二分图问题
二分图最大匹配问题（匈牙利算法）
什么是二分图如果一个无向图的的顶点可以分为两个互不相交的子集A和B，那么它就是二分图。也就是说，A、B内部不存在连边，所有连边都一头连着A中的顶点，另一头连着B中的顶点。什么是二分图最大匹配？二分图最大匹配问题，就是在A、B这两个集合中，不断选择两个存在连线的点，把他们连起来，求最多可以有多少条连线的问题。怎么解？匈牙利算法的核心在于：从A集合中选择一个点，然后将与其相连的B中的点依次对照，如果B
日期 2023-06-12 10:48:40二分图最大匹配问题
二分图 二分图是这样的一个图：其顶点可以划分为两个集合 X 和 Y , 任何一条边所关联的两个顶点中，恰好有一个属于集合 X , 另一个属于 Y。同一个集合内的顶点必没有边相连。如果一个图是二分图，那么它一定没有 奇环 (边为奇数的环路)，如果一个图没有 奇环 , 那么它就一定是 二分图。二分图的匹配 给定一个二分图 G , 在 G 的一个子图 M 中，M 的边集 {E} 中的任意两
日期 2023-06-12 10:48:40
数学建模暑期集训11：逻辑回归(Logistic Regression)处理二分类问题
在数学建模中，我们经常会遇到这样的问题：根据xx症状判断是否得病、根据xxx指标判断是否违约。对于这种只包含“是和否”两类的答案的二分类问题，逻辑回归最为适用。 1.逻辑回归是什么
日期 2023-06-12 10:48:40
【求根问题】循环查找、二分查找、牛顿迭代法，三种方式求解平方根、立方根问题
【求根问题】循环查找、二分查找、牛顿迭代法，三种方式求解平方根、立方根问题。 目录 一、求解平方根 1.1、循环查找 1.2、二分查找 1.3、牛顿迭代法
日期 2023-06-12 10:48:40
ML之分类预测之LARS：利用回归工具将二分类转为回归问题并采用LARS算法构建分类器
ML之分类预测之LARS：利用回归工具将二分类转为回归问题并采用LARS算法构建分类器 目录 输出结果 设计思路 代码实现 输出结果 ['V10', 'V48', 'V44', 'V11', 'V35', 'V
日期 2023-06-12 10:48:40
ML之二分类预测：以岩石水雷数据集(RockMine)为例从0到1深入理解科学预测之分类问题的思路框架(特征工程详细步骤(特征分析与特征处理)+分类模型设计)
ML之二分类预测：以岩石水雷数据集(RockMine)为例从0到1深入理解科学预测之分类问题的思路框架(特征工程详细步骤+分类模型设计) 目录 一、总体思路框架 二、特征工程详细步骤(特征分析与特征处理) 1、获取数据集，并确定新数据集的规模 2、确定数据集每个属性的类型 3、对数据集统计特
日期 2023-06-12 10:48:40Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5个样本)——概率预测
Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5个样本)——概率预测 目录 输出结果 核心代码 输出结果 核心代码 # -*- coding: utf-8 -*- #Keras之ML~P：基于Kera
日期 2023-06-12 10:48:40Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5+1个样本)——类别预测
Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5+1个样本)——类别预测 目录 输出结果 核心代码 输出结果 核心代码 # -*- coding: utf-8 -*- import os #Keras
日期 2023-06-12 10:48:40EL之RF(RFC)：利用RF对二分类问题进行建模并评估
EL之RF(RFC)：利用RF对二分类问题进行建模并评估 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 auc = [] nTreeList = range(50, 2000, 50) for iTrees in nTree
日期 2023-06-12 10:48:40EL之GB(GBC)：利用GB对二分类问题进行建模并评估
