这种动机，就是不好的，自己作为长辈，不能鼓励这种事情。

至少陈雁行是这么觉得的。

他骨子里还是一个比较传统的男人来著。

所以他只是在背后暗戳戳的推动了这场比赛的大型化和规模化，以及贡献了这个网站的大部分代码而已。

什么坏事儿也没做。

就是————看乐子。

乐子人怎么能算是坏人呢？是吧。

所以，在看到了雪花一般的报错的时候，作为可能是最强的独立网安专家之一的陈雁行，看到报错的第一个想法就是不可能。

因为网站的代码是他写的，测试程序和方案也是他出的，就连测试集都是他弄来的真实测试集—一他不可能出这么大的差错。

他又不是一个初出茅庐的菜鸟，他可能会犯错误，但是绝对不会在这种简单的问题上犯错误。

但如果自己不可能出错，那他就要面对第二个不可能。

这个测试结果是对的？

这更不可能吧！

毕竟那可是平子大佬，不会算法的平子大佬！

平子大佬写出来fork—cane这种项目一点也不奇怪，毕竟平子大佬本身就是工程暴力美学的奇迹代言人。

但是算法？

我宁愿相信门口摆摊卖饭的大叔是秦始皇。

这么想著，陈雁行打开了网站后台的日志，调出了平子大佬的测试日志。

作为网安专家，陈雁行的「看日志」是一门绝活。

速度快到夸张。

只是扫了一眼，他就发现，没问题。

至少是日志绝对显现不出来的问题。

没办法了，他只能再自己手动跑一遍测试了。

调出唐一平提交的代码，导入了由他提供的那个数据量为50万的学生档案测试集。

这是一个巨大的csv文档，整体大小大概500。

陈雁行自己估算过，如果把这些文本文档，转成资料库的格式，理论数据量应该是50左右。

这是其有效熵值转换成的比特数，也就是这个测试集本身蕴含的信息的比特数。

但是这种单纯的数据是不能使用和检索的，所以才会有「资料库」这种东西，把信息编码索引，安排好位置。

换言之，单纯的信息就像是无数的人，资料库就是盖上一栋大楼，把他们放进各自的房间。

这就要在本身的数据基础上，加上b—tree或者其他tree的索引、哈希表等等，就像是楼梯楼层和门牌号。

通常来说，这些数据转换成资料库格式之后，整体数据量大概在200—300。

这大概就是地榜排名前几的水平，其实能做到这个数量级就已经很强了。

但但如果是天榜的话，目前已经强到离谱了。

譬如现在焦灼在天榜前列的两个id：「递归之梦」和「等待戈多」，已经把这个数据压缩到了130左右。

在这个数据集上，已经可以和商用资料库相媲美，甚至在某些方面犹有过之了，当然，也不同程度的呈现出了过拟合，算是针对性优化。

陈雁行把自己

章节内容不完整，请退出阅读模式查看完整内容！