Pythonで競技プログラミング（プロコン） - 午後から→オーバークロック
今更ではあるが今後AtCoderの問題を解く上で使ったライブラリとか手法とかを ここにまとめていこうと思う。python限定。 入出力 基本 i = input() x,y = map(int,raw_input().split()) 応用 複数行を一気に読んで、入出力のオーバーヘッドを無くせる。 （行数が多い時、稀にこれをしないとTLEになる。） lines = sys.stdin.readlines() 因みにローカルで実行するときは<ctrl-d>とかでEOFを検知させる必要が有る。 ローカルでの実行 クリップボードにテストデータ（テキスト）コピーしたあと、 以下で簡単に実行できる。 pbpaste| python test.py 問題が難しくて、テストデータを何回も使いそうだと思った場合は、 ファイルに書き出しておく。 pbpaste > dataset1 pbpaste > da
kaggleにpythonを使ってみる(3) 〜sklearn - 忘れないようにメモっとく
sklearnのランダムフォレストを使う。 前回の予測モデルは、線形モデルのロジスティック回帰。 今回は、ensembleモジュール内にあるランダムフォレストを試してみる。 あと、データを加工するときとか、評価するときの便利メソッドもいくつかメモ。 from sklearn import preprocessing from sklearn import ensemble import pandas as pd 最初にインポートするのは、preprocessingモジュールとensembleモジュール。 sklearn.preprocessing preprocessingモジュールは、生データを処理して、後々の解析に適した整形をしてくれる。 実際に、練習用csvを読み込んで使ってみる。 LabelEncoder()は、カテゴリカルデータを、数値(ラベル)で表現するメソッド。 train
線形計画問題に対する内点法 in Python - matsulibの日記
内点法にもいろいろある。ここでやるのはもちろん一番簡単なやつ。 ・主アフィンスケーリング法 - 経営工学専攻 - 東京工業大学 http://www.me.titech.ac.jp/~mizu_lab/text/PDF-IP/IP2A-affine.pdf を見てPythonでナイーブに実装した。 ・行列演算はライブラリ任せ（これは速度面でも好ましい） ・本体はコメントを除けば20行足らず ・例外処理なし ・バグ放置 こんな感じで簡単に線形計画問題の最適解が求まります。 例題 以前の記事で商用ソルバを使って解いた問題をまた解く。 GurobiとPythonで数理最適化 - matsulibの日記 とりあえず前処理として標準形に変形する。 加えて、手続きの出発地点となる初期内点x0を与える必要がある。 下のコードでは x0=[20, 10, 2200, 1400, 670] としている。 ソ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
