原题，以不剪枝的决策树作为基学习器，对西瓜数据集实现Adaboost分类。 运行结果如下： 分类结果训练结果相当好。当然也测试了最大深度为1的决策树作为基学习器，结果如下： ...
分类：
其他好文 时间：
2016-07-05 22:16:09
阅读次数：
714
Problem Description
The doggie found a bone in an ancient maze, which fascinated him a lot. However, when he picked it up, the maze began to shake, and the doggie could feel the ground sinking. He rea...
分类：
其他好文 时间：
2016-07-04 15:40:44
阅读次数：
181
Tempter of the Bone Font: Times New Roman | Verdana | Georgia Font Size: ← → Problem Description The doggie found a bone in an ancient maze, which fas ...
分类：
其他好文 时间：
2016-07-02 20:07:41
阅读次数：
190
思路梳理： 决策树 |————Bagging[bootstrap抽样、投票分类] |————Boosting[bootstrap抽样、分错元组权重上升、分类器上也加权重进而判断] |————RandomForest[bootstrap抽样、n个特征找少量的建树分类、Cart算法（基尼系数、不剪枝）， ...
分类：
其他好文 时间：
2016-06-26 22:31:03
阅读次数：
148
在有限的样本下，如果决策树生长得很大，树枝很多，那么就有可能导致有限样本中对采样的偶然性或噪声比较敏感，导致过学习，从而范化能力差。
首先来看一幅图，如图：
上图是一次测试中用ID3算法得到的有关决策树的大小与在训练数据和测试数据上的正确率的关系，不难看出，出现了过学习，如果样本不足够多，随着决策树达到一定规模大小，训练数据上的正确率会不断增加，而在测试数据上的正确率不增...
分类：
其他好文 时间：
2016-06-21 08:04:48
阅读次数：
211
dfs搜索每个字母对应的数字 剪枝： 1.当一列上三个数a b c都已知时，如果 (a+b)%n!=c && (a+b+1)%n!=c 剪枝（+1是考量进位，注意&&） 2.考虑到我们根据每排数据剪枝的，我们可以改变一下搜索的顺序，按照字母从上往下，从右往左出现的顺序来搜 3.因为我们是从最低位开始 ...
分类：
其他好文 时间：
2016-06-19 23:07:37
阅读次数：
447
dfs搜索+剪枝 1.原棒可能的长度len：最长的小棒<=len<=所有小棒长度和sum and sum%len==0 2.dfs的参数：len、leftlen当前要拼的原棒剩下的长度、num剩下的小棒的个数、last上层dfs用的小棒序号+1，为避免重复，这次从last向后试探 3.剪枝： 1剪枝 ...
分类：
其他好文 时间：
2016-06-19 11:40:53
阅读次数：
202
1. 题目描述给定几个三角形拼成一个百慕大三角形。2. 基本思路基本思路肯定是搜索，关键点是剪枝。(1) 若存在长度为$l$的边，则一定可以拼成长度为$k \cdot l$的三角形，则可拼成长度为$k \cdot l$的百慕大三角形；(2) 长度超过百慕大三角形的边长的三角形没有任何价值；(3) 百 ...
分类：
其他好文 时间：
2016-06-19 01:11:55
阅读次数：
237
这个题一眼看上去不会 然后有人说是网络流 然后我就想怎么建图啊，然后不会(是本蒟蒻太垃圾了)，肯定有网络流解法 然后去群里问了gdut的巨巨，他说他队友爆搜+剪枝过了（我也是非常的叹服） 然后我也写了一个2^50的搜索剪枝，居然真过了（不知道是数据弱还是大力出奇迹） #include <cstdio ...
分类：
其他好文 时间：
2016-06-18 22:28:38
阅读次数：
227
孩子不是一张可以任意涂抹的白纸。孩子是种子，可能是花，可能是树，有自己固有的基因。家长要做的是给他提供环境、营养和剪枝，帮他成长为他自己。 孩子有9种气质维度，无好坏之分，关键在于识别和“对症下药”。还是那句话，不要强制改变孩子，帮他成长为他自己。 ...
分类：
其他好文 时间：
2016-06-17 16:59:09
阅读次数：
165
