面经03:美团-机器学习算法
项目
1、数据
2、过拟合处理方式
3、模型更新
八股文
1、xgboost原理
2、线性回归三种区别正则化
3、rmse、R^2区别
编程
有一个具有 n 个顶点的 双向 图,其中每个顶点标记从 0 到 n - 1(包含 0 和 n - 1)。
图中的边用一个二维整数数组 edges 表示,其中 edges[i] = [ui, vi] 表示顶点 ui 和顶点 vi 之间的双向边。
每个 顶点对 由 最多一条 边连接,并且没有顶点存在与自身相连的边。
请你确定是否存在从顶点 source 开始,到顶点 destination 结束的 有效路径 。
给你数组 edges 和整数 n、source 和 destination,如果从 source 到 destination 存在 有效路径 ,则返回 true,否则返回 false 。
输入:n = 3, edges = [[0,1],[1,2],[2,0]], source = 0, destination = 2
输出:true
解释:存在由顶点 0 到顶点 2 的路径:
- 0 → 1 → 2
- 0 → 2
</pre>输入:n = 6, edges = [[0,1],[0,2],[3,5],[5,4],[4,3]], source = 0, destination = 5 输出:false 解释:不存在由顶点 0 到顶点 5 的路径.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64n = 3
edges = [[0,1],[1,2],[2,0]]
s = 0
d = 2
# n = 6
# edges = [[0,1],[0,2],[3,5],[5,4],[4,3]]
# s = 0
# d = 5
matrix = [[0]*n for i in range(n)]
for x,y in edges:
matrix[x][y] = 1
matrix[y][x] = 1
def dfs(x,y,flag):
if x==y or matrix[x][y]:
return True
else:
for z in range(n):
if not(flag >> z) and matrix[x][z]:
falg = flag | 1 << z
dfs(z, y ,flag)
falg = flag & ~(1 << z)
return False
def bfs(x,y,flag):
if x==y or matrix[x][y]:
return True
else:
from queue import Queue
q = Queue()
q.put(x)
while not q.empty():
source = q.get()
for z in range(n):
if not(flag >> z) and matrix[source][z]:
q.put(z)
falg = flag | 1 << z
if z == y:
return True
return False
def Find(x:int):
if fa[x]!=x:
#路径压缩
fa[x] = Find(fa[x])
return fa[x]
def union(x:int,y:int):
a = Find(x)
b = Find(y)
if a < b :
fa[b] = a
else:
fa[a] = b
# 并查集代码
#初始化
fa = [i for i in range(n)]
for x,y in edges:
union(x,y)
print(Find(s)==Find(d))
print(dfs(s,d,1 << n-1-s))
print(bfs(s,d,1 << n-1-s))位运算(https://leetcode.cn/circle/discuss/CaOJ45/)
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 michealxie94!
评论