首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏悟道

    2-5 快速幂模板

    这个就是在快速乘的基础上改一下 sum=0--->sum=1 x+=x--->x*=x //快速幂模板 public double quickPow(double x,long y){ double sum=1; while(y>0){ if((y&1)==1){ sum*=x; } x*=x; y=y>>1; }

    35520发布于 2021-06-01
  • 来自专栏AI机器学习与深度学习算法

    学习分类 2-5 线性可分

    感知机非常简单同时又很容易理解,但是相对应的,缺点也很多。感知机最大的缺点就是它只能解决线性可分的问题。

    59310编辑于 2022-11-08
  • 来自专栏Hank’s Blog

    2-5 R语言基础 factor

    #因子:分类数据 #有序和无序 #整数向量+标签label #Male/Female #常用于lm(),glm()

    44310发布于 2020-09-16
  • 来自专栏刷题笔记

    2-5 修理牧场 (35 分)【优先队列】

    2-5 修理牧场 (35 分) 农夫要修理牧场的一段栅栏,他测量了栅栏,发现需要N块木头,每块木头长度为整数L​i​​个长度单位,于是他购买了一条很长的、能锯成N块的木头,即该木头的长度是L​i​​的总和 哈夫曼树的非叶子节点之和,贪心算法 每次让最小的两节结合在一起变成一个大节点。最后直到所有节点合成一个节点,就求出了和。 刚刚好适合使用优先队列。

    1.1K10发布于 2020-06-23
  • 来自专栏NetCore 从壹开始

    2-5 安装容器Web工具:Docker Portainer

    现在已经习惯了容器化了,不仅可以很快的配合CICD来实现部署,同时主要是也能解决一些疑难杂症,比如在Linux中经常会有各种图形图像的依赖包问题。特别是内网环境。

    1K20编辑于 2023-01-09
  • 来自专栏Deep learning进阶路

    2-5 线性表之循环链表

    2-5 线性表之循环链表 循环链表就是链表首尾相接连成一个环,可以用单链表 和 循环链表来实现。

    43240发布于 2019-07-02
  • 来自专栏刷题笔记

    2-5 Two Stacks In One Array (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101173005 2-5 Two Stacks In One Array (20 分) Write

    77230发布于 2019-11-08
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程2-5:杂合率检验

    一般自然群体,基因型个体的杂合度过高或者过低,都不正常,我们需要根据杂合度进行过滤。偏差可能表明样品受到污染,近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。

    2.4K20发布于 2020-04-27
  • 来自专栏九彩拼盘的叨叨叨

    学习前端 第4周 第2-5

    了解什么叫响应式。 了解CSS3 Media Queries 了解Bootstrap 了解Bootstrap的全局 CSS 样式。特别是其中的栅格系统。 作业 用Bootstrap做页面 http://www.bootcss.com/ 。交互不需要实现

    20910发布于 2018-08-27
  • 来自专栏跟着官方文档学小程序开发

    第二章 小程序开发指南2-5

    前面章节介绍了小程序的文件构成,那么这些文件在微信客户端是怎么协同工作的呢?在本章中将会介绍微信客户端给小程序所提供的宿主环境,下文把这个概念简称为宿主或者宿主环境。

    65010编辑于 2025-08-25
  • 来自专栏cwl_Java

    C++编程之美-数字之魅(代码清单2-5)

    代码清单2-5 /* 预定义的结果表 */ int countTable[256] = { 0, 1, 1, 2, 1, 2, 2, 3, 1, 2, 2, 3, 2, 3, 3, 4, 1

    25250编辑于 2022-11-30
  • 来自专栏IT技术圈(CSDN)

    浙大版《C语言程序设计(第3版)》题目集 习题2-5 求平方根序列前N项和

    习题2-5 求平方根序列前N项和 本题要求编写程序,计算平方根序列 1\sqrt{1}1​ + 2\sqrt{2}2​ + 3\sqrt{3}3​ +⋯的前N项之和。

    1.2K20发布于 2020-09-15
  • 来自专栏钱塘大数据

    2017 AI成熟度曲线图

    代表企业:无 位置:距成熟应用10年以上 算法市场 定义:算法市场是一个促进可复用算法发布和消费的技术性基础设施。有些市场是在企业内部使用来支持算法的内部共享的。 但是大多数都是作为外部基础设施来推动免费活付费算法,有时还包括对数据集的共享和货币化。 AIOps平台压缩了过去市场上称为算法IT运营和IT运营分析的技术。 Bots基于预设规则或是更复杂的算法来自动执行任务,这其中可能涉及到AI。 定义:集成学习是创造预测模型并将其结果进行汇总来生成单一输出的机器学习算法

