算是回归的第一晚 (啥也不记得了。。从模板开刷!!)

#include <ctype.h>
#include <cstdio>
#define N 10000050

void read(int &x)
{
    x=0;bool f=0;
    char ch=getchar();
    while(!isdigit(ch)) {if(ch==‘-‘) f=1;ch=getchar();}
    while(isdigit(ch)) {x=x*10+(int)ch-‘0‘;ch=getchar();}
    x=f?(~x)+1:x;
}
int n,m,Prime[N],num;
bool isPrime[N];
int main()
{
    read(n);read(m);
    for(int i=2;i<=n;i++)
    {
        if(!isPrime[i]) Prime[num++]=i;
        for(int j=0;j<num&&i*Prime[j]<=n;j++)
        {
            isPrime[i*Prime[j]]=1;
            if(i%Prime[j]==0) break;
        }
    }
    isPrime[0]=isPrime[1]=1;
    for(int x;m--;)
    {
        read(x);
        if(isPrime[x]) printf("No\n");
        else printf("Yes\n");
    }
    return 0;
}

【模板】线性筛素数

#include <ctype.h>
#include <cstdio>
#define N 10050

void read(int &x)
{
    x=0;bool f=0;
    char ch=getchar();
    while(!isdigit(ch)) {if(ch==‘-‘) f=1;ch=getchar();}
    while(isdigit(ch)) {x=x*10+(int)ch-‘0‘;ch=getchar();}
    x=f?(~x)+1:x;
}
int fa[N],n,m;
int find_(int x){return fa[x]==x?x:fa[x]=find_(fa[x]);}
int main()
{
    read(n);read(m);
    for(int i=1;i<=n;i++) fa[i]=i;
    for(int type,x,y;m--;)
    {
        read(type);read(x);read(y);
        if(type==1)
        {
            int fx=find_(x),fy=find_(y);
            if(fx!=fy) fa[fy]=fx;
        }
        else if(type==2) find_(x)==find_(y)?printf("Y\n"):printf("N\n");
    }
    return 0;
}

【模板】并查集

#include <ctype.h>
#include <cstdio>
#define N 4000005

void read(int &x)
{
    x=0;bool f=0;char ch=getchar();
    while(!isdigit(ch)) {if(ch==‘-‘) f=1;ch=getchar();}
    while(isdigit(ch)) {x=x*10+(int)ch-‘0‘;ch=getchar();}
    x=f?(~x)+1:x;
}
int n,heap[N],top;
void swap(int &x,int &y)
{
    int tmp=y;
    y=x;
    x=tmp;
}
void push_heap(int m)
{
    heap[++top]=m;
    int now=top;
    while(now>1)
    {
        int next=now/2;
        if(heap[next]<heap[now]) break;
        swap(heap[now],heap[now/2]);
        now=next;
    }
}
void heap_pop()
{
    heap[1]=heap[top--];
    int now=1;
    while(now*2<=top)
    {
        int next=now<<1;
        if(heap[next]>heap[next+1]) next++;
        if(heap[next]>=heap[now]) break;
        swap(heap[next],heap[now]);
        now=next;
    }
}
int main()
{
    read(n);
    for(int x,y;n--;)
    {
        read(x);
        if(x==1) read(y),push_heap(y);
        else if(x==2) printf("%d\n",heap[1]);
        else heap_pop();
    }
    return 0;
}

【模板】堆

#include <algorithm>
#include <ctype.h>
#include <cstdio>
#define N 200005
using namespace std;
void read(int &x)
{
    x=0;bool f=0;
    char ch=getchar();
    while(!isdigit(ch)) {if(ch==‘-‘) f=1;ch=getchar();}
    while(isdigit(ch)) {x=x*10+(int)ch-‘0‘;ch=getchar();}
    x=f?(~x)+1:x;
}
int n,m;
struct node
{
    int x,y,z;
    bool operator<(node a)const
    {
        return z<a.z;
    }
}edge[N];
bool vis[N];
int fa[N],cnt;
int find_(int x)
{
    return x==fa[x]?x:fa[x]=find_(fa[x]);
}
int main()
{
    read(n);read(m);
    for(int i=1;i<=n;i++) fa[i]=i;
    for(int x,y,z;m--;)
    {
        read(x);read(y);read(z);
        edge[++cnt].x=x;
        edge[cnt].y=y;
        edge[cnt].z=z;
    }
    sort(edge+1,edge+1+cnt);
    int ans=0,num=0;
    for(int i=1;i<=cnt;i++)
    {
        int fx=edge[i].x,fy=edge[i].y;
        if(find_(fx)!=find_(fy))
        {
            fa[find_(fy)]=find_(fx);
            ans+=edge[i].z;
            num++;
            if(num==n-1) break;
         }
    }
    printf("%d\n",ans);
    return 0;
}

【模板】最小生成树

时间: 2024-11-05 06:37:21

算是回归的第一晚 (啥也不记得了。。从模板开刷!!)的相关文章

Logistic 回归模型 第一遍阅读笔记

MLE :最大似然估计,求得的这套参数估计能够通过指定模型以最大概率在线样本观测数据 必须来自随机样本,自变量与因变量之间是线性关系 logistic 回归没有关于自变量分布的假设条件,自变量可以连续,也可以离散,不需要假设他们之间服从多元正太分布,当然如果服从,效果更好 logistic 回归对多元共线性敏感,自变量之间存在多元共线性会导致标准误差的膨胀   ???? 最大似然的性质: 一致性,渐进有效性,渐进正态性 一致性表示当样本规模增大时,模型参数向真值收敛,变得无偏 渐进有效性表示规模

