github上面的乙個專案，分為level1,level2,level3 三個等級的難度。
練習題1：
隨機生成一列資料，畫出這些資料的分布、概率密度曲線，以及進行歸一化、標準化之後的分布、概率密度曲線。
解答：# 歸一化、標準化、中心化
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
original_data = np.random.exponential(size = 1000)
scaled_data = (original_data - original_data.min())/(original_data.max()-original_data.min())
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0]) #直方圖
ax[0].set_title("original data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title("scaled data")
plt.show()
original_data = 6*np.random.rand(1000)+7
scaled_data = (original_data - original_data.mean())/original_data.std()
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0])
ax[0].set_title("original data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title("scaled data")
plt.show()
練習題2：
乙個資料集 身高：1.7，1.8，1.9
體重：70，80，90，分別進行歸一化、標準化，看資料值及其分布圖。
練習題3：
同題1，自動生成二維分布資料集，畫圖展示。進行歸一化、標準化後，畫圖展示。
解答：x = np.array([1.7,1.8,1.9,1.75,1.85])
y = np.array([60,70,80,85,65])
plt.scatter(x,y)
plt.show()
x_scaled = preprocessing.scale(x)
y_scaled = preprocessing.scale(y)
plt.scatter(x_scaled,y_scaled)
plt.show()
x_normalize = (x-x.min())/(x.max()-x.min())
y_normalize = (y-y.min())/(y.max()-y.min())
plt.scatter(x_normalize,y_normalize)
plt.show()
Python考試題目記錄
考試時沒能完全寫出來，題目記不太清了，記錄一下，不知道答案對不對。僅做參考，不保證 的正確性！給出乙個列表l，找出支配元組 支配元組 列表l中有兩個元組t1,t2，if t1 0 t2 0 and t1 1 t2 1 and 至少有乙個元素，小於對應位置的元素 t1支配t2，要找t1 分析 1 先排...
c 考試題目
一 專案提問 題 1 實現根號，要求最終與目標值的精度不大於0.0001 2 原題，求集合的子集c 的虛函式？innodb引擎的索引結構？為什麼是b 樹？三條查詢語句是否命中聯合索引？同步非同步阻塞非阻塞？為什麼是三次握手 四次揮手？timewait的意義？二 專案提問tcp ip5層協議 列舉協議...
2020 09 03 04 考試題目題解
題目傳送門 給出乙個圖，保證每個點有且僅有乙個出邊，對於每個點把它走 k 步這條路徑上的所有的點答案加 1 問最後每個點的答案。n le 5 times 10 5 考試的時候 sb 了，沒想出來怎麼做。首先你可以發現這其實是個基環樹森林，對於不在環上的點，它答案其實就是子樹內深度與它相差不超過 k ...