http://acm.hdu.edu.cn/showproblem.php?pid=2795区间最大值

卫衣 / 双肩包 / T 恤/羽绒服等任选,下单送 CSDN 年卡 程序员周边任选一款实物,直接赠送 CSDN 会员年卡+ Coding Plan,写代码学习装备一起拿下 立即抢购

刚开始时感觉本题是二维线段树,然后分析一下貌似不是,就是求取区间最大值的位置,感觉和之前的那道求逆序数的有一部分很像,查询更新;这题是把查询和更新合在了一起;但是我这个弱菜不会写代码,之后果断参考了HH神牛的模板;ORZ。。。各种若,弱不经风,刚学线段树,以后要努力,第一次这么晚了还在写代码了,ORZ。。只有我这种若才才会熬夜。。。

好了今天到这里一会碎觉喽,不然会挂的。这几天看到网上很多新闻因为熬夜猝死的事情,我可不想这样的事情发生在我身上。。。

珍爱生命,远离代码

#include <cstdlib>
#include <iostream>
#include<cstdio>
#include<cmath> 
#include<algorithm>
using namespace std;
#define lson l,mid,rt<<1
#define rson mid+1,r,rt<<1 | 1
const int N=200005;
int num[N<<2],h,w,n;
void PushUp(int rt)
{
 num[rt]=max(num[rt<<1],num[rt<<1|1]);     
} 
void build(int l,int r,int rt)
{
     num[rt]=w;
     if(l==r)return;
      int mid=(l+r)>>1;
      build(lson);
      build(rson);
}
int Query(int val,int l,int r,int rt)
{
  if(l==r)
  {
    num[rt] -= val;
    return l;
  }    
   int mid = (l+r) >> 1 ;
    int res = num[rt<<1] >= val ? Query(val,lson) : Query(val,rson) ;
    PushUp(rt);
      return res;
}
int main(int argc, char *argv[])
{
   int val;  
   while(~scanf("%d%d%d",&h,&w,&n))
   {
     if(h>n)h=n;
    build(1,h,1);
     while(n--)
     {
       scanf("%d",&val);
       if(num[1]<val)printf("-1\n");
       else{
            printf("%d\n",Query(val,1,h,1));
            }
     }
   }
    return EXIT_SUCCESS;
}


分类任务中每个类Acc、Specificity、Sensitivity、Precision的计算 虽然sklearn.metrics中带有许多计算分类效果的工具,但是不全,下面分享四个基本分类指标,其他的指标也可以照样编写 from sklearn.metrics import confusion_matrix#混淆矩阵 def sen(Y_test,Y_pred,n):#n为分类数 sen = [] con_mat = confusion_matrix(Y_test,Y_pred) for i in range(n): tp = con_mat[i 阅读详情

相关推荐

分类算法:监督学习中常用分类算法及其优缺点

分类算法:监督学习中常用分类算法及其优缺点 1. 背景介绍 1.1 问题的由来 分类算法是机器学习领域中最经典和广泛应用的算法之一。在现实世界中,我们经常需要对未知样本进行分类,例如垃圾邮件检测、图像分类、情感分析等。分类算法通过对

AGI×大数据,开启智能时代的认知跃迁;解码AGI,赋能数据驱动的智能革命。 557

(精确度,召回率,真阳性,假阳性)ACC、敏感性、特异性等 ROC指标

(精确度,召回率,真阳性,假阳性)ACC、敏感性、特异性等 ROC指标,计算原理,依次列出。

qimo601的专栏 3万+

【机器学习】分类性能度量指标 : ROC曲线、AUC值、正确率、召回率、敏感度、特异度

本文转自 http://zhwhong.ml/2017/04/14/ROC-AUC-Precision-Recall-analysis/ 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机器学习中,有一个普遍适用的称为混淆矩阵(confusion matrix)的工具,它可以帮助人们更

自由 平等~忠诚 奉献 7万+

 常用分类算法优缺点

常用分类算法优缺点算法 优点 缺点 Bayes 贝叶斯分类法 1)所需估计的参数少,对于缺失数据不敏感。2)有着坚实的数学基础,以及稳定的分类效率。 1)假设属性之间相互独立,这往往并不成立。(喜欢吃番茄、鸡蛋,却不喜欢吃番茄炒蛋)。2)需要知道先验概率。3)分类决策存在错误率。 Decision Tree决策树 1)不需要任何领域知识或参数假设。2...