    2.1K90发布于 2018-03-06
  • 来自专栏技术分享

    算法】----BF算法&KMP算法

    我们今天所讨论的两个算法就是有关该过程的算法。 事实上,对于检索,无非就是两个字符串的匹配过程,模式串是你想要匹配的串,主串是你搜索所在串。 BF算法和KMP算法是较为著名的模式匹配算法,接下来作出详细介绍。 BF算法 BF算法(Brute-Force)也称为暴力算法,其核心原理是逐个比较文本串和模式串的字符,如果匹配失败,则通过向右移动模式串的位置,再次进行比较。 在实际情况下,BF算法的效率并不高,特别是当文本串T和模式串P的长度很大时。对于较长的文本串和模式串,BF算法的时间复杂度可能会导致性能问题。 答案就是KMP算法。 KMP算法 KMP算法的核心思想是利用模式串自身的特点来加速匹配过程,避免重复匹配。

    58110编辑于 2024-06-18
  • 来自专栏MyBlog-Karos

    三种限流算法分析与对比

    漏桶限流算法和令牌桶限流算法是两种常见的限流算法,它们的原理和实现方式有所不同。漏桶限流算法漏桶限流算法是一种固定容量的桶,水以恒定的速率流出,来限制请求的流量。 时间窗口限流算法时间窗口限流算法是一种基于时间窗口的限流算法,其主要思想是将请求的流量限制在每个时间窗口内的一定数量。算法过程如下:初始化一个时间窗口和一个计数器,计数器初始值为0。 重复步骤2-5,直到程序结束。下面是该算法的流程图:图片其中,计数器用于统计当前时间窗口内的请求数量,每当有请求到达时,就将计数器加1。如果当前计数器的值已经达到了时间窗口内的限制值,就拒绝该请求。 处理完一个请求后,重复执行步骤2-5,直到程序结束。漏桶算法和令牌桶算法的区别漏桶限流算法时序图图片在这个时序图中,我们可以看到漏桶限流算法的主要工作流程。每当一个请求到来时,它会被添加到桶中。 时间窗口算法和令牌桶算法的区别以下是时间窗口限流算法的时序图:图片在这个时序图中,与令牌桶算法的时序图相比,没有令牌生成和归还的过程。

    1.7K32编辑于 2023-05-07
  • 来自专栏咸鱼学Python

    Python爬虫进阶必备 | X天下与XX二手房密码加密分析

    图2-4 有没有发现这个加密规律和上面 X天下 的加密非常像,而且还有RSA的加密标志,publickey 连下面的 encryptedString 加密方法都似曾相识【图2-5】? 图2-5 到这里就没有悬念了,直接用上一个例子的代码就可以实现加密,就破案咯。 总结 这两个房产的例子使用的是同一个加密算法,如果你想自己扣出来也是可以的,但是咸鱼感觉没有必要,有这功夫完全可以多找几个例子练手,总结属于自己的套路。

    78330发布于 2019-09-05
  • 来自专栏数据科学与人工智能

    算法】PCA算法

    小编邀请您,先思考: 1 PCA算法的原理是什么? 2 PCA算法有什么应用?

    1.9K60发布于 2018-03-27
  • 来自专栏数据科学与人工智能

    算法】Adaboost 算法

    小编邀请您,先思考: 1 Adaboost算法的原理是什么 ? 2 Adaboost算法如何实现? 是一个加法模型,而Adaboost算法其实是前向分步算法的特例。那么问题来了,什么是加法模型,什么又是前向分步算法呢? 3.1 加法模型和前向分步算法 如下图所示的便是一个加法模型 ? 这个优化方法便就是所谓的前向分步算法。 下面,咱们来具体看下前向分步算法算法流程: 输入:训练数据集 ? 损失函数: ? 基函数集: ? 输出:加法模型 ? 3.2 前向分步算法与Adaboost的关系 在上文第2节最后,我们说Adaboost 还有另外一种理解,即可以认为其模型是加法模型、损失函数为指数函数、学习算法为前向分步算法的二类分类学习方法。 前向分步算法逐一学习基函数的过程,与Adaboost算法逐一学习各个基本分类器的过程一致。 下面,咱们便来证明:当前向分步算法的损失函数是指数损失函数 ?

    2.5K140发布于 2018-03-27
  • 来自专栏数据科学与人工智能

    算法】SVD算法

    2 SVD算法与PCA算法有什么关联? 3 SVD算法有什么应用? 4 SVD算法如何优化? 前言 奇异值分解(Singular Value Decomposition,简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石 本文就对SVD的原理做一个总结,并讨论在在PCA降维算法中是如何运用运用SVD的。 也可以用于推荐算法,将用户和喜好对应的矩阵做特征分解,进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法,比如潜在语义索引(LSI)。 SVD小结 SVD作为一个很基本的算法,在很多机器学习算法中都有它的身影,特别是在现在的大数据时代,由于SVD可以实现并行化,因此更是大展身手。

    2K121发布于 2018-03-27
  • 来自专栏用代码征服天下

    算法——排序算法

     基本思想:现在有一个数组arr= {12,35,99,18,76},需要将其从小到大排序

    1K10编辑于 2022-05-09
领券