二分类的意图判定

[编程题]二分类的意图判定

热度指数：68 时间限制：C/C++ 1秒，其他语言2秒空间限制：C/C++ 256M，其他语言512M
算法知识视频讲解

任务: 用逻辑回归做二分类的意图判定。输入是一串仅由大写字母A～G组成的字符串；输出是标签0或1。
特征: 对每条字符串做7维one-hot存在编码，顺序固定为A B C D E F G；某字母出现过则该维取1，否则取0。
模型: 单层逻辑回归，权重w和偏置b初始为0；激活用sigmoid；损失为二分类交叉熵；优化用学习率0.1、轮数20、batch size=1 的梯度下降；最终预测阈值0.5，大于阈值判1，否则判0。

输入描述:

第一行: N M（N条训练数据，M条测试数据）
接下来的N行: 训练样本，“字符串 标签”，字符串仅含A～G，标签为0或1
接下来的M行: 测试样本字符串

输出描述:

共M行，每行输出一个0或1

示例1

输入

5 2
ABC 1
ADG 1
BE 1
CFG 1
ABCFG 1
A
BG

输出

1
1

说明

训练集中所有标注为1，从w=b=0开始，梯度会把z推大，使预测逐步超过0.5，因而对任意测试串都输出1。

算法知识视频讲解

糊氏佳骏

import math

def sigmoid(x):
    return 1 / (1 + math.exp(-x))


class BinGraph:
    def __init__(self):
        self.w = [0.0] * 7
        self.b = 0.0
        return

    def train(self, N, trn, lbl, total_epoch=20, learning_rate=0.1):
        for _ in range(total_epoch):
            for ii in range(N):
                x = trn[ii]
                pre = self.forward(x)
                grad = pre - lbl[ii]
                self.b -= grad * learning_rate
                for jj in range(7):
                    self.w[jj] -= grad * x[jj] * learning_rate

        return

    def forward(self, x):
        re = self.b
        for ii in range(7):
            re += self.w[ii] * x[ii]
        re = sigmoid(re)
        return re


def str2num(s):
    l = [0] * 7
    for c in s:
        c_id = ord(c) - ord('A')
        l[c_id] = 1
    l = tuple(l)
    return l

def read_in():
    N, M = map(int, input().split())
    trn = []
    lbl = []
    for _ in range(N):
        read_line = input().split()
        trn.append(str2num(read_line[0]))
        lbl.append(float(read_line[1]))
    trn = tuple(trn)
    lbl = tuple(lbl)

    return N, M, trn, lbl

if __name__ == '__main__':
    read_in = read_in()
    bg = BinGraph()
    bg.train(read_in[0], read_in[2], read_in[3])
    for _ in range(read_in[1]):
        tst = str2num(input())
        pred = bg.forward(tst)
        if pred > 0.5:
            print(1)
        else:
            print(0)

发表于 2025-10-14 16:50:56 回复(0)