分析 首先，可以发现，区间是可以合并滴。把区间按左端点排序，对于两个区间[l1,r1]、[l2,r2]，当l1=l2，那么，将它们合成一个新的区间[l1,r2]。当一个位置不属于任何一个区间时，它自己独立成为一个区间。 接着dp，保证区间是从小到大的。 设 f[i][j] 表示在从 S 第 i 个区 ...
分类：
其他好文 时间：
2018-05-12 03:12:33
阅读次数：
153
常用数据类型间转换 str >list split('') list-->str str1 = 'x'.join(l1) str-->tuple t1 = tuple(str1) list-->tuple t1 = tuple(l1) 字符串 >字典 a='{"name":"yct","age":1 ...
分类：
其他好文 时间：
2018-05-10 01:08:18
阅读次数：
171
题意 有n种科目，每个科目都有一个最高的等级a[i]。开始的时候，每个科目的等级都是0。现在要选择一些课程进行学习使得每一个科目都达到最高等级。这里有m节课可供选择。对于每门课给出L1[i],c[i],L2[i],d[i]，money[i]，要选择这门课要求科目c[i]的等级不小于L[i],可以使科 ...
分类：
其他好文 时间：
2018-05-08 14:32:58
阅读次数：
154
git：https://github.com/linyi0604/MachineLearning 通过比较 经过正则化的模型 泛化能力明显的更好啦 ...
分类：
编程语言 时间：
2018-05-06 20:37:29
阅读次数：
311
BZOJ_4653_[Noi2016]区间_线段树+离散化+双指针 Description 在数轴上有 n个闭区间 [l1,r1],[l2,r2],...,[ln,rn]。现在要从中选出 m 个区间，使得这 m个区间共同包含至少一个位置。换句话说，就是使得存在一个 x，使得对于每一个被选中的区间 [ ...
分类：
其他好文 时间：
2018-05-06 14:47:06
阅读次数：
152
首先明白这个事干嘛的，在我们做求导的时候，会遇到一种情况，求导函数突然变得特别陡峭，是不是意味着下一步的进行会远远高于正常值，这个函数的意义在于，在突然变得陡峭的求导函数中，加上一些判定，如果过于陡峭，就适当减小求导步伐。 tf.clip_by_global_norm(t_list, clip_no ...
分类：
其他好文 时间：
2018-05-04 23:22:34
阅读次数：
785
# #li=[123,'老男孩',True,[1,2,3],{'name':'alex'},(1,2,3)]# #列表称之为容器型数据类型。# l1=['wusir',True,'alex','laonanhai','ritian','taibai']# #按照索引# print(l1[0])# p ...
分类：
编程语言 时间：
2018-05-02 21:03:54
阅读次数：
175
2. Add Two Numbers 解题思路还是比较简单的，只是要注意向高位进位。 比较优的解法借鉴思路是将所有可能的情况放入while中，用或运算进行判断，进而少掉了很多冗余的写法。while(l1 || l2 || carry); ...
分类：
其他好文 时间：
2018-05-02 02:37:45
阅读次数：
87
原创博文，转载请注明出处！ 嵌入式特征选择法使用机器学习模型进行特征选择。特征选择过程与学习器相关，特征选择过程与学习器训练过程融合，在学习器训练过程中自动进行特征选择。 通过L1正则化来选择特征 sklearn在feature_selection模块中集成的模型SelectFromModel实现了... ...
分类：
其他好文 时间：
2018-05-02 02:24:40
阅读次数：
262
原理 数据正规化（data normalization）是将数据的每个样本（向量）变换为单位范数的向量，各样本之间是相互独立的．其实际上，是对向量中的每个分量值除以正规化因子．常用的正规化因子有 L1, L2 和 Max．假设，对长度为 n 的向量，其正规化因子 z 的计算公式，如下所示： 注意：M ...
分类：
编程语言 时间：
2018-05-01 20:34:10
阅读次数：
1347