EL之GB(GBC)：利用GB对二分类问题进行建模并评估 目录 输出结果 T1、纯GB算法 T2、以RF为基学习器的GB算法 设计思路 核心代码 输出结果 T1、纯GB算法 T2、以RF为基学习器的GB算法 设计思路 核心代码
日期 2023-06-12 10:48:40DL之DNN：基于自定义数据集(numpy定义)利用浅层DNN(numpy定义非线性神经网络/sigmoid函数)实现二分类(BP神经网络解决异或问题)
DL之DNN：基于自定义数据集(numpy定义)利用浅层DNN(numpy定义非线性神经网络/sigmoid函数)实现二分类(BP神经网络解决异或问题) 目录 基于自定义数据集(numpy定义)利用浅层DNN(numpy定义非线性神经网络/sigmoid函数)实现二分类(BP神经网络解决异或问题) 1、设计思路 2、二
日期 2023-06-12 10:48:40【图像分类】记录一个天坑：二分类网络使用CrossEntropyLoss，loss一直在0.69不收敛的问题
最近在尝试用CrossEntropyLoss(),实现猫狗图像分类的功能。遇到了一个奇怪的问题：loss一直停留在0.69附近，我查了查loss函数的公式,公式如下： 网络预测给出的二类概率向量为[0.5,0.5],也就是a和1-a都是0.5，不管y取值0/1，整个的平均loss就
日期 2023-06-12 10:48:40SVM与逻辑回归分类解决二分类问题代码-用户点击率行为预测
SVM与逻辑回归分类解决二分类问题代码-用户点击率行为预测 这个数据集来自一个用用户点击广告行为预测竞赛数据，我已将其上传自我的代码，如果需要做测试，可以自行下载 下面我们直接上代
日期 2023-06-12 10:48:40二分法（四）：采用二分法解决“最大化平均值”问题
【例1】切绳子。 题目描述 有N条绳子，它们的长度分别为Li。如果从它们中切割出K条长度相同的绳子，这K条绳子每条最长能有多长？答案保留到小数点后2位（直接舍掉2位后的小数）。 输入输出格式 输入格式： 第一行两个整数N和K（0<N<=10000， 0<K<=10000），接下来N行，描述了每条绳子的长度Li（0<Li<=100000.00）。 输出格式： 切
日期 2023-06-12 10:48:40二分法（三）：采用二分法解决“最大化最小值问题”
【例1】跳石头。 题目描述 一年一度的“跳石头”比赛又要开始了! 这项比赛将在一条笔直的河道中进行，河道中分布着一些巨大岩石。组委会已经选择好了两块岩石作为比赛起点和终点。在起点和终点之间，有 N 块岩石（不含起点和终点的岩石）。在比赛过程中，选手们将从起点出发，每一步跳向相邻的岩石，直至到达终点。 为了提高比赛难度，组委会计划移走一些岩石，使得选手们在比赛过程中的最短跳跃距离尽可能长。由于预算
日期 2023-06-12 10:48:40二分法（二）：采用二分法解决“最小化最大值问题”
二分法除了可以进行有序查找、解方程等外，还可以用来解决一些实际问题。这些问题中，非常典型的应用就是“最小化最大值问题”和“最大化最小值问题” “最小化最大值问题”和“最大化最小值问题”在优化问题中比较常见，简单来说，“最小化最大值”是为了压制优化目标中表现最突出的成分，“最大化最小值”为了提升优化目标中表现最差的
日期 2023-06-12 10:48:40机器学习HW2，logistic二分类的问题，使用adagrad进行梯度下降
本次作业主要针对的是二分类的问题，所以激活函数选用的是sigmoid函数，误差函数使用的是cross entropy，可以很方便的计算weight和bias的偏导。 最后的结果在0.91左右。 # -*- coding: utf-8 -*-"""Created on Wed May 16 16:51:13 2018@author: 被遗弃的庸才"""im
日期 2023-06-12 10:48:40[DeeplearningAI笔记]卷积神经网络4.1-4.5 人脸识别/one-shot learning/Siamase网络/Triplet损失/将面部识别转化为二分类问题
