支持的东西： 向量加减，数乘，点积，叉积，夹角计算，垂直、平行判断，向量旋转，模长计算。 注意如果要使用判断功能要先设定 eps 精度值，或者直接外置 eps 常数。 还有就是重载类型选浮点型，要不然会直接上天。 欢迎各位读者提供改进意见（正确性修正，常数优化，精度优化等），您的意见会被记录在此。 第一
多应用下的前后台目录结构 前后台文件下各有一个config的原因就是前后连接不同的数据库。 commmon.php 是tp中存放公共函数的地方，函数放在这，可以直接调用。 这个的话就是不引用，use 在方法中直接调用静态方法。
对每个点双新建一个方点，并把点双内的点向它连边。 CF1045C Hyperspace Highways #include <bits/stdc++.h> #define ll long long #define db double #define gc getchar #define pc putchar #define pb push_back using namespace std; namespace IO { template <typename
laravel框架优点 文档丰富 大量的第三方开源库 安全机制齐全（表单验证等） 中间件和路由对访问进行过滤及控制，避免非法请求 错误处理机制友好 支持composer包管理工具 集合了php比较新的特性及各种设计模式。 缺点： 基于组件式的框架，比较臃肿 性能比yaf等小型框架的效率会低一些 较
线性递推的求解 求解序列的最短线性递推: Berlekamp-Massey 算法 算法过程 求解向量序列的线性递推 求解矩阵序列的线性递推 【模板】Berlekamp–Massey 算法 #include <cstdio> #include <cstring> #include <iostream> #include <vector> using namespace std; typedef
斗主地 题目描述 点此看题 解法 首先考虑 \(30\) 分的做法，我们可以设计 \(f[i][j]\) 表示前 \(i\) 轮第 \(j\) 个位置的期望分数，\(g[i][j]\) 表示对于现在这一轮的 \(a\)，第一堆取走了 \(i\) 个，第二堆取走了 \(j\) 个的概率，转移很容易写。 结论是：一次函数洗牌之后的期望仍然是一次
emmm感觉就是通道的弱化版，就是第一步要想到 description 给两棵树，\(T\)和\(T'\)，求对于所有\(x\),\(y\)，\(depth(x)+depth(y)-(depth(lca(x,y))+depth'(lca'(x,y)))\)的最大值。 solution 两个lca不好处理，考虑把第一个转化为距离。 即：\(\frac{1}{2} *(depth(x)+depth(y)+dist(x,y)
luogu传送门 这是我写过最难写的之一，写到AC的总时间有8h。另外Racheal，byebye~嘿嘿 Description \(n\)个点，给三棵树，问\(x\)道\(y\)在三棵树上的路径权值和最大。 Solution 第一棵树上边分治，边权为\(w\)，划分为点集S和T。令\(d1_i\)为\(i\)在T1中到边的距离。 同时令\(d_2,d_3\)分
用这个随笔来记录一下评价分类模型中的一些性能指标： 1.混淆矩阵（confusion matrix） 混淆矩阵的格式如下： 其中： TP：预测值为正，真实值也为正，即正确预测出的正样本个数； TN：预测值为负，真实值也为负，即正确预测出的负样本个数； FP：预测值为正，真实值为负，即错误预测出的负样本个数（本
一、混淆矩阵 混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：第一行第一列中的43表示有43个实际归属第一类的实例被预测为第
模型层代码： public function getList() { //获取用户id，根据用户id查询此用户所属团长，然后展示团长发布的拼团商品，如果此用户所属的团长没有发布拼团商品则展示为空，如果这个用户没有上级或者上上级团长，则证明此用户为自己注册的，然后展示公司团长的拼团商品
实现效果：统计未读的信息 控制器： /** * 获取团长发布消息总数，没有阅读的 * @return array|mixed|string */ public function getTeamMessageCount(){ $result = [ 'status' => false, 'data' => '',
