精华内容
下载资源
问答
  • 【软/自考】算法写作思路

    热门讨论 2015-10-14 22:47:45
    算法的写就,与小学的解应用题很像。应用题会给出已知条件,问题,让你分析已知条件,利用公式或者定理来解决问题,解除答案。函数的写法是如此相似。  看看函数的结构体:返回值类型 函数名(参数列表){函数体} ...

            算法的写就,与小学的解应用题很像。应用题会给出已知条件,问题,让你分析已知条件,利用公式或者定理来解决问题,解除答案。函数的写法是如此相似。

            看看函数的结构体:返回值类型 函数名(参数列表){函数体}

            返回值类型是最终答案的数据类型,函数名代表解决的什么问题,参数列表表示已知条件,函数体就是需要我们编写的解题步骤。

            拿线性表的定位运算LocateSeqlist(SeqList L,DataType x)来分析。定位运算的功能是查找出线性表L中值等于x的结点序号的最小值,当找不到值为x的结点时,返回结果0.

            从功能描述就已知条件:线性表L和x的值已知。线性表L已知就是说线性表相应的属性,比如长度,表中各个结点的值,都是已知的。

            求解结果是:某结点序号。

            已知分析:

            1、我们知道线性表是存储在数组中的,因此下标i与长度L.length的关系为:min(i)=L.length-1.

            2、根据下标,我们就可以知道对应的结点值。

            3、要找与x值相等的结点的序号,就要比较值的大小。要找与x值相等的结点的序号的最小值,而不是任意一个相等的值的序号,就要从序号最小的位置的值开始比较,以此向后比较,找到第一个相等的值,取出下标(序号)。返回就得到了结果。

            4、从开头到依次比较,就用到了循环。

            5、如果循环结束了,还没有找到相等的值,就返回0。“如果”出现了,一定是用到了分支判断语句。if或者switch,根据情况决定。

     

    int LocateSeqlist(SeqList L,DataType x)
    {
        int i=0;
        while((i<L.length)&&(L.data[i]!=x)) //在顺序表中查找值为x的结点
                i++;
        if(i<L.length) return i+1; //若找到值为x的元素,返回元素的序号
        else return 0;    //未查找到值为x的元素,返回0
    }


            鄙人拙见,还请斧正。

     

     

     

     

    展开全文
  • 群智能算法改进思路

    2020-10-08 22:13:08
    群智能算法改进思路 ...在X′(t)X'(t)X′(t)的选择上,可选方案有最优解、当前个体、均值位置、随机选出来的一个个体、甚至可以是父本和母本交叉的解。而在加号的另一边,可选方案就更多了,如DE的两个个体的差分向量

    群智能算法改进思路

    本文仅从方法论的角度来进行探讨,不涉及具体的改进方法。
    

    1.先看单个更新公式

    我们常见的群智能算法其核心无非是位置更新公式,大多更新方式都可以写作下面的公式:
    X ( t + 1 ) = X ′ ( t ) + Δ X X(t+1) =X'(t)+ΔX X(t+1)=X(t)+ΔX
    所以,在这条更新公式上就大有文章可做。在 X ′ ( t ) X'(t) X(t)的选择上,可选方案有最优解、当前个体、均值位置、随机选出来的一个个体、甚至可以是父本和母本交叉的解。而在加号的另一边,可选方案就更多了,如DE的两个个体的差分向量作为增量;或者是以某个步长来确定大小方向;也可以像遗传算法一样,以变异的方式来产生增量。只要这个 Δ X ΔX ΔX是合理的,只要它能够在全局和局部范围内有效搜索,保证最终是收敛的,都可以用,无非是收敛的好坏而已。


    2.多种更新公式结合

    虽然有效设计的单个更新公式往往能够自成体系,但是也难免会有其失效的地方。再者,设计一条合理的更新公式也并不是一个简单的事情,有些更新公式表面看起来没什么问题,也可以有效收敛,但是碰到复杂问题时,因为其公式内在问题,并不能进行有效搜索。所以多种更新公式相结合是一个很自然的思路。

