0%

问题背景说来话长,在去年选毕设的时候,计算机的毕设95%都是游戏开发和后端开发(后端数据库配前端页面展示),这些东西我实在不会,唯一会的就是其中为数不多的单片机开发。而唯一的深度学习项目难度过大当作研究生毕设也不为过,后期老师提供的一些python项目也没及时看到,阴差阳错的选了这个毕设。

实在没兴趣去新开一个标签或分类,就准备把刷题期间遇到的所有动态规划问题放在这里了。还是老样子,思路分析,算法求解,代码实现。但动态规划问题多种多样,我暂时遇到的也不是很多,愿本文能一直保持收录。

在多年前的某次任务中,看到了别人使用提升树等算法,取得了比较好的效果。今日眼馋,特来学习提升方法,并记录于此。提升方法是一种统计学习方法。在分类问题中,通过改变训练样本的权重,学习多个分类器,将多个分类器进行线性组合,以提升分类的性能。

当问题需要自动地确定聚类数目时,传统的KMeans等聚类方法不在适用。因此,使用“核概率密度估计”的思路自行设计了两种聚类方法。本文收录:

  • 核是什么
  • 核密度估计
  • 基于核密度估计的两种聚类方法
  • 代码实现

栈有着广泛的应用,比如逆波兰表达式,表达式求值,迷宫问题求解,程序调用等,不过这些问题今天都不涉及哈哈哈哈。关于程序执行期间,各个函数的相互调用使用的调用栈,可以参考这里

也许在上数据结构这门课的时候,经常遇到一个问题,一个栈压入一个序列,随缘pop,判断哪个是合理的pop,哪个是不合理的pop,之前都是脑内演算。很巧的今天我在刷题期间也遇到了,记录一下如何用代码判断pop序列是否合理。

想来也快要大学毕业了,2016年唐县一中毕业,2020年某不太行大学毕业,四年了。

承接上文,实现多任务的方法一般有三种,今日来实现其中的一种:多进程爬虫。而剩余的多线程并发和协程暂时没时间搞了,一方面是要先学习下Python的yield和send如何使用,其次要准备毕设的中期答辩和被老师安排了去读源代码,日后会补上的。但仅仅是多进程,就将IO密集的任务从1153秒提升到了105秒,且极高的提升了资源利用率。

还有一点,本文的代码可能只适用于Next主题,但方法思路是通解,只要改改参数适应你的主题,代码同样能用。结果展示:本站热门