4.4特殊应用:人脸识别和神经网络风格转换 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 4.1什么是人脸识别 Face verification人脸验证 VS face recognition人脸识别 Face verification人脸验证 人脸验证 输入是一张图片，以及人的姓名或者ID作为标签 输出是这张输入的图片是否是这个确定的人 这时候也被称为1对1问题
日期 2023-06-12 10:48:40
<转> 二分图多重匹配问题
在二分图最大匹配中，每个点（不管是X方点还是Y方点）最多只能和一条匹配边相关联，然而，我们经常遇到这种问题，即二分图匹配中一个点可以和多条匹配边相关联，但有上限，或者说，Li表示点i最多可以和多少条匹配边相关联。二分图多重匹配分为二分图多重最大匹配与二分图多重最优匹配两种，分别可以用最大流与最大费用最大流解决。 （1）二分图多重最大匹配：在原图上建立源点S和汇点T，S向每个X方点连一条容量为该X
日期 2023-06-12 10:48:40复盘：手推SVM支持向量机二分类超平面，求解目标函数原问题，kkt条件，对偶问题求q，核函数、hinge loss损失函数，硬间隔，软间隔，最后得到w和b
复盘：手推SVM支持向量机二分类超平面，求解目标函数原问题，kkt条件，对偶问题求q，核函数、hinge loss损失函数，硬间隔ÿ
日期 2023-06-12 10:48:40双向DFS + 二分、满足限制条件下的最大化以及最小化问题
双向DFS 会给出某种物品数量大概在30~40之间，询问挑选出来的物品价值或体积，他们的和满足一定的限制，需要你求出最佳价值（不小于某一个数里最小的、不大于某一个数中
日期 2023-06-12 10:48:40总结—二分答案求解问题
总结—二分答案求解问题 我们经常会犯的一个错误就是不求慎解，只觉得“会了”就轻轻放下，其实根本没有真正的搞懂这些东西。 二分，简单算法，文化课都要学的东西。 当初对它的理解就是：很方便地求“最大值最小”/“最小值最大”。 当然，这也是二分答案算法的一个标志。但是我们需要思考的是：为什么二分可以求解“最大值最小”/“最小值最大”之类的问题。 上一张网图： 二分的基本思路是什么？ 对于一个答案区间
日期 2023-06-12 10:48:40二分查找解决数组元素定位问题
二分查找（Binary Search） 给定包含 n 个元素的已排序数组 sorted_array[]，求给定元素 x 的位置。 递归方式（Recursive）实现 迭代方式（Iterative）实现 给定包含 n 个元素的已排序数组 sorted_array[]，求小于等于给定元素 x 的最近位置（Floor Value）。 给定包含 n 个元素的已排序数组 sorted_array[
日期 2023-06-12 10:48:40神经网络与深度学习笔记（一）：二分类问题
我们用下列的这些符号来分别表示我们训练集当中的输入的值x以及输出的值Y。由于是二分分类的问题，因此y一般仅具有两个值0和1。x则一般可以用nx来表示单个训练集当中x的特征的个数，比如一幅图像有10000个特征，那么我们输入的X所对应的nx=10000.假设我们的训练集一共有10个单个的训练集，则m=10.下面是我们的具体的数学表示： x=R(nx*m) y=R(1*m)因为y只有一行，但是有m个
日期 2023-06-12 10:48:40关于pytorch语义分割二分类问题的两种做法
形式1：输出为单通道 分析 即网络的输出 output 为 [batch_size, 1, height, width] 形状。其中 batch_szie 为批量大小，1 表示输出一个通道，height 和 width 与输入图像的高和宽保持一致。 在训练时，输出通道数是 1，网络得到的 output 包含的数值是任意的数。给定的 target ，是一个单通道标签图，数值只有 0 和 1 这两种
日期 2023-06-12 10:48:40单层感知器 - 坐标点二分类问题
单层感知器是神经网络的入门常识，基本的单层感知器可以解决线性分类问题。这里我们通过实例体验感知器是如何运作的。本次实例参照教材《MATLAB神经网络原理与实例精解》。 单层感知器的基本结构 如图，单层感知器可以有多个输入，它们通过与权值相乘，再相加（即加权求和）后，经过一定的偏置，再由激活函数处理，最后输出得到预测结果。这里面存在两种变化：线性变化与非线性变化。其中，加权求和属于线性变化，
日期 2023-06-12 10:48:40