cyy2learn的博客 723

常用分类算法及其优缺点

常用分类算法包括决策树、朴素贝叶斯、支持向量机(SVM)、K-近邻(KNN)、逻辑回归以及神经网络等。每种算法都有其独特的优点和缺点,适用于不同的场景和需求。

u013571432的博客 1276

常用分类算法优缺点

贝叶斯算法(Bayes) 优点:1:所需估计的参数少,对于缺失数据不敏感。2:有着坚实的数学基础,以及稳定的分类效率。 缺点:1:需要假设属性之间相互独立,这往往不成立(例如,喜欢吃番茄,鸡蛋,缺不喜欢吃番茄吵鸡蛋)。2:需要知道先验概率。3:分类决策存在错误率 决策树(Decision Tree) 优点:1:不需要任何领域知识或参数假设。2:适合高维数据。3:简单,易于理解。4:能够在短时间内处理大量数据,得到可行且效果较好的结果。5:能够同时处理数据型和常规型属性。 缺点:1:对于各类别样本数量不

qq_45022743的博客 2627

常用分类算法优缺点和相关评价指标

  算法 优点 缺点 Bayes 贝叶斯分类法 1)所需估计的参数少,对于缺失数据不敏感。2)有着坚实的数学基础,以及稳定的分类效率。 1)假设属性之间相互独立,这往往并不成立。(喜欢吃番茄、鸡蛋,却不喜欢吃番茄炒蛋)。2)需要知道先验概率。3)分类决策存在错误率。 Decision Tree决策树 1)不需要任何领域知识或参数假设。2)适合高维数据。3)简...

hellosc2的博客 3776

机器学习常用分类算法优缺点

面试过程中,当与面试聊到某种机器学习的算法的时候会提及某种算法优缺点。目录正则化算法(Regularization Algorithms)集成算法(Ensemble Algorithms)决策树算法(Decision Tree Algorithm)回归(Regression)人工神经网络(Artificial Neural Network)深度学习(Deep Learning)支持向量机(Sup...

qq_28935065的博客 2576

数据挖掘算法——常用分类算法总结

常用分类算法总结分类算法总结NBC算法LR算法SVM算法ID3算法C4.5 算法C5.0算法KNN 算法ANN 算法 分类算法总结 分类是在一群已经知道类别标号的样本中,训练一种分类器,让其能够对某种未知的样本进行分类分类算法属于一种有监督的学习。分类算法分类过程就是建立一种分类模型来描述预定的数据集或概念集,通过分析由属性描述的数据库元组来构造模型。分类的目的就是使用分类对新的数据集进行划分...

神技圈子的博客 12万+

机器学习面试第1弹 常用分类算法优缺点 + 线性回归vs.逻辑回归 + 逻辑回归vs. SVM

1. 常用分类算法优缺点 2.线性回归vs.逻辑回归 3.逻辑回归vs. SVM 相同点: 1.都是分类模型 2.都是判别模型 不同点: 1.从损失函数角度:SVM用的是hinge loss,而logistic回归用的是对率损失 2.从风险函数角度:SVM软间隔自带正则,属于结构风险最小化;logis...

efei7968的博客 977

常用数据分类算法原理介绍、优缺点分析与代码实现[LR/RF/DT/SVM/NavieBayes/GBDT/XGBoost/DNN/LightGBM等]

常用数据分类算法原理介绍、优缺点分析与代码实现[LR/RF/DT/SVM/NavieBayes/GBDT/XGBoost/DNN/LightGBM等]

Together_CZ的博客 3690

常用分类算法(决策树、KNN、ANN、SVM、朴素贝叶斯)优缺点总结【精炼版】

决策树: 优点: 简单易于理解 缺点

我不想写BUG的博客 7451

常用分类算法优缺点总结:DT/ANN/KNN/SVM/GA/Bayes/Adaboosting/Rocchio

1决策树(Decision Trees)的优缺点决策树的优点:一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。二、 对于决策树,数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化,比如去掉多余的或者空白的属性。三、 能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。四、 ...

weixin_33908217的博客 2866

sklearn的分类算法

文章目录分类算法之k-近邻定义计算距离公式sklearn k-近邻算法APIk近邻算法实例-预测入住位置数据的处理实例流程k值k近邻算法作业 分类算法之k-近邻 k-近邻算法采用测量不同特征值之间的距离来进行分类 优点:精度高、对异常值不敏感、无数据输入假定 缺点:计算复杂度高、空间复杂度高 使用数据范围:数值型和标称型 定义 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。 计算距离公式 两个样本的距离可以通过如下公式计算,又叫 欧式

多思考🤔~ 2194

二、机器学习基础2(分类算法

常用分类算法优缺点 分类算法 优点 缺点 Bayes 贝叶斯分类法 1.所需估计参数少,对缺失数据不敏感 2.数学基础夯实,有稳定效率 1.属性相互独立 2.需先验概率 3.分类决策存在错误 Decision tree 决策树 1.不需任何知识 2.适合高维数据 3.简单易理解 4.速

myani的博客 521

聚类算法分类算法

常用分类算法包括: 决策树分类法 朴素的贝叶斯分类算法(native Bayesian classifier) 基于支持向量机(SVM)的分类器 神经网络法 k-最近邻法(k-nearest neighbor,kNN) 模糊分类法 下文出处 常见的聚类算法包括: ①基于划分的聚类算法 k-means: 是一种典型的划分聚类算法,它用一个聚类的中心来代表一个簇,即在迭代过程中选择的聚点不一定是聚...

qq_32482091的博客 9837
上一篇: codeforces 131div2 A大水题
下一篇: http://acm.hdu.edu.cn/showproblem.php?pid=1009贪心
Java_beginer1
博客等级 码龄16年 22粉丝 84原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值