原创 線性迴歸損失函數求解

引言 上一篇筆記中已經記錄了,如何對一個無解的線性方程組\(Ax=b\)求近似解。在這裏,我們先來回顧兩個知識點: 如何判斷一個線性方程組無解:如果拿上面那個方程組\(Ax=b\)舉例,那就是向量\(b\)不在矩陣A對應的列空間中,至於列

原创 【線性代數】爲什麼點積爲零可以用來判別向量是否正交

引言 一般的課本上都會告訴我們判斷兩個向量是否正交可以通過它們的點積爲0判斷,那麼到底爲什麼? 向量 一個向量是有方向和長度的,我們記向量\(\overrightarrow{a}\)的長度爲\(\left\|a\right\|\),也叫向量

原创 【線性代數】四個基本子空間

矩陣A一共對應着4個基本子空間,分別是列空間、行空間、零空間以及左零空間 行空間 設一m行n列實元素矩陣爲\(A\)(mxn),則其行空間(Row Space)是由矩陣A的所有行向量所生成的\(R^n\)上的子空間,記作\(C(A^{\ma

原创 【線性代數】如何尋找一個投影矩陣

引言 想一下,在什麼情況下可能需要將一個向量往一個子空間投影。在MIT的線代課程中,Gilbert教授給出了一種場景:即我們想要求解\(Ax=b\),但是\(b\)不在\(A\)的列空間中,此時我們希望在\(A\)的列空間中找一個離\(\o

原创 【hihoCoder】#1133 : 二分·二分查找之k小數

題目描述 在上一回裏我們知道Nettle在玩《艦これ》,Nettle的鎮守府有很多船位,但船位再多也是有限的。Nettle通過撈船又出了一艘稀有的船,但是已有的N(1≤N≤1,000,000)個船位都已經有船了。所以Nettle不得不把其中

原创 [LeetCode解題報告] 703. 數據流中的第K大元素

題目描述 設計一個找到數據流中第K大元素的類(class)。注意是排序後的第K大元素,不是第K個不同的元素。 你的 KthLargest 類需要一個同時接收整數 k 和整數數組nums 的構造器,它包含數據流中的初始元素。每次調用 KthL

原创 【排序】堆排序

什麼是堆 堆是一棵完全二叉樹,可以用數組來存儲。比如一個數組[3, 8, 15, 31, 24],具體爲一個堆,它的邏輯結構如下所示:(圖來自https://www.cnblogs.com/jingmoxukong/p/4303826.ht

原创 【leet-code】712. 兩個字符串的最小ASCII刪除和

題目描述 給定兩個字符串s1, s2,找到使兩個字符串相等所需刪除字符的ASCII值的最小和。 示例 1: 輸入: s1 = "sea", s2 = "eat" 輸出: 231 解釋: 在 "sea" 中刪除 "s" 並將 "s" 的值(1

原创 決策樹

如何構建決策樹 準備工作: 明確自變量和因變量 確定信息度量的方式 確定終止條件 選擇特徵 得到當前待處理子集 計算所有特徵信息度量 得到當前最佳分類特徵 創建分支 根據選中特徵將當前記錄分成不同分支,分支個數取決於算法 是否

原创 146. LRU緩存機制

題目描述 運用你所掌握的數據結構,設計和實現一個LRU (最近最少使用) 緩存機制。它應該支持以下操作: 獲取數據 get 和 寫入數據 put 。 獲取數據 get(key) - 如果密鑰 (key) 存在於緩存中,則獲取密鑰的值(總是

原创 使用matlibplot.pyplot設置畫圖的座標系

今天看了林軒田老師的感知機算法,心血來潮想要做個可視化過程,以便觀察更新的過程。 現將學習成果做個記錄,下面是畫出來的圖,這是初始的狀態,後面會通過算法找到一條經過原點的直線將兩堆數據分割開來。 直線以及兩堆數據是隨機生成的,下面介紹畫出

原创 1 感知機

“知錯能改”算法梗概: 目標:w1x1+w2x2=0是一條經過原點的直線,找到合適的參數w1,w2使得該直線的較好的區分兩組數據 隨機初始化參數w1,w2. 之前的法向量爲(w1, w2) 開始迭代: 當對某一個數據錯誤的分類後,對兩個

原创 [leetcode]238. 除自身以外數組的乘積

題目描述 給定長度爲 n 的整數數組 nums,其中 n > 1,返回輸出數組 output ,其中 output[i] 等於 nums 中除 nums[i] 之外其餘各元素的乘積。 示例: 輸入: [1,2,3,4] 輸出: [24,12

原创 1.1 PIL:Python圖像處理類庫

from PIL import Image img = Image.open('Husky.jpg') # 看看這貨長什麼樣子 img # 看看它的大小 print('The size of this image is:{0}'.form

原创 彩色圖到灰度圖究竟是怎麼變換的

  之前對彩色圖與灰度圖僅僅停留在前者是3通道後者是單通道的理解上。我也知道計算機看圖片是將它們當成數組,但是一直搞不清楚將一張彩色圖轉變爲灰度圖是怎麼操作的。當然,很多庫函數都提供藉口,包括OpenCV、PIL等。這裏我參考https:/