''' 我考虑了一个简单的算法： 比如100元，由10个人分，那么平均一个人是10元钱。然后付款后，系统开始分份儿。 第一份：系统由0～10元之间随机一个数，作为这一份的钱数，设x1。 第二份：剩下的钱(100-x1)，系统由0～(100-x1)/(10-1)随机一个数，作为这份的钱数，设x2 .。。。 第n份：剩下的钱(100-x1-x2-...-xn)，系统由0~(100-x1-x2-...-xn-1)/(10-n)随机一个数，作为这个份的钱数，设为xn当用户进来拿红包的时候，系统由0～9之...
关于全局最优化求解 ??全局最优化是一个非常复杂的问题，目前还没有一个通用的办法可以对任意复杂函数求解全局最优值。上一篇文章讲解了一个求解局部极小值的方法——梯度下降法。这种方法对于求解精度不高的情况是实用的，可以用局部极小值近似替代全局最小值点。但是当要求精确求解全局最小值时，梯度下降法就不适用了，需要采用其他的办法求解。常见的求解全局最优的办法有拉格朗日法、线性规划法、以及一些人工智能算法比如遗传...
0 前言 本人HIT计算机研在读，专业带队数学建模，长期更新建模教学，有需要的同学欢迎讨论～ 1 什么是随机森林？ 随机森林属于 集成学习 中的 Bagging（Bootstrap AGgregation 的简称） 方法。如果用图来表示他们之间的关系如下：决策树 – Decision Tree在解释随机森林前，需要先提一下决策树。决策树是一种很简单的算法，他的解释性强，也符合人类的直观思维。这是一种基于if-then-else规则的有监督学习算法，上面的图片可以直观...
随机prim算法全解python实现 目录 概述 算法流程 数据组织 代码实现 额外想法0.概述 随机prim算法是一种较为通用的迷宫生成算法，网上的教学也蛮成熟的，这里就目前的学习需要写一篇文章帮助需要找资料的小伙伴提供一个参考。 参考蛮多的，但是很少有人把整个具体的方案提出来，这里会根据具体需求用到算法上去。那第一部分就是算法的概要，接着是设计的一些观念，你可以参照目录看看你需要什么。 1.算法流程 先大概阐述一下随机pr...
https://codeforces.com/contest/2/problem/Cdouble X, Y;double dis(int id) {double len = sqrt(sq(X - x[id]) + sq(Y - y[id]));return PI / 2.0 - acos(r[id] / len);}double getRes() {double dis1 = dis(1), dis2 = dis(2), dis3 = dis(3);return sq(dis1 - dis2) + sq(dis1 - dis3) + sq(dis2 - dis3);}double myRand() {return (rand() >= RAND_MAX / 2) ? 1 : -1;}void InnerRandomOptimize(double step, int p1, int p2)...
模拟退火 模拟退火玄学算法，解万能最值问题。 例题 #include <cmath> #include <iostream> using namespace std; const double eps = 1e-8; double L, W; double f(double x) { return (L - 2 * x) * (W - 2 * x) * x; } int cas; void solve() {double T = min(L, W) - 0;double delta = 0.99;double x = T / 2;double now = f(x);double ans = now;double r = min(L, W) / 2;while (T > eps) {int m[2] = {1, -1};double newx =...
随机森林算法属性 随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。 随机森林和使用决策树作为基本分类器的（bagging）有些类似。以决策树为基本模型的bagging...
mersenne_twister_engine 类模板实现了梅森选择算法，它被这样叫是因为周期长度是一个梅森素数。梅森素数是 2n-1 形式的素数，因此 7 和 127 是梅森素数；当然，用在这个算法中的梅森素数更大。这个引擎的应用非常广泛，因为它可以生成非常高质量的序列，但存在速度相对较慢的缺点。这个算法很复杂并且包含很多的参数，因此在此不作解释。 梅森素数算法实例对于定义具体生成器的 mersenne_twister_engine 的实例有两个类型别名。mt...
一、集成学习方法之随机森林集成学习通过建立几个模型组合来解决单一模型预测的问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。 1、什么是随机森林随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。假设你训练了n棵树，其中有n-2棵树的结果类别是1，2棵树的结果的类别是2，那么最后的类别结果就是1。 ...
蓄水池算法 引用：蓄水池采样算法（Reservoir Sampling） 采样问题经常会被遇到，比如：从 100000 份调查报告中抽取 1000 份进行统计。 从一本很厚的电话簿中抽取 1000 人进行姓氏统计。 从 Google 搜索 "Ken Thompson"，从中抽取 100 个结果查看哪些是今年的。这些都是很基本的采用问题。既然说到采样问题，最重要的就是做到公平，也就是保证每个元素被采样到的概率是相同的。所以可以想到要想实现这样的算法，就需要掷骰子，也就...
首先导入数据，将数据分为训练集和测试集：import pandas as pd# Load data melbourne_file_path = ../input/melbourne-housing-snapshot/melb_data.csv melbourne_data = pd.read_csv(melbourne_file_path) # Filter rows with missing values melbourne_data = melbourne_data.dropna(axis=0) # Choose target and features y = melbourne_data.Price melbourne_features = [Rooms, Bathroom, Landsize, BuildingArea, YearBuil...
水塘抽样 蓄水池抽样算法 描述 给定一个单链表，随机选择链表的一个节点，并返回相应的节点值。保证每个节点被选的概率一样。 进阶:如果链表十分大且长度未知，如何解决这个问题？你能否使用常数级空间复杂度实现？ 示例: // 初始化一个单链表 [1,2,3].ListNode head = new ListNode(1);head.next = new ListNode(2);head.next.next = new ListNode(3);Solution solution = new Solution(head); // getRandom()方法应随机返回1,2,3...
拆分问题：数组长度为 5； 生成 2-32 之间的随机数； 向数组中插入数值时，如果已存在则重新生成； 采用递归的方式，而非循环语句实现。function getRandom(max, min) {max = max + 1;min = min || 0;return Math.floor(Math.random() * (max - min)) + min; }function insertArr(arr, length, min, max) {if (arr.length < length) {var value = getRandom(max, min);console.log('value=' + value);if (!~arr.indexOf(value)) {a...
创建一个长度为6的int型数组，要求数组元素的值都在1-30之间，且是随机赋值。同时，要求元素的值各不相同。import org.junit.Test; import java.util.Random;public class DemoTest {@Testpublic void test1() {int[] arr = new int[6];Random r = new Random();for (int i = 0; i < arr.length; i++) {while (true) {arr[i] = r.nextInt(30);boolean hasEqual = false;for (int j = 0; j < i; j++) {if (arr[i] == arr[j]) {hasEq...
前言 优化随机森林算法，正确率提高1%~5%(已经有90%+的正确率，再调高会导致过拟合) 优化思路 计算传统模型准确率 计算设定树木颗数时最佳树深度，以最佳深度重新生成随机森林 计算新生成森林中每棵树的AUC，选取AUC靠前的一定百分比的树 通过计算各个树的数据相似度，排除相似度超过设定值且AUC较小的树 计算最终的准确率 主要代码粘贴如下(注释比较详细，就不介绍代码了) #-*- coding: utf-8 -*- ...