怎么像这样随机选出一首歌曲？

fense2002 2005-04-04 03:35:30

歌曲名点击数
ABC 18
sldkf 29
lskdf 384

有以上数据，怎么随机选出一首歌曲，但谁的被点击次数越多，出现的机率越大。

有一网友告诉我：
随机取一个数，然后把歌曲以点击数排列，从大到小来对这个数取模，谁能被整除谁出列

...全文

92 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

最近一个月的时间，基本上都在加班加点的写业务，在写代码的时候，也遇到了一个有趣的问题，值得记录一下。简单来说，需求是从一个字典(python dict)中随机选出K个满足条件的key。代码如下(python2.7)：1 defchoose_items(item_dict, K, filter):2 '''item_dict = {id:info}'''3 candidate_ids...

本项目为了充分了解歌曲数据集，主要从歌曲分类和歌曲流行度预测入手。其中歌曲分类依次用了决策树分类器、随机森林分类器、xgboost分类器进行分类，从结果来看，决策树分类器的分类效果最不好，然后xgboost分类器的分类效果最好，准确率可以达到92%。歌曲流行度预测选用随机森林回归器和梯度提升回归器对歌曲流行度进行预测，使用sklearn中的Grid Search方法进行最佳超参数组合的搜索，预测效果较好，最低平均绝对误差为16.45。在该预测模型中音轨时间、速度和音量是歌曲流行度预测中贡献率的前三。

　　最近一个月的时间，基本上都在加班加点的写业务，在写代码的时候，也遇到了一个有趣的问题，值得记录一下。　　简单来说，需求是从一个字典（python dict）中随机选出K个满足条件的key。代码如下（python2.7）：1 def choose_items(item_dict, K, filter): 2 '''item_dict = {id:info} ''' 3 candi...

一、Bagging算法 Bagging是并行集成学习方法最著名的代表，可以用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数。Bagging要求“不稳定”（不稳定是指数据集的小的变动能够使得分类结果的显著的变动）的分类方法。比如：决策树，神经网络算法。 Bagging的基本流程为： 1、首先采取随机采样(bootsrap)，也

想要什么数据已经足够多了，我现在想法就是单独维护一张歌曲相似度的表，每首歌曲有10首相似度歌曲，并且有相似度的程度，介于0到1之间。首先来明确我有什么，我有3张表。 user表：用户1.4万左右music表：10万首歌曲记录（只针对中文歌曲）favorites表：888153条，收藏记录。表内也就是一个用户ID和一个歌曲ID 难道我会计算这10万首歌曲的相似度？没有必要吧？

16,718

社区成员

110,522

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章