实都得不到最优解T T(这时候就需要运用动态规划了) 而看

前言: 人脸检測与识别一直是计算机视觉领域一大热门研究方向,并且也从安全监控等工业级的应用扩展到了手机移动端的app,总之随着人脸识别技术获得突破,其应用前景和市场价值都是不可估量的,眼下在学习openCV,自然不能放过这个领域,于是略微了解了下openCV下人脸检測的一些原理,为之后的人脸识别等研究做个小小的铺垫. 原理: 人脸检測属于目标检測(object detection) 的一部分,主要涉及两个方面 先对要检測的目标对象进行概率统计,从而知道待检測对象的一些特征,建立起目标检測模型.

前言: 人脸检測与识别一直是计算机视觉领域一大热门研究方向,并且也从安全监控等工业级的应用扩展到了手机移动端的app.总之随着人脸识别技术获得突破,其应用前景和市场价值都是不可估量的,眼下在学习openCV,自然不能放过这个领域.于是略微了解了下openCV下人脸检測的一些原理.为之后的人脸识别等研究做个小小的铺垫. 原理: 人脸检測属于目标检測(object detection) 的一部分,主要涉及两个方面 先对要检測的目标对象进行概率统计,从而知道待检測对象的一些特征,建立起目标检測模型.

写在最前:本系列主要是在阅读 Mehryar Mohri 等的最新书籍<Foundations of Machine Learning>以及 Schapire 和 Freund 的 <Boosting: Foundations and Algorithms>过程中所做的笔记.主要讨论三个部分的内容.第一部分是PAC的基本概念,介绍了泛化误差和经验误差,并且讨论了假设集$H$有限时的泛化边界.第二部分介绍了假设集$H$无限时的泛化边界,引入了三种衡量$H$复杂程度的机制,分别是Rad

1.GBDT(梯度提升树)概述: GBDT是集成学习Boosting家族的成员,区别于Adaboosting.adaboosting是利用前一次迭代弱学习器的误差率来更新训练集的权重,在对更新权重后的训练集继续迭代训练.GBDT也是迭代算法,但是不同于Adaboosting,GBDT是进行一次迭代后,得出本次迭代的损失函数,对损失函数进行训练,最终得出每次迭代的结果相加!具体如下:       GBDT训练一个模型M1,产生错误e1 ,       针对e1训练第二个模型M2,产生错误e2,  

今天讲的内容是深搜和广搜 深搜(DFS) 从起点出发,走过的点要做标记,发现有没走过的点,就随意挑一个往前走,走不 了就回退,此种路径搜索策略就称为“深度优先搜索”,简称“深搜”. bool Dfs(V) { if( V 为终点) return true; if( V 为旧点 ) return false; 将 V标记为旧点 ; 对和 V相邻的每个节点U { if( Dfs(U) == true) return true; } return false; } int main() { 将所有点都