原创 18.065自學安排
引言 「人的一生中，最光輝的一天並非是功成名就那天，而是從悲嘆與絕望中產生對人生的挑戰，以勇敢邁向意志那天。」福樓拜 最近找實習的過程中遇到很多挫折，但是我很感謝珍珍能在我最失意的時候告訴我這個道理。 課程簡介 計劃完成的課程是《Matri
2019-05-23 14:18:30
原创 AdaBoost算法
本篇筆記是針對二分類的AdaBoost算法總結。主要參考林軒田老師的《機器學習技法》課程，以及李航博士的《統計學習方法》第二版。沒錯，第二版已經出版了，快去買啊！ 符號聲明 \(D = \{(x_1, y_1), (x_2, y_2),
2019-05-16 14:19:24
原创 學習資料
PCA和LDA - 百面機器學習，統計學習方法（第二版），李政軒Linear Discriminant Analysis SVM - 林軒田機器學習技法，統計學習方法（第二版） Kernel Trick - 李政軒 Adaboost -
2019-05-14 14:17:37
原创 如何在google colab加載kaggle數據
參考https://medium.com/@yvettewu.dw/tutorial-kaggle-api-google-colaboratory-1a054a382de0 從本地上傳到colab上十分慢，可以在colab下直接配置kagg
2019-05-02 14:14:54
1
原创 Trie樹
https://hihocoder.com/problemset/problem/1014 代碼 #include <iostream> #include <vector> #include <string> using namespace
2019-05-01 00:57:17
原创 字節跳動機試準備
引言 最近投了字節跳動的算法崗，突然給我發了機試通知，真是防不勝防，本來以爲已經涼了。既然如此那就好好準備，這幾天便將LeetCode上字節跳動專題中的題目好好刷一刷，刷的題目都是帶有標記的，也就是這家公司最常考的題目。 專題1:挑戰字符串
2019-04-11 14:20:10
原创 Kmeans
算法梗概 The k-means algorithm is one of the simplest yet most popular machine learning algorithms. It takes in the data poi
2019-04-03 14:20:00
原创 135. 加油站
題目描述 在一條環路上有 N 個加油站，其中第 i 個加油站有汽油 gas[i] 升。 你有一輛油箱容量無限的的汽車，從第 i 個加油站開往第 i+1 個加油站需要消耗汽油 cost[i] 升。你從其中的一個加油站出發，開始時油箱爲空。 如
2019-04-02 14:19:56
原创 Mac CLion下OpenGL環境配置
1. 配置glew和glfw 終端下運行下面兩句，安裝完後在/usr/local/Cellar/下可以找到對應的目錄。 brew install glew brew install glfw3 效果如下所示：  2. 配置glad gl
2019-03-29 14:24:30
原创 支持向量機數學推導
引言 SVM的數學推導真的是我一生的痛，看看覺得很懂，但是過了3秒，就在糾結，爲什麼可以這樣換算？今天早上在看集成學習的時候，講課的老師一直說SVM、SVM、SVM。。。嗯，沒錯，我又開始回想SVM的數學推導過程，然後，我的一個早上就這樣沒
2019-03-19 14:20:53
原创 【小米機試】廚藝大賽獎金
題目描述 小米食堂每年都會舉辦一次廚藝大賽，假設參賽的廚師一共有n位（n < 1000），比賽結束後沒有公佈評分，但是站在領獎臺上的一排廚師中每位廚師都能看到與自己相鄰的廚師（左或者右）裏評分比自己低（看不到比自己分數高的人的分數）的評分。
2019-03-16 14:22:21
原创 【線性代數】正交矩陣和格蘭姆-施密特正交化
引言 一組線性無關的向量可以張成一個向量子空間，比如向量\(\overrightarrow{e_1} = \left[ \begin{matrix} 1 \\ 2 \end{matrix} \right]\)和\(\overrightarr
2019-03-16 14:22:21
原创 【leet-code】542. 01 矩陣
題目描述 給定一個由 0 和 1 組成的矩陣，找出每個元素到最近的 0 的距離。 兩個相鄰元素間的距離爲 1 。 示例 1: 輸入: 0 0 0 0 1 0 0 0 0 輸出: 0 0 0 0 1 0 0 0 0 示例 2: 輸入: 0 0
2019-03-15 14:23:09
原创 邏輯迴歸損失函數推導
引言 假設今天希望將機器學習應用到醫院中去，比如對於某一個患了心臟病的病人，求他3個月之後病危的概率。那麼我們該選擇哪一個模型，或者可以嘗試已經學過的線性迴歸？ 但是很遺憾的是，如果我們要利用線性迴歸，我們收集到的資料中應當包含病人3個月後
2019-03-13 14:04:37