這是我在使用python做機器學習專案過程中的一些使用經驗，會不定期更新噠
偽隨機數是以乙個稱為「種子」的數作為初始條件，通過固定的演算法產生乙個看上去像是隨機產生的數字序列的。
然而，無論這個演算法如何複雜，只要它固定不變，則對於相同的種子來說，每一次從這個種子開始、第n次通過該演算法取得的偽隨機數卻總是一樣的，因此必須再通過各種真正客觀的途徑使得該初始的種子不同。一般來說常用的方式是以執行時候的時鐘時間，經一定變化後作為初始的種子的。
舉幾個通俗易懂的例子：
模板總結 不定期更新
這裡會掛一些自己認為很重要的模板，沒理解的就沒有注釋了，等理解了就更快速排序 簡單分治思想，時間複雜度從 o n log o n 2 不等，及其不穩定 code includeusing namespace std long long a 100001 n void qs int l,int r i...
不定期更新部落格
也算是乙個真正程式設計生涯的起點，聽說大神都有自己的部落格。csdn部落格主要是作為乙個詳細的記錄場所，類似log的verbose檔，細緻入微，無孔不入，因此可能更新頻率較高，質量也相對較低。我的意思是將csdn這裡的部落格作為日後更加精煉的部落格 比如個人blog站或者github pages 的...
C STL 不定期更新
一 set set的特性是，所有元素都會根據元素的鍵值自動排序，set的元素不像map那樣可以同時擁有實值 value 和鍵值 key set元素的鍵值就是實值，實值就是鍵值。set不允許兩個元素有相同的鍵值。include初始化 int arr 5 set iset arr,arr 5 或者只定義...