Chương trình học Bài 21 trên tổng số 148 · Mắc kẹt vào chính mình
Mắc kẹt vào chính mình

So sánh các danh sách của bạn

Vì sao điều này quan trọng Bạn không thể biết mình có nghĩ khác câu trả lời mặc định không cho tới khi bạn đặt các ý tưởng của mình cạnh nó. Một con số giữ cho bạn trung thực.

Trong bài toán nhật ký vòng, ba câu trả lời AI niêm phong là: sắp xếp một bản sao rồi tìm kiếm nhị phân; đi tuần tự để tìm chỗ quay vòng rồi tìm kiếm nhị phân; đếm trực tiếp cho mỗi truy vấn. Dưới dạng các thẻ từ một danh sách cố định:

TAGS = {"load-all", "scan", "sort", "binary-search", "sample", "index", "math", "cache", "precompute"}
AI_TAGS = [{"load-all", "sort", "binary-search"},   # sort a copy
           {"scan", "binary-search"},                # walk to the wrap
           {"scan"}]                                 # count each query

Giờ hãy gắn thẻ ba cách tiếp cận của riêng bạn theo cùng cách, một cách trung thực: gắn thẻ cho những gì mỗi cái thật sự sẽ làm, không phải những gì nghe hay. Danh sách của bạn từ bài toán nằm trong bản nháp đã lưu; mã khởi đầu in nó ra nếu trình duyệt này có nó.

Một điểm gần 1 nghĩa là ý tưởng của bạn là ý tưởng của AI. Một điểm gần 0 nghĩa là bạn đã khám phá ở một nơi khác. Không cái nào là điểm số: ở nhiều bài toán ý tưởng phổ biến là đúng. Nó cho bạn biết bạn đã bắt đầu từ đâu.

Tóm tắt Gắn thẻ cả hai danh sách bằng cùng các từ, ghép mỗi cái của bạn với ý tưởng AI gần nhất, lấy trung bình. Đó là độ chồng lấp của bạn.

Đến lượt bạn

Viết closest(mine, ai_sets): độ chồng lấp set từ cao nhất (số thẻ chung chia cho tất cả các thẻ khác nhau, 0 nếu cả hai rỗng) giữa mine và bất kỳ set nào trong ai_sets; chấp nhận list hoặc set. Viết overlap_with_ai(my_tags, ai_sets): trung bình của closest qua các cách tiếp cận của bạn (0 nếu không có). Gán my_tags, mỗi cách tiếp cận một list thẻ từ TAGS, rồi đặt score = overlap_with_ai(my_tags, AI_TAGS) và in nó ra làm tròn tới 2 chữ số.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.