python 的topk算法实例
我就废话不多说了，还是直接看代码吧！
#! conding:utf-8 def quick_index(array, start, end): left, right = start, end key = array[left] while left < right: while left < right and array[right] > key: right -= 1 array[left] = array[right] while left < right and array[left] < key: left += 1 array[right] = array[left] array[left] = key return left def min_num(array, m): start, end = 0, len(array) - 1 index = quick_index(array, start, end) while index != m: if index < m: index = quick_index(array, index+1, end) else: index = quick_index(array, start, index) print(array[:m]) if __name__ == '__main__': alist = [15,54, 26, 93, 17, 77, 31, 44, 55, 20] min_num(alist, 5)
补充知识：python numpy 求top-k accuracy指标
top-k acc表示在多分类情况下取最高的k类得分的label，与真实值匹配，只要有一个label match，结果就是True。
如对于一个有5类的多分类任务
a_real = 1 a_pred = [0.02, 0.23, 0.35, 0.38, 0.02] #top-1 a_pred_label = 3 match = False #top-3 a_pred_label_list = [1, 2, 3] match = True
对于top-1 accuracy
sklearn.metrics提供accuracy的方法，能够直接计算得分，但是对于topk-acc就需要自己实现了：
#5类：0，1，2，3，4 import numpy as np a_real = np.array([[1], [2], [1], [3]]) #用随机数代替分数 random_score = np.random.rand((4,5)) a_pred_score = random_score / random_score.sum(axis=1).reshape(random_score.shape[0], 1) k = 3 #top-3 #以下是计算方法 max_k_preds = a_pred_score.argsort(axis=1)[:, -k:][:, ::-1] #得到top-k label match_array = np.logical_or.reduce(max_k_preds==a_real, axis=1) #得到匹配结果 topk_acc_score = match_array.sum() / match_array.shape[0]
以上这篇python 的topk算法实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
题目：我现在有一个文件，把文件中出现单词频率最高的k个单词找出来，文件内容都是逗号分隔的单词 我用go语言写 abc.txt内容 "wang,jing,yu,shuai,ge,shuai,ge,j" package main import ( "fmt" "io/ioutil" "sort" "strings" ) func main() { contents, err :=
-
本文向大家介绍算法题：topK给出3种解法？相关面试题，主要包含被问及算法题：topK给出3种解法？时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 1）局部淘汰法 -- 借助“冒泡排序”获取TopK 思路：（1）可以避免对所有数据进行排序，只排序部分；（2）冒泡排序是每一轮排序都会获得一个最大值，则K轮排序即可获得TopK。 时间复杂度空间复杂度：（1）时间复杂度：排序一轮是O(N)，则K
-
本文向大家介绍Java实现TopK问题的方法，包括了Java实现TopK问题的方法的使用技巧和注意事项，需要的朋友参考一下 面试中会经常遇到手撕代码的情况，而求TopK的是经常遇到的题目。下面我就用Java来实现。主要通过两种方法实现，快排思想以及堆排序的思想，两者的复杂度为O（NlogK）。 基于快排的TopK实现： 其实整个代码和快排一样，就是多了一个下标位置的判断，if (K - 1 ==
-
线性回归python实现 1.算法python代码 包含Normal Equations，批量梯度下降和随机梯度下降，这里的代码跟Logistic回归的代码类似 # -*- coding: utf-8 -*- import matplotlib.pyplot as plt import numpy as np class LinearRegression(object): def _
-
Logistic回归python实现 1.算法python代码 # -*- coding: utf-8 -*- import matplotlib.pyplot as plt import numpy as np class Logistic(object): def __init__(self): self._history_w = [] self.
-
1.python代码实现 包含算法的原始形式和对偶形式 # -*- coding: utf-8 -*- import numpy as np class Perceptron(object): def __init__(self, input_x, feature_num, input_y, learn_rate=1): self._input_x = np.arra
-
本文向大家介绍python em算法的实现，包括了python em算法的实现的使用技巧和注意事项，需要的朋友参考一下 以上就是python em算法的实现的详细内容，更多关于python em算法的资料请关注呐喊教程其它相关文章！
-
本文向大家介绍python实现kmp算法的实例代码，包括了python实现kmp算法的实例代码的使用技巧和注意事项，需要的朋友参考一下 kmp算法 kmp算法用于字符串的模式匹配，也就是找到模式字符串在目标字符串的第一次出现的位置 比如 abababc 那么bab在其位置1处，bc在其位置5处 我们首先想到的最简单的办法就是蛮力的一个字符一个字符的匹配，但那样的时间复杂度会是O(m*n) kmp算