基于神经网络的垃圾邮件分类

本文主要是介绍基于神经网络的垃圾邮件分类，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

【问题描述】

   神经网络在机器学习领域非常流行。神经网络由多层组成，它包含一个输入层可以输入参数x（程序的输入）。然后输入通过多个隐藏层，在最后一层获得一个输出，称为输出层。 我们有一个包含N个隐藏层的非常简单的神经网络，每层包含一个神经元。每个神经元有两个相关的值：wi和bi，分别表示神经元的权重和偏移。給定神经元的一个输入x，将生成一个输出(wi*x)+bi。因此，一个输入x被神经网络按照以下方式进行传输。第一个隐藏层接受输入x，生成y=w1*x+b1，作为第二个神经元的输入。然后，第二个神经元接受输入y，生成一个输出z=w2*y+b2，重复这个过程，在最后的第N个神经元可以得到一个唯一的输出。对于一些用户，我们想知道他们是否是垃圾邮件发送人。每个用户有整数的用户ID，取值范围为minX~maxX（包括两个端点,1=<minX=<maxX=<1000000000）。我们把每个用户ID作为神经网络的第一层的输入，如果最终输出为偶数，则该用户不是垃圾邮件发送者，否则，该用户就是垃圾邮件发送者。编程统计非垃圾邮件发送者和垃圾邮件发送者的数量。

【输入形式】

   输入的第一行为一个单一的整数T，表示测试数据的组数，接下来是T组测试数据的描述。每个测试数据的第一行为三个用空格分隔的整数N、minX、maxX，接下来的N行，每行包含两个用空格分隔的整数wi和bi，表示第i个神经元的权重和偏移。

【输出形式】

   对于每个测试用例，输出两个用空格分隔的整数，分别表示非垃圾邮件发送者和垃圾邮件发送者的数量。

【样例输入】
3
1 1 2
1 2
2 1 4
2 4
2 3
3 2 1000000000
2 4
2 2
5 4

【样例输出】
1 1
0 4
999999999 0

#include<iostream>
using namespace std;
int main()
{int T,N,minX,maxX;  //定义cin>>T;for(int i=0;i<T;i++){int c[2]={0,0};  //定义数组c存储偶数和奇数的个数cin>>N>>minX>>maxX;int b[N][2];    //定义数组b存储各层的wi和bifor(int x=0;x<N;x++)   //输入各层wi和bi{for(int y=0;y<2;y++){cin>>b[x][y];}}for(int s=minX;s<=maxX;s++)   //从minX到maxX循环判断{int t=s;   //定义t值存储最初输入的数据值for(int x=0;x<N;x++)  //进行各层的循环计算{t=t*b[x][0]+b[x][1];}if(t%2==0) c[0]++;   //判断奇偶，记录个数else c[1]++;}cout<<c[0]<<' '<<c[1]<<endl;  //输出}
}

ps：每次都进行多次乘法计算，当数据过多时运算时间过长，效率变低

#include<iostream>
using namespace std;
int main()
{int T,N,minX,maxX;  //定义cin>>T;for(int i=0;i<T;i++){int c[2]={0,0};  //定义数组c存储偶数和奇数的个数cin>>N>>minX>>maxX;int b[N][2];  //定义数组b存储各层的wi和bifor(int x=0;x<N;x++)  //输入各层wi和bi{for(int y=0;y<2;y++){cin>>b[x][y];}}int t=minX,s=1;//定义t存储第一个数据运行的结果，s存储最初数据加一时最终数据的增加值for(int x=0;x<N;x++)   //进行t与s的运算赋值{t=t*b[x][0]+b[x][1];s=s*b[x][0];}if(t%2==0) c[0]++;  //先判断第一个数据的最终结果为奇还是偶else c[1]++;for(int i=minX+1;i<=maxX;i++)  //随后数据加一结果差值恒为s{t=t+s;  //故每次循环加s，且t不用归零if(t%2==0) c[0]++;   //判断奇偶，记录个数else c[1]++;			}cout<<c[0]<<' '<<c[1]<<endl;   //输出}
}