    光一条更新公式就有很多种实现方案了,当多种公式结合的时候,其方案数量又会几何式增加。再者,相结合的策略也是一个可研究的地方。是部分个体这种公式,另一部分个体另一种公式的形式?还是这一阶段这种公式,另一阶段另一种公式呢?抑或是类似超启发式一样根据选择来确定更新公式?当然也可以根据搜索情况动态确定更新公式。第一种是典型的多种群改进方式,在空间上划分更新方式;第二种则是在时间上划分更新方式,很多包含多条更新公式的元启发式大都采用这种策略;第三种则可以通过学习来确定在一个阶段选择一种更新方式的概率;第四种就涉及到搜索过程之中的信息利用了,将静态确定的更新方式换做动态确定,使之适用于更多问题。而对于第一种多种群改进思路又有诸多可研究之处,两部分个体以怎样的方式发挥联动作用呢?这又是一个可探索的点。


    3.对群智能算法本身缺陷进行改进

    其实到2如果改的好的话,已经能在大多数问题上表现很好了,如果更进一步算法能根据问题的不同动态做出调整的话,已经是极好的了。到此已经不是普通改进就能够解决问题了,就必须要治本了。要解决群智能算法本身的缺陷——无法确保找到的解一定是全局最优解。

    在这里插入图片描述
    这个问题解决不了,只能一定程度上缓和。要几种手段相结合,首先是能够在全局范围内进行均匀的探索,每个区域都能探索到;其次是尽可能对探索的区域进行适当的开发(邻域从小到大或从大到小均匀变化),以使尽可能准确判断出哪个区域是全局最优区域;再者要有效探索和开发,尽量不去探索重复区域,避开之前找到的极值区域,对未知区域进行探索和开发。这就涉及到空间划分、归档、禁忌、拥挤控制、分布估计等策略。


    4.群智能算法应用

    一个是优化领域,应该是应用最广泛的;也可以给个体赋予规则,然后研究多智能体的博弈;当然也可以结合生物现象研究智能系统。认知有限,只能想到这些了。


    挖坑

    后续可以把多种群改进思路做个总结。

    展开全文
  • 首先,算法部分的写作风格与之前的abstract(摘要),introduction(引入)和related work(相关工作)都不太相同。摘要需要的是简洁清楚,并总领全文;引入需要将本论文的想法思路,以及所解决的问题叙述完整,需要...

    1. 总述

    首先,算法部分的写作风格与之前的abstract(摘要),introduction(引入)和related work(相关工作)都不太相同。摘要需要的是简洁清楚,并总领全文;引入需要将本论文的想法思路,以及所解决的问题叙述完整,需要体现故事性;相关工作仅需讲清楚与本文算法类似或者处于相同思路下的已有论文即可。但算法部分的内容需要细致且符合逻辑,要求用尽量简洁的语言将算法的各个部分讲清楚,同时还要很高的科学性。为了提出以下几点建议:
    1)算法部分尽量不要按照写代码的思路来叙述。
    2)长句子尽量改短或者分为两句,因为算法部分已经是在叙述一个新提出的算法了,如果句子还很长很绕的话,容易让看论文的人产生疲惫心理。
    3)第一遍先写出完整的一个算法部分,再按照文章整体逻辑进行修改,以免在结构不固定的时候浪费时间去字斟句酌。

    2. 举例说明

    2.1 attention部分

    attention部分

    图1 原文对算法中attention部分的说明

    上图1 叙述了本文算法中对attention(注意力机制)的应用过程。整体流程是先说明公式和和用到的一些参数,再将这个部分的示意图展示出来。
    这种方式会导致两个问题:
    1)阅读者在看到这个示意图之前,只能借助文字描述和公式对本部分进行理解,容易造成混淆。
    2)图中所设计的参数 P ( ⋅ ) P(\cdot) P() Q ( ⋅ ) Q(\cdot) Q()在一开始就提到且应用在公式中,但是没有形象的说明。
    所以后来将这个部分改成了以下形式。
    在这里插入图片描述
    具体改动如下:
    1)将示意图移到了所有公式和参数的说明之前,先给阅读者一个整体的印象。
    2)将示意图中参数 P ( ⋅ ) P(\cdot) P() Q ( ⋅ ) Q(\cdot) Q()的说明移到图注中,让阅读者在看完示意图之后就能对整体的流程有个初步的认识。

