1298. 你能从盒子里获得的最大糖果数

Posted 2023-04-12 magic_zk

题目描述

一个盒子有四种属性，能否打开、糖果数、钥匙、内含盒子
给你初始盒子的索引，问能拿到多少糖果？

f1-模拟 + bfs

基本分析

1. 一个索引需要有哪些状态？能不能打开；是不是有了这个盒子；这个盒子打开过没有？
2. 怎么定义这些状态？数组
3. bfs的规则？
   （1）最初入队？如果盒子能打开，把盒子入队（入队以后看里面的盒子和钥匙），入队前累加糖果；
   （2）怎么开盒子？
   • <1>.枚举每个钥匙，先更新钥匙的拥状态；如果没拆过+有盒子，就入队钥匙索引；
   • <2> 枚举每个盒子，先更新盒子的拥有状态，如果没拆过+有钥匙，就入队盒子索引

代码

class Solution:
    def maxCandies(self, status: List[int], candies: List[int], keys: List[List[int]], containedBoxes: List[List[int]], initialBoxes: List[int]) -> int:
        n = len(status)
        has_box = [False] * n
        vis = [False] * n
        can_open = [status[i] == 1 for i in range(n)]

        q = deque([])
        ans = 0
        
        for box in initialBoxes:
            has_box[box] = True
            if can_open[box]:
                q.append(box)
                vis[box] = True
                ans += candies[box]
        # 队列中的是啥，可以打开的盒子，他的值已经被计算了
        while q:
            cur = q.popleft()
            for key in keys[cur]:
                can_open[key] = True
                if not vis[key] and has_box[key]:
                    ans += candies[key]
                    q.append(key)
                    vis[key] = True
            
            for box in containedBoxes[cur]:
                has_box[box] = True
                if not vis[box] and can_open[box]:
                    ans += candies[box]
                    q.append(box)
                    vis[box] = True
        
        return ans

总结

1. 索引对应的状态很多，需要定义清楚
2. 最开始给的初始盒子，没有和盒子平级的钥匙
3. 在打开每个盒子的时候，枚举钥匙和盒子时候，先要更新拥有状态，在看能不能继续拆（入队）

你能从 sklearn 网格搜索 (GridSearchCV) 中获得所有估计器吗？

【中文标题】你能从 sklearn 网格搜索 (GridSearchCV) 中获得所有估计器吗？

【英文标题】：Can you get all estimators from an sklearn grid search (GridSearchCV)?

【发布时间】：2021-03-29 05:43:59

【问题描述】：

我最近使用sklearn.model_selection.GridSearchCV 测试了许多超参数组合。我想知道是否有办法调用在此过程中训练的所有以前的估算器。

search = GridSearchCV(estimator=my_estimator, param_grid=parameters)
# `my_estimator` is a gradient boosting classifier object
# `parameters` is a dictionary containing all the hyperparameters I want to try

我知道我可以用search.best_estimator_ 调用最好的估计器，但我也想调用所有其他估计器，以便测试他们的个人表现。

搜索需要大约 35 小时才能完成，所以我真的希望我不必重新做一遍。

注意：这是几年前提出的问题 (here)，但此后sklearn 已多次更新，现在答案可能有所不同（我希望如此）。

【参考方案1】：

不，除了（可选，但默认情况下）在整个训练集上训练的最后一个模型，您的best_estimator_ 之外，没有保存任何测试模型。尤其是当模型存储大量数据（例如 KNN）时，保存所有拟合的估计器将非常消耗内存，并且通常没有多大用处。 （cross_validate 确实有一个参数 return_estimator，但超参数调谐器没有。如果你有一个令人信服的理由来添加它，它可能不需要太多工作，你可以在 sklearn 上打开一个 GitHub 问题。）

但是，您确实拥有记录所有测试估计器分数的cv_results_ 属性。这通常足以用于检查目的。