题目:

线性分类器(line)

【题目描述】

考虑一个简单的二分类问题——将二维平面上的点分为A和B两类。

训练数据包含n个点,其中第i个点(1≤i≤n)可以表示为一个三元组(x,y,type),即该点的横坐标、纵坐标和类别。

在二维平面上,任意一条直线可以表示为 θ₀+θ₁x+θ₂y=0的形式,即由θ₀,θ₁,θ₂三个参数确定该直线,且满足θ₀,θ₁不同时为0。

基于这n个已知类别的点,我们想要在平面上找到一条直线作为一个线性分类器。具体来说,这条线要把训练数据中的A、B两类点完美分隔开来,即一侧只有A类点、另一侧只有B类点。这样,对于任意一个的未知类别的点,我们就可以根据它是位于直线的哪一侧来预测它的类别了。

在本题中我们仅需要处理m个如下查询:给定一条直线,判断它是否能将训练数据中的A、B两类点完美分开。

【输入格式】

从标准输入读入数据。输入共n+m+1行。

第一行包含用空格分隔的两个正整数n和m,分别表示点和查询的个数。

第二行到第n+1行依次输入n个点的信息。第i+1行(1≤i≤n)包含用空格分隔的三项x,y和type,分别表示第i个点的横、纵坐标和类别,其中坐标为整数、类别为一个大写英文字母A或B。

第n+2行到第n+m+1行依次输入m个查询。第j+n+1行(1≤j≤m)包含用空格分隔的三个整数θ₀,θ₁和θ₂,表示第j个查询中给定直线的三个参数。

【输出格式】

输出到标准输出。

输出共m行,每行输出一个字符串。

第j行(1≤j≤m)输出的字符串对应第个查询的结果:如果给定直线可以完美分隔A、B两类点,则输出Yes;否则输出No。

【样例1输入】

9 3

1 1 A

1 0 A

1 -1 A

2 2 B

2 3 B

0 1 A

3 1 B

1 3 B

2 0 A

0 2 -3

-3 0 2

-3 1 1

【样例1输出】

No

No

Yes

代码,用的python,从别人那里扒过来的。已获得同意

#-*- coding: utf-8 -*-

defjudga(lis1, z):

s=0for i inlis1:if z[0] + i[0] * z[1] + i[1] * z[2] >0:

s+= 1

if s == len(lis1) or s ==0:returnTrueelse:returnFalsedefjudg(x, y, z):

flag=Falseif (z[0] + x[0] * z[1] + x[1] * z[2]) * (z[0] + y[0] * z[1] + y[1] * z[2]) <0:

flag=Truereturnflagif __name__ == '__main__':

da_list= [] #存放A类点

db_list = [] #存放B类点

d_list =[]

n, m=map(int, input().split())for i inrange(n):

raw=input()

x, y, z=raw.split()

x=int(x)

y=int(y)

tub1=(x, y, z)if tub1[2] == 'A':

da_list.append(tub1)else:

db_list.append(tub1)for i inrange(m):

a, b, c=map(int, input().split())

tub2=(a, b, c)

d_list.append(tub2)for i inrange(m):if judga(da_list, d_list[i]) == True and judga(db_list, d_list[i]) ==True:ifjudg(da_list[0], db_list[0], d_list[i]):print('Yes')else:print('No')else:print('No')

满分

python 线型_CCF 202006-1 线性分类器 python相关推荐

  1. CSP 202006-1 线性分类器 python

    CSP 202006-1 线性分类器 python 题目描述 思路 简单来说,就是判断是否能够二分类两条直线,一般来说,如果在直线两侧,分别输入两类,一个是大于0,一个是小于0,有个符号的变换 在这里 ...

  2. CSP 202006-1 线性分类器 python实现+详解

    试题 代码 # 读入m,n m, n = [int(i) for i in input().split()]# 创建字典存放已知点 dict = {} for i in range(m):line = ...

  3. python编码器_自编码器和分类器python

    展开全部 你好,下面是一个keras的softmax分类器+自编码器的python代码.你需要安装e5a48de588b662616964757a686964616f31333431343665最新的 ...

  4. Python 线性分类器

    原理:感知机(perceptron)是二类分类的线性分类模型,它的思想很简单,就是在一个二维空间中寻找一条直线将红点和蓝点分开. 线性分类器:在机器学习领域,分类的目标是指将具有相似特征的对象聚集.而 ...

  5. python中如何画logistic_如何在 Python 中建立和训练线性和 logistic 回归 ML 模型?

    原标题:如何在 Python 中建立和训练线性和 logistic 回归 ML 模型? 英语原文: 翻译:(Key.君思) 线性回归与logistic回归,是. 在我的里,你们已经学习了线性回归机器学 ...

  6. 高效计算基础与线性分类器

    高效计算基础与线性分类器 标签: 深度学习线性分类器 2016-06-29 16:01 131人阅读 评论(0) 收藏 举报 本文章已收录于: 分类: 深度学习笔记(1) 作者同类文章X 版权声明:本 ...

  7. P2:图像分类:KNN与线性分类器

    自豪兄YYDS: https://www.bilibili.com/video/BV1K7411W7So?p=2 一.kNN KNN 从数据集中选择距离测试用例最近的K个测试用例,根据K个测试用例的类 ...

  8. python 非线性规划_支持向量机:Stata 和 Python 实现

    田原 (北京交通大学) godfreytian@163.com ? 连享会主页:lianxh.cn 扫码查看最新推文和分享 NEW!连享会·推文专辑: Stata资源 | 数据处理 | Stata绘图 ...

  9. 【火炉炼AI】机器学习008-简单线性分类器解决二分类问题

    [火炉炼AI]机器学习008-简单线性分类器解决二分类问题 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplot ...

最新文章

  1. 智慧电梯物联网 未来电梯将更智能
  2. 将ImageVIew中的图片保存到本地相册中
  3. springboot 定时任务schedule
  4. 硬件:RS232基础知识笔记
  5. [Luogu 1351] NOIP2014 联合权值
  6. python种颜色循环_python – 重置Matplotlib中的颜色循环
  7. Mysql 数据库锁机制浅析
  8. 了解一些FMS的基本概念
  9. sketchup 2018下载与安装教程
  10. Oracle中索引的原理
  11. 白光led 计算机模拟,白光LED在TracePro中的建模及仿真
  12. 使用GDI绘制一个类似进度条的控件(1)
  13. excel分段函数c语言,实战:Excel 逻辑分段函数应用
  14. 求一元二次方程的解法c语言,有什么方法求一元二次方程求解決一元二次方程的解法要详细...
  15. 小升初数学知识体系梳理
  16. android 页面默认不弹软键盘_Android避免进入页面自动弹出软键盘(真正好用)
  17. 探索AI实践最优解,AISummit全球人工智能技术大会完美落幕
  18. 白苹果了怎么强制开机_苹果手机开机卡在开机界面怎么办?
  19. Python性能测试工具汇总
  20. OpenGL总结15-光照模型

热门文章

  1. MATLAB图像中添加标记
  2. 人工智能AI实战100讲(三)-激光雷达原理和分类
  3. php正则替换p闭合标签,php正则替换标签的实现方法
  4. ccxt k线数据_寻找相似的历史k线
  5. spring data jpa 分页查询
  6. 不一样的ZTree,权限树.js插件
  7. 一个基于Bmob的OPPO锁屏壁纸小程序,写过之后发现...好像没什么卵用...一脸懵逼
  8. 基于webpack搭建的vue element-ui框架
  9. 用asp.net编写冒泡排序法
  10. 【译】nginx关于location部分