    2.2 Self-attention部分

    在这里插入图片描述

    图 2 自注意力部分第一段

    这里需要注意,在注意力部分结束之后,因为另起了一个小节,所以我将公式5的结果重新叙述了一遍。但是这里本身不需要这样,强行多叙述一遍反而为显得繁琐。所以在修改时直接将公式5下标黄的那句话删除了。
    为此我总结了以下两点:
    1)当另起一节时,如果需要借用上一节的结论,并且与上次提到此结论的地方相隔较远,可以重新简要叙述一遍。例如图2中最下方标黄语句,此时我是借用了introduction中的结论,但是相隔较远,就简要复述了一遍。
    2)当相隔较近时,则不需要重新叙述,不然会显得繁琐。

    2.3 分析

    在这里插入图片描述

    图 3 分析

    这段文字主要想体现的是自注意力与注意力的区别,先叙述了它们不同的权重计算方式,再单独叙述这两种方式带来的效果。但是这种方式较难直观的将效果和其对应的注意力对应起来,于是改为了以下统一叙述的方式:
    在这里插入图片描述

    3. 结语

    对于算法部分,我们的叙述方式要循序渐进,即先给出总体印象,再介绍局部细节。图片、公式的出现顺序,参数的说明时机都要把握好。
    尽量避免出现长句子,如果一句话实在要包含很多的信息,建议拆分为几句来写。

    展开全文
  • 不仅仅是一个人在战斗, 更是一群爱算法的CSer在共同写作! 不仅仅是一个人的原创, 更注重一整套算法笔记的完成性和共享! 说明 如果你是: 喜欢刷算法的并且喜欢写原创心得笔记的同学 喜欢整理收集算法文章的同学 喜欢...
  • 给你一个算法应该怎么写程序(数学建模 matlab)

    万次阅读 多人点赞 2017-08-27 13:29:52
    本文写作初衷:有个可爱的学妹问我在看到一个算法编程时的步骤是什么,然而作为伪大神的我,感觉并不知道怎么回答,感觉我编程就俩字死磕,错了咋办?再来一遍!不行咋办?换个写法试试!还不行?百度!不过既然人家...

    本文写作初衷:有个可爱的学妹问我在看到一个算法编程时的步骤是什么,然而作为伪大神的我,感觉并不知道怎么回答,感觉我编程就俩字死磕,错了咋办?再来一遍!不行咋办?换个写法试试!还不行?百度!不过既然人家诚心诚意的问了 o( ̄▽ ̄)o,还是说点建设性的经验。

    算法是什么?

    • 算法是处理解决问题的思路及办法,程序语言是按照一定语法把算法表达来。
    • 打个比方,你头脑里有了一套新思想,一个新发现,你可以用中文写出来,也可以用英文写出来,让大家明白。思想和发现可以比作是算法,用中文或英文可以比作是程序语言。
    • 因此核心是算法,但程序语言是实现算法的载体。在计算机等系统中,算法是处理某一问题的思路方法,而程序语言能具体表达算法从而使之运行起来通过算法需要完成的任务。

    前提假设:

    要实现的这个算法网上能搜到大量的资料,比如算法的思想是什么,使用这个算法的例子(翻书太慢,不够丰富,不推荐)。


    1. 给你一个算法,在动手编程之前,你应该把注意力放在哪里?

    算法的核心是解决问题的思路和方法,所弄明白一个算法的思路是非常有必要的(当然对于某些教材上的算法给出的步骤详细的不能再详细,不知道思路比着步骤也能编,这里不考虑)。

    比如:
    在用遗传算法解决问题时:

    1. 百度搜索遗传算法,比较多见的是百度百科,CSND博客,博客园,知乎,脚本之家的内容,也是我重点关注的搜索结果。前三者的内容相对比较系统,可以从中掌握这个算法的由来,思想,一般步骤。知乎大神的回答一般比较深入浅出,或者站在一个比较高的高度耳目一新,脚本之家给出的代码比较实用,百度知道一些论坛智库里面也会有一些有价值的回答,但是没有前面几个的思想有深度。

    2. 这里从百度百科的结果看思想:
      图片来自百度百科截图——遗传算法
      理解好这个介绍就完成了一大步(因为具体问题的具体实现不能照搬,只有思想是通用的):从这里理解了遗传算法就是仿真生物种群优胜劣汰的过程,适者生存,不适者淘汰。并且知道了这个算法的解决问题一般步骤是编码,产生初代种群,迭代演化(演化要计算个体适应度,交叉,变异,产生新的个体)
      此外还需要理解每个过程都需要实现什么功能:
      图片来自百度百科截图——遗传算法
      这里看得出整个算法的关键是构造一个迭代(不懂迭代就理解维循环),迭代的每一步需要计算种群中每个个体的适应度,优胜劣汰种群中的个体,种群中交叉运算,变异运算(是为了生成新的可行解,为寻找到初始种群里之外更好可行解提供了可能)得到新的种群

