线性时间选择算法的C++实现 g++下编译通过

在快速排序算法基础上，进一步完成线性时间选择算法，并且用不同数据量进行实验对比分析，要求分析算法的时间复杂性并且形成分析报告

主元素问题 问题描述：设T[0:n-1]是n个元素的数组，如果其中某个元素x在整个数组中的出现次数超过n/2，则称x为数组T的主元素。输入数据由文件名为input.txt的文本文件提供。 请设计一个线性时间算法，判断input中的数据是否存在主元素。在实验报告中对算法时间复杂度作出分析。 输入：文件的第1行为数组S中元素个数n；接下来的n 行中，每行有一个自然数。程序运行结束时，将计算结果输出到文件output.txt中。输出文件中包含问题的答案：找不到主元素时给出null，找到时给出主元素的值。

机器学习与数据科学 机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学期学习的所有分类器，以预测通过BMI分类的美国肥胖率，其中最佳分类器为7倍KNN，预测准确性为81.54％ 分析模型选择方法以提供最佳模型并找到最佳预测因子； 结论是可以根据收入，饮食习惯，运动习惯和购物习惯来非参数地预测BMI