第一二九上课 PHP 自制简单开发模板(1)

构建基础架构 在项目文件夹(自定义)下创建 (1)核心目录:WQ (2)模板目录:MoBan (3)编译目录:BianYi (4)创建配置文件: config.ini.php <?php //获取文件所在目录 $Gen=dirname(__FILE__); //设置模板目录 define('MoBan',$Gen.'/MoBan/'); //设置核心类目录 define('WQ',$Gen.'/WQ/'); //设置编译文件目录 define('BianYi',$Gen.'/BianYi/');

做网站第一步:注册域名-记yinmojianzhan.cn(引莫建站)注册步骤;

一.查询:输入域名,勾选cn,点击查询: 想要注册的域名 yinmojianzhan.cn 未被注册:可点击马上注册: 确认域名, 选择购买年限推荐服务(新手不需要购买,需要的时候在买)增值业务(单页版建站宝盒,不需要勾,有赠送) 选择已有域名持有人联系人信息模板或新建域名持有人信息后选择: 提交订单: 检查确认所有信息:确认没问题后点击确认下一步: 之后完成付款: 购买完成: 域名列表,点击认证: 认真通过后就可以建站了 /绑定企业邮箱了(如果使用个国内服务器/空间 需备案) 原文地址:htt

医疗平台:我的第一个大项目

从四月以来,就一直跟着公司的师兄师姐们在做网络虚拟诊疗学习平台,可以说这算是我的第一个比较正式的大项目了,同时也是第一次跟那么多一起合作. 因为一开始没有开发这种大项目的经验,感觉吃了很多亏一开始. 总结一下,因为一开始再看文档,卧槽完全被文档牵着走,然后因为需求自己都不太明确,所以云里雾里.同时,我们公司居然用的自己的模板,唉,以前没弄过连MVC开发方式都不熟悉,SVN到用起来非常方便有没有. 再是熟悉模板,我去我们公司的框架其实很简单,当初为什么花了那么久才能理解,我现在想想当时脑子的是糊的

机器学习 —— 基础整理(五):线性回归;二项Logistic回归;Softmax回归;广义线性模型

本文简单整理了以下内容: (一)线性回归 (二)二分类:二项Logistic回归 (三)多分类:Softmax回归 (四)广义线性模型 二项Logistic回归是我去年入门机器学习时学的第一个模型,我觉得这个模型很适合用来入门(但是必须注意这个模型有很多很多很多很多可以展开的地方).比较有意思的是那时候还不会矩阵微积分,推导梯度时还是把矩阵全都展开求的(牛顿法要用的二阶梯度也是)... 下面的文字中,"Logistic回归"都表示用于二分类的二项Logistic回归. 首先约定一下记号

【机器学习基础】核逻辑回归

将软间隔支持向量机看做正则化模型 上一小节中我们介绍了软间隔支持向量机,该模型允许有错分类数据的存在,从而使模型对数据有更好的适应性,有效避免过拟合的问题. 现在我们回顾一下松弛变量ξn,我们用ξn来记录违反分类边界的数据到边界的距离. 我们可以从另外一个角度,考虑一下ξn的计算: 对于任何一个点,如果该点违反了边界,那么ξn记录了其到边界的距离:如果没有违反,ξn为0. 所以我们可以用下面这个式子来表示: 与正则化模型的比较 在正则化中,我们用w的长度来控制复杂度,并且我们希望某个误差度量最小

我的第一桶金,勿喷……

做网络很多年了,这么多年来,一直坚持,有低谷,也有辉煌,大部分时间我很寂寞.特地开个天涯账号,来跟大家随便聊聊. 因为我做的东西大部分都是灰色的,很多关键词不知道会不会被大天涯屏蔽,随缘吧! 我讲的很多东西,以及我的过去做的一些事情,肯定很多人看了会骂我.寒门再难出贵子,我不是富二代,不是官二代,我要吃喝,我只能靠自己. 之前有个讨论,关于温饱和道德,我毫无疑问的认为,先解决了温饱问题,再谈道德. 很多人,包括我,第一桶金都是黑色的.发这个帖子,不是来救赎自己,只是讲讲自己的原罪过去,有没有人看

新概念英语第一册1-144课(转)

第一课:Excuse me!对不起! 1.对不起,打扰一下!Excuse me! 2.什么事?Yes? 3.这是 Is this你的手提包?your handbag? 这是你的手提包吗?Is this your handbag? 4.没听清,请再说一遍.Pardon? 5.这是Is this 你的手提包?your handbag? 这是你的手提包吗?Is this your handbag? 6.是的,Yes, 它是.it is. 这个包是我的.Yes, it is. 7. 感谢你, Thank

ImageJ 学习第一篇

ImageJ是世界上最快的纯Java的图像处理程序.它可以过滤一个2048x2048的图像在0.1秒内(*).这是每秒40万像素!ImageJ的扩展通过使用内置的文本编辑器和Java编译器的ImageJ的开发插件.500多插件可用. 数据类型:8位灰度或索引色,16位无符号整数,32位浮点和RGB色彩. 文件格式:读写所有支持的数据类型为TIFF(非压缩)或原始数据.打开和保存GIF,JPEG,BMP,PNG,PGM,FITS和ASCII.打开DICOM.使用URL打开的TIFF.GIF文件.J