    3. 看懂了思想,知道了每步是干啥的,就可以联系我们要解决的问题思考(思考的方式大致就是要解决的问题有什么?可以对应到算法的那一部分上?这样对应后其他部分要怎么实现?):

    • 要求解的问题是最优化问题,那么个体(染色体)是不是就对应着每个可行解?
    • 适应度是不是对应着目标函数值?
    • 求得了适应度要怎么按照适应度的大小繁殖后代?(用rand函数怎么实现?)
    • 如何实现交叉运算?(不同可行解之间哪些部分可以交换,并且有益于构造出不同的可行解?)
    • 如何实现变异运算?(随机改变某些个体的某些属性的值可以吗?)
      对于这些细节有了大致的思路或者模糊的思路就可以开始尝试编写代码了
    1. 如果觉得自己的思路太模糊,可以看看别人的例子代码(如果没有理解这些算法的思想,直接看已有的代码,要看懂很困难,当然也可以从里面的循环和分支结构作为突破口,画画流程图,写一写注释,来帮助理解代码),也可以直接上手去编,遇到问题再去网上找解决方案(matlab那么杂,函数那么多,记不住的东西就要善于网上去搜)

    2. matlab编程应该熟练哪些知识?

    参考另一篇博客哪些知识点是学习matlab应该熟练掌握的?,基本功熟练,才能看到问题有想法思路(能力决定思维)


    比如针对这次数学建模第三轮训练——下料问题,假设建立了这样的模型:

    这里写图片描述

    • 可行解(切割方案)是由两个矩阵和两个向量表示的,矩阵A的每一行表示用一根5000mm长的材料切割出50种钢管的数量,由于钢管种类多达50种,如果穷举所有可能切法是困难的,所以矩阵A的行数暂定为200行,矩阵B的每一行表示用一根6000mm长的材料切割出50跟钢管的数量,同样暂定其行数为200行,列向量a的行数同A的行数一样,表示按照每种切割方法切割原材料的根数,列向量b表示按照B的每行的切割方法切割原材料的根数。
    • 目标函数是这种切割方案产生的废料的量。
    • 约束条件是每根原材料够长,切割出每种钢管数目达到需求。
      (精力有限,省去数学语言描述)

    怎么应用约束条件,是直接根绝约束条件生成可行解,还是随机生成后判断是否满足约束?前者设计困难,后者效率可能非常低下。

    1. 编写代码(本例中要遗传的个体比较复杂,就不进行编码解码,直接把80个可行解作为初始种群,相应的代价是交叉和变异不容易):
    close all;clear;clc;
    %% 数据
    AL=5000;BL=6000;
    NL=[] % 50种钢管的长度
    NN=[] % 50种钢管的数量
    %% 初始化,上面的步骤a)
    T = 1000; % 迭代1000步
    M = 80; % 种群规模
    P = []; % 种群
    for m=1:M % 初始化种群
    	temp.A = 
    	temp.B = 
    	temp.x = 
    	temp.y = 
    	P(m)=temp; % 上面需要构造一个合适的方法生成初始可行解,实现较麻烦,
    	% 我的大致思路是
    end
    %% 迭代(迭代包括个体评价,选择,交叉,变异)
    for t=1:T % 至多进化T次
    %%%%%%%%%% 个体评价,假设已有一个函数score,输入A、B、x、y,返回浪费材料的长度
    	sc = zeros(1,M);
    	for m=1:M
    		temp = P(m);
    		sc(m) = score(temp.A,temp.B,temp.x,temp.y); % 计算得分
    	end
    	% 做一个合适的变换,让浪费材料长度变为得分(适应度),这里简化了
    	sc = -sc;
    	sc = sc-min(sc)/(max(sc) - min(sc));
    %%%%%%%%%% 选择,轮盘赌算法,就是让得分对应于轮盘上扇形的宽度
    %选择50次,落到哪个扇区,对应的个体就有一个后代
    	sumsc = sum(sc);
    	csum = cumsum(sc);% 累加 a1,a1+a2,a1+a2+a3,...,sum(a)
    	oldP = P;
    	for m=1:M
    		[~,index]=find(sumsc*rand>csum);
    		if(isempty(index)) index=0;
    		P(m) = oldP(index+1);  
    	end
    %%%%%%%%%% 交叉运算,这里随机选择30对进行交叉运算,这里假设实现了交叉算子
    %across ,输入两个个体,函数交换两个个体里矩阵A,B,x,y里的部分行,列,数据
    	toex = ceil(M*rand(30,2));
    	for i=1:30
    		P(toex(i,:)) = across(P(toex(i,:)));% 两两做交叉运算
    	end
    %%%%%%%%% 变异运算,随机选取几个对象,改变A,B,x,y里的部分数据,
    %这里假设已经实现了变异算子variation
    	toch = ceil(M*rand(10,1));% 假设10个发生变异
    	for i=1:10
    		P(toch(i)) = variation(toch(i));
    	end
    end
    % 目前已经按照遗传算法的思想写出了整体骨架,细节有空再完善
    

