最近工作有這樣乙個需求：給定十幾個時序序列，判斷出這個序列的趨勢（上公升、下降或平穩）。最開始肯定是想到，直接線性擬合斜率大小來判斷唄，但是業務部門的同事說他們不止看整體斜率還看區域性特徵什麼的總之很感性。
於是我把每個點當乙個維度直接跑分類模型（lr，多層感知機，svm，rf，gbdt，xgboost），結果還不錯上公升和下降的查準查全率都到80%（總共樣本也就五六十個。。。）。
為了提高查準率查全率，又和業務部門同事溝通了一下，他們主要綜合整體以及最後幾個點的趨勢來判斷，所以處理整體斜率，還將最後幾個點的擬合斜率作為特證，這樣再去分類，果然查準率或查全率得到了提高。這充分說明了傳統機器學習特徵提取的重要性。。。逃
基於棧的回文字元序列判斷
include define maxsize 10000 includeusing namespace std typedef struct sqstack int initstack sqstack s int push sqstack s,char e if s.top s.base s.sta...
基於棧的回文字元序列判斷
描述 回文序列是正反讀均相同的字串行，如 abba 和 abdba 均是回文，但是 good 不是回文。請設計乙個演算法判定給定的字串行是否為回文。輸入多組資料，每組資料有一行。每一行為乙個長度不定的字串行a。當a為 0 時，輸入結束。輸出對於每組資料輸出一行。若字串行a是回文序列，則輸出 yes ...
基於Scikit learn的機器學習模型
建立乙個機器學習的模型非常簡單 form sklearn,liner model import linearregression 匯入線性回歸模型 model linearregression 建立線性回歸模型 print model 訓練模型，對於監督模型來說為 fit x,y 對於非監督模型來說...