from sklearn.metrics import classification_report y_true = [0, 1, 2, 2, 2] y_pred = [0, 0, 2, 2, 1] target_names = ['class 0', 'class 1', 'class 2'] print(classification_report(y_true, y_pred, target_names=target_names)) 输出：
[BigDataHadoop：Hadoop&kafka.V45] [BigDataHadoop.kafka][|章节二|Hadoop生态圈技术栈|kafka|日志存储概述|]一、日志存储概述### --- 日志存储概述 ~~~ Ka
LCA struct Edge{ int v,nxt; }edge[maxn]; int head[maxn],tot=0; inline void read(int &x){ x=0;char tmp=getchar(); while(tmp<'0'||tmp>'9')tmp=getchar(); while(tmp>='0'&&tmp<='9')x=(x<<
<template> <div @click="change">自由浏览</div> <component :is="CurrentCompoent[current]" ></component> </template> import { defineAsyncComponent, markRaw, reactive, ref } from 'vue&
Python的实现语言是 ANSI C（标准C语言）。 一、对象头部 1、概述 在Python中，所有的东西都是对象。Python的对象都包含一些相同的内容，这些内容在PyObject中定义，PyObject是整个Python对象机制的核心。 [object.h] typedef struct _object{ PyObject_HEAD //对象头 } PyObject;
本学习课程以学习为目的一周三篇持续更新，学习代码更新在码云公开仓库，不足之处欢迎朋友们前来指导，写作不易请多多支持，本人创作新手写的不好，不喜勿喷，谢谢大家。 学习目标 url解析url兼容模式控制器定义渲染输出基础控制器空控制器多级控制器 一.url解析 码云编号：d3d5
题面自己看吧。。。 std 对于这种毒瘤的最小费用匹配问题，一般考虑网络费用流。 对于每个水管的每一个支管，有且仅有一个其它方格上的水管的其中一个支管与其相连，这样就不会漏水了，也就是一个水管的每个支管容量只能为 \(1\)，且都要满流。 由于我们要用网络流，又考虑到只有相邻的两个水
题面自己看吧。。。 std 典型的网络流。 看到网格和炸点，可以想到是最小割。 按照套路，考虑染色，寻找规律。 发现，可用如下方法染色。 之后四种情况都是如下： 发现如图每种情况必然包含四种不一样的颜色，且顺序都是 黄 \(\to\) 绿 \(\to\) 黑 \(\to\) 灰。 思考一下，发现破坏一个讨厌的
题面自己看吧、 std 对于第一问，容易想到是二分图匹配。 具体模型： \(s\) 向学生连流量为 \(1\) 的边。 导师向 \(t\) 连流量为人数限制的边。 从第一个学生的第一志愿往里面加边，如果当前学生的当前志愿可以满足，即目前网络流可以满流，保留这一志愿的边，然后下一个学生；否则，删除这一志
类似报错： _STORAGE_WRITE_ERROR_:../Runtime/Cache/Index/c071f06ce0af12be4795d7468795a92 Fatal error: Uncaught Error: Call to undefined function Think\C() in /home/wwwroot/ThinkPHP/Library/Think/Think.class.php:304 Stack trace: #0 /home/wwwroot/ThinkPHP/Libr
Luogu P5897 [IOI2013]wombats 为了统一记号，下文设矩形的行数为 \(n(\le 5000)\)，列数为 \(m(\le 200)\)，更新次数为 \(U(\le 500)\)，查询次数为 \(Q(\le 2\times 10^5)\)。 最暴力的想法是每一次查询时直接DP，时间复杂度为 \(\mathcal O(Qnm^2)\)。这显然过不去，考虑优化。
在别人基础上自己写的一个换座位的程序，是用手机写的，手机的随机数列有0，移到电脑上好像就没有了，移到到电脑上会有一个bug，需要修改下循环的起始位 本人纯小白，小白中小白。并且目前只学到stdio.h，但是并不妨碍我复制粘贴
前言： 还有一年半毕业，准备回学校搞论文，虽然不知道能不能搞出来，但还是得试试，年前看的论文内容都快忘了，开一个坑，边看边记录，给自己和后人一点痕迹。主要是翻译论文内容，不会带有自己的想法，会略去口水话，做到尽量简洁。 阅读者最好有一定的流数据处理基础（应该没人看吧） 本篇是德国几个