    2021-2-10 补充
    原来鸽王竟是我自己!

    展开全文
  • 用于回顾数据结构与算法时刷题的一些经验记录 (提出对应的贪心算法时最好自己举例子试试能否可行) 文章目录[455. 分发饼干](https://leetcode-cn.com/problems/assign-cookies/)[376. 摆动序列]...
  • 想要科学的解决这样一个优化的问题,最核心的思想也是最基础的,就是要量化问题。这也是将数学运用在实际问题中的一个基石。量化复杂度,也可以称作为给复杂度建模。这个想法是最基础且重要的。正如用熵去量化信息的...
  • 在这里
  • 转载请注明出处:http://blog.csdn.net/sinat_34820292 https://blog.csdn.net/sinat_34820292/article/details/77619487本文写作初衷:有个可爱的学妹问我在看到一个算法编程时的步骤是什么,然而作为伪大神的我,...
  • 课程简介数据结构和算法是每程序员需要掌握的基础知识之,也是面试中跨不过的槛。目前关于 Python 算法和数据结构的中文资料比较欠缺,笔者尝试录制视频教程帮助 Python 初学者掌握常用算法和数据结构,提升开发...
  • 、弗洛伊德算法 注:表格中值得下标代表最短的路径 在弗洛伊德算法中,需要通过迭代填写矩阵的思路计算最短路径。在填写过程中有一些规律,以D0到D1为例。 D0到D1 在D1中填写的时候,不加证明的给出...
  • 进腾讯一般有3次面试:第一面看基本素质,第二面看专业技能,第三面是boss决策,说在前面的话:牛人都是爱学习的,越是成功的人学习越是...这是第一道题,题目大意是:一个商场进行一场抽奖活动,其中有两个奖项,...
  • 343.微生物组研究写作的一般思路

    千次阅读 2020-09-28 07:00:00
    微生物组研究写作的一般思路——微生物组研究 | 从方案设计到写作套路(三)作者:凌波微课 王晓雯版本1.0.2,更新日期:2020年9月27日实验完成啦,数据拿到了,那些或看似简单或绚丽...
  • 算法

    千次阅读 2017-05-03 08:58:36
    C4.5算法是机器学习算法中的种分类决策树算法; 其核心算法是ID3算法,C4.5集成了ID3算法的优点且对以下方面做了修改。 1)用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足; 2...
  • 基础算法图解

    千次阅读 2018-07-02 20:16:33
    算法简介 二、选择排序 三、递归 四、快速排序 五、散列表 六、广度优先搜索 七、狄克斯特拉算法 八、贪婪算法 九、近似算法 十、动态规划 十一、K最近邻算法 十二、其他...
  • 只想默默地说句,这个算法是真的难~ 已经不想吐槽它折磨我的这20天了~ 每当看到自己用很冗长的代码完成题目,大佬们简单的几行代码轻松解决,小编的心啊,拔凉拔凉的~生无可恋~~~ 大神请绕道,我不想再看到你们...
  • 算法】1 由插入排序看如何分析和设计算法

    万次阅读 多人点赞 2015-07-01 13:17:26
    插入排序及其解决思路算法的作用自然不用多说,无论是在校学生,还是已经工作多年,只要想在计算机这条道路走得更远,算法都是必不可少的。就像编程语言中的“Hello World!”程序一般,学习算法一开始学的便是排序...
  • 六之续、由KMP算法谈到BM算法

