- 博客(4)
- 收藏
- 关注
RSS订阅原创 算法--莫队算法--洛谷P10288 [GESP样题 八级] 区间
本文以洛谷的一道题目为例，详细介绍了莫队算法的基本思想和实现步骤。算法的核心在于对查询进行分块排序，并利用双指针维护当前区间的信息。为了处理数组中元素范围过大的问题，文中还介绍了离散化的技巧，将元素范围压缩到可接受的范围内。文章最后，作者分享了自己学习算法的经历，并感叹了 AI 技术对学习的巨大影响，使得学习资源变得更加丰富和便捷。同时，也表达了对高中时期薪火相传学习精神的怀念。
2025-05-21 22:13:00
704
原创 算法--洛谷P6328我是仙人掌--BFS求最短路+bitset求点集
本文介绍了一种解决图论问题的方法，主要针对给定图中节点之间的距离查询。首先，通过BFS计算每个节点到其他节点的最短距离，并存储在二维数组中。然而，这种方法在数据规模较大时会导致时间复杂度过高，无法通过测试。为了优化，引入了bitset数据结构，用于高效存储和查询满足距离条件的节点集合。具体实现中，使用bitset数组记录每个节点到其他节点的距离，并通过位运算快速合并多个查询条件。最终，通过优化后的算法，显著减少了查询时间，解决了大规模数据下的性能问题。该方法适用于稀疏图，且在处理大量查询时表现出色。
2025-05-20 18:18:50
953
1
原创 机器学习--KNN算法学习笔记
本文详细介绍了KNN（K-Nearest-Neighbors）算法的基本原理及其在鸢尾花分类问题中的应用。KNN是一种有监督的机器学习算法，适用于简单的分类任务。文章以鸢尾花分类为例，讲解了如何通过计算数据点之间的距离，找到最近的K个邻居，并根据这些邻居的类别进行预测。文章还提供了C++代码实现，包括数据读取、训练集与测试集的划分、距离计算及预测过程。代码结构清晰，附有详细注释和样本数据，便于读者理解和实践。通过该实现，读者可以掌握KNN算法的底层原理，并应用于其他分类问题。
2025-05-17 12:05:01
713
原创 机器学习--KNN算法学习笔记
KNN算法（K-Nearest-Neighbors）是一种有监督的机器学习算法，常用于分类问题。以鸢尾花分类为例，算法通过计算待预测数据与训练集中每个样本的距离，找到距离最近的K个样本，并根据这K个样本的类别进行投票，最终确定待预测数据的类别。实现KNN算法的步骤包括：读取并存储数据、划分训练集和测试集、计算距离、进行预测并评估模型准确率。通过C++代码实现，可以完成数据的读取、随机划分、距离计算及分类预测，最终输出模型的准确率。KNN算法的核心思想是通过邻近样本的类别来推断未知样本的类别，适用于简单的分类
2025-05-16 15:25:09
1053
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人