202112专题

202112 CSP认证 | 登机牌条码

登机牌条码这个题的难度相比于神经脉冲网络感觉是往两个方向，该题没有太多的注重时间和空间的优化，重难点在于实现矩阵除法，也就是算法逻辑。借鉴了这个链接实现：登机牌条码详细图解链接详细讲述了如何实现矩阵除法以及矩阵乘法，感觉在今后的算法题中都是很好的借鉴！！本题代码中为了方便我用了deque双端队列，实现在两端的存储和删除操作（主要针对于乘法操作的地位补0更加方便）；感觉在理解了矩阵

【CSP试题回顾】202112-2-序列查询新解

CSP-202112-2-序列查询新解关键点：时间复杂度本题关键在于它避免暴力枚举法的时间复杂度。暴力枚举法可能会对每一对可能的 f(x) 和 g(x) 组合进行比较，其时间复杂度为 O ( n 2 ) O(n^2) O(n2)，这对于大数据集来说是不可行的。【解决思路】：通过逐步遍历 f(x) 和 g(x) 的值（每次只移动到下一个 f(x) 或 g(x) 值），将时间复杂

DataWhale-(scikit-learn教程)-Task08(可视化总结)-202112

西瓜书代码实战一、决策树可视化 import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_sele

DataWhale-(scikit-learn教程)-Task08(可视化总结)-202112

西瓜书代码实战一、决策树可视化 import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_sele

DataWhale-(scikit-learn教程)-Task07(集成学习)-202112

一、基本原理集成学习(ensemble learning) 通过构建并结合多个学习器来完成学习任务，以提高比单个学习器更好的泛化和稳定性能。要获得好的集成效果，个体学习器应该“好而不同”。按照个体学习器的生成方式，集成学习可分为两类：序列集成方法，即个体学习器存在强依赖关系，必须串行生成，如Boosting；并行集成方法，即个体学习器不存在强依赖关系，可以并行生成，如Bagging，随机森林。

DataWhale-(scikit-learn教程)-Task07(集成学习)-202112

一、基本原理集成学习(ensemble learning) 通过构建并结合多个学习器来完成学习任务，以提高比单个学习器更好的泛化和稳定性能。要获得好的集成效果，个体学习器应该“好而不同”。按照个体学习器的生成方式，集成学习可分为两类：序列集成方法，即个体学习器存在强依赖关系，必须串行生成，如Boosting；并行集成方法，即个体学习器不存在强依赖关系，可以并行生成，如Bagging，随机森林。

DataWhale-(scikit-learn教程)-Task06(主成分分析)-202112

一、 PCA主成分分析算法介绍二、算法实现 import sysfrom pathlib import Pathcurr_path = str(Path().absolute()) # 当前文件所在绝对路径parent_path = str(Path().absolute().parent) # 父路径sys.path.append(parent_path) # 添加路径到系统

DataWhale-(scikit-learn教程)-Task06(主成分分析)-202112

一、 PCA主成分分析算法介绍二、算法实现 import sysfrom pathlib import Pathcurr_path = str(Path().absolute()) # 当前文件所在绝对路径parent_path = str(Path().absolute().parent) # 父路径sys.path.append(parent_path) # 添加路径到系统

DataWhale-(scikit-learn教程)-Task05(K均值聚类)-202112

sklearn机器学习实战周志华《机器学习》一、K均值聚类基本原理及算法二、K均值聚类算法实现 import matplotlib.pyplot as pltfrom sklearn.datasets import make_blobsfrom sklearn.cluster import KMeans# make_blobs：生成聚类的数据集# n_samples：

DataWhale-(scikit-learn教程)-Task05(K均值聚类)-202112

sklearn机器学习实战周志华《机器学习》一、K均值聚类基本原理及算法二、K均值聚类算法实现 import matplotlib.pyplot as pltfrom sklearn.datasets import make_blobsfrom sklearn.cluster import KMeans# make_blobs：生成聚类的数据集# n_samples：

DataWhale-Linux组队学习-(Task08-10)-202112

Datawhale Linux组队学习任务8 步骤1：步骤2： 1.统计歌词中包含【超人】的歌词 2. 统计歌词中包含【外婆】但不包含【期待】的歌词 3. 统计歌词中以【我】开头的歌词 4.统计歌词中以【我】结尾的歌词步骤3： 1.将歌词中第2行至第40行删除 2. 将歌词中所有【我】替换成【你】任务9 步骤1：步骤2：

DataWhale-Linux组队学习-(Task08-10)-202112

Datawhale Linux组队学习任务8 步骤1：步骤2： 1.统计歌词中包含【超人】的歌词 2. 统计歌词中包含【外婆】但不包含【期待】的歌词 3. 统计歌词中以【我】开头的歌词 4.统计歌词中以【我】结尾的歌词步骤3： 1.将歌词中第2行至第40行删除 2. 将歌词中所有【我】替换成【你】任务9 步骤1：步骤2：

DataWhale-(scikit-learn教程)-Task04(决策树)-202112

一、决策树基本算法二、基于sklearn的算法实现 https://github.com/datawhalechina/machine-learning-toy-code/tree/main/ml-with-sklearn import seaborn as snsfrom pandas import plottingimport pandas as pdimport numpy

DataWhale-(scikit-learn教程)-Task04(决策树)-202112

一、决策树基本算法二、基于sklearn的算法实现 https://github.com/datawhalechina/machine-learning-toy-code/tree/main/ml-with-sklearn import seaborn as snsfrom pandas import plottingimport pandas as pdimport numpy