    万次阅读 热门讨论 2011-06-15 01:28:00
    六之续、由KMP算法谈到BM算法 作者:滨湖,July、yansha。...引言 在此之前,说明下写作本文的目的:1、之前承诺过,这篇文章六、教你从头到尾彻底理解KMP算法、updated之后,KMP算法会写一个续集;
  • RSA算法详解

    万次阅读 2019-05-16 18:27:26
    直到计 算机诞生之后,几千年来的数论研究成果突然有了实际的应用,这过程可以说是最为激动人心的数学话题之。最近我在《程序员》杂志上连载了《跨越千年的 RSA 算法》,但受篇幅限制,只有万字左右的内容。...
  • 如何通俗理解EM算法

    万次阅读 多人点赞 2018-08-15 18:43:47
    如何通俗理解EM算法 前言 了解过EM算法的同学可能知道,EM算法是数据挖掘十大算法,可谓搞机器学习或数据挖掘的基本绕不开,但EM算法又像数据结构里的KMP算法,看似... 一直以来,我都坚持一个观点:当你学...
  • 算法积累

    千次阅读 2014-09-23 06:29:59
     Euclidean distance 欧氏距离也称欧几里得距离,它是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离。 在二维和三维空间中的欧氏距离的就是两点之间的距离 二维的公式 d = sqrt(...
  • 算法基础

    千次阅读 2018-10-09 20:45:22
    :什么是算法与大O表示法 算法组完成任务的指令。任何代码片段都可视为算法算法种通过有限过程解决问题的解决方案。 大O 表示法: 大O表示法是种特殊的表示法,指出了算法的速度有多快; 大O表示法...
  • FTRL算法

    千次阅读 2017-06-22 08:50:53
    先占坑,http://www.wbrecom.com/?p=412 这篇写的不错,思路写的清晰 在上一篇博文中中我们从原理上定性比较了L1-FOBOS和L1-RDA在...那么这两者的优点能不能在一个算法上体现出来?这就是FTRL要解决的问题。
  • 算法思路: ⚫ 建立两工作指针p和q,p从左向右扫描L,q从右向左扫描L,两者同时扫描⚫ 进入while循环判断,若p与q不相等且p的后继不等于q ⚫ 若对应数据结点的data域相等,则继续循环,否则退出循环⚫ 判断最后次...
  • 这学期我们开设了算法设计与分析这堂课,出于对这位大佬博导的喜爱和对算法的兴趣,我打算写一系列的博文来记录我的一个学习过程,博主在重要的部分录了音,将十分详细地还原授课内容,力求将大佬的思想和方法讲透彻...
  • 这诚然是一个伟大的科技进步,但却也是一个发人深思的商业现象。本书中,作者扎拉奇与斯图克将引领我们对由应用程序支持的互联网商务做出更深入的检视。虽然从表面上看来,消费者确是互联网商务兴盛繁荣过程中的获益...
  • tkinter库的那篇博客(python笔记:可视化界面写作尝试)真的是写的我心力憔悴啊,其实东西并不难,就是多,然后一开始又没有找到比较靠谱的官方文档,搞得我没写一个组件的应用就得去看源码,然后自己写代码尝试,...
  • 大一从一个小白一路走过来,也在 leetcode 刷了几年了题,也是有点经验,也走过很多坑,在此分享我的一波经验,请耐心看完一定会有所帮助。 切勿盲目刷题:刷题前的知识积累 说实话,想要提高自己的算法,我觉得就是...
  • 0.概述 人脸姿态估计算法,主要用以估计输入人脸块的三维...人脸姿态估计的算法,其大致可分为两类:一类是通过2D标定信息来估计3D姿态信息的算法,如先计算人脸的关键点,然后选取一个参考系(平均正脸的关键点...
  • KNN算法

    万次阅读 2019-01-19 22:23:14
    文章目录、 问题举例二、算法描述1、最近邻法2、K-近邻法3、解决思路三、结果1、Iris 数据集2、Sonar 数据集3、USPS手写体数据集4、对比算法:Fisher+k近邻四、总结:五、代码 、 问题举例 用KNN对数据集进行...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 12,465
精华内容 4,986
关键字:

一个算法的写作思路