原创 使用python寫web 簡單入門 /web框架
做畢設，搗鼓半天eclipse想要用來做 安插pydev始終沒成功，不清楚是不是java的問題 想來近年也一直在用python寫東西，那要不看看有沒有直接基於python可以用的web框架 之前做項目有接觸過flask，然後還是覺得有點複雜
2021-11-07 13:10:08
原创 heapq 堆
import heapq python裏提供的一個庫 建立一個小頂堆 做題可能經常會用到 基礎寫法還是要會的 import heapq nums = [-1, 34, 4, -114, 514, 1919,810] #返回前4大的數
2021-10-12 13:09:54
原创 數組中第k大的數
給定整數數組 nums 和整數 k，請返回數組中第 k 個最大的元素。 請注意，你需要找的是數組排序後的第 k 個最大的元素，而不是第 k 個不同的元素。 思路：非常經典的題，維護一個大小爲k的小頂堆，最後輸出堆頂就可以了 heapq庫用的
2021-10-12 13:09:54
原创 每日一題 482. 密鑰格式化
有一個密鑰字符串 S ，只包含字母，數字以及 '-'（破折號）。其中， N 個 '-' 將字符串分成了 N+1 組。 給你一個數字 K，請你重新格式化字符串，使每個分組恰好包含 K 個字符。特別地，第一個分組包含的字符個數必須小於等於 K，
2021-10-05 13:09:54
原创 算法筆記Go！
光速寫個總結！磨磨蹭蹭的 最近在拿起以前學習的算法東西，準備面試的刷題。寫一下最近學習碰到的題目，這是一個總結link，往後如果還刷了什麼題就在這裏添加（對應Leetcode的題目） 目標：根據下面大綱分別寫算法筆記，每一類至少5條題！（今
2021-09-27 13:10:03
原创 影視作品項目思路的零碎吐槽與實現 隨筆
想到什麼寫什麼吧 項目做了一年多了 逐漸取得好的效果，但是一直沒有記錄心得，可能遲早要寫，畢業論文、項目什麼的 都要寫 從最開始選取研究對象參數的特徵 到特徵整合、數據收集、建模的嘗試、模型選擇與實現，讓我對數據建模的實踐有一個緩慢但逐漸熟
2021-09-27 13:10:03
原创 DFS與BFS的python實現
最近複習題目，發現對圖的python實現比較無知，所以實現一下。 在python中採用字典來表示圖的結構，訪問非常方便。 BFS與DFS非遞歸的寫法最大的差別是在遍歷的過程中路過的結點一個用隊列保存，一個用棧保存，其他結構幾乎是一樣的！ 這
2021-09-21 13:10:06
原创 無向圖中找到長度爲k的“鏈”
今天做美團筆試，小白啊真的是菜！之前一直沒來得及看圖 都是我的鍋 都是我的鍋 結束以後惡補了兩小時圖的基本知識和bfs、dfs的基本原理與實現後把這個題做出來了。也不知道對不對，但是大致上理解應該是差不多的 美團筆試的題內容大概就是 給出幾
2021-09-19 13:10:05
原创 無序數組中找一個比左邊都大、右邊都小的數
人生第一面 字節跳動 問的這個題 頭腦混亂當時沒做出來 今天寫了 面試題：在一個int數組裏查找這樣的數，它大於等於左側所有數，小於等於右側所有數 返回下標 思路：開數組遍歷數組，保存當前最小值最大值；然後第二遍遍歷的時候直接判斷這個數啊是
2021-09-18 13:10:17
原创 Elasticsearch 入門：簡單實例
下載直接pip install就行 直接掛簡單樣例代碼 import elasticsearch import os import re import json import time from elasticsearch.helpe
2021-08-25 13:09:56
原创 推薦系統入門筆記1---基於內容推薦的基礎架構
（回頭我自己畫個圖） 一、推薦系統：個性化推薦的本質是提升信息篩選的效率，如果信息量級小個性化意義不大，需要有大數量級的推薦單位；理論上來說，優質內容越多、類別分佈越廣泛，個性化推薦效果越好。 二、內容的標準化處理 把內容處理成機器與算
2021-08-23 13:10:01
原创 （3）機器學習實戰筆記：樸素貝葉斯
優點：數據比較少的時候仍然有效，可以處理多類別問題 缺點：對於輸入數據的準備方式比較敏感 適用的數據類型：標稱型數據 將一組單詞轉換爲一組數字 使用數字計算概率 著名應用：使用樸素貝葉斯過濾垃圾郵件 分類思路： （1）收集數據：
2020-12-04 13:50:51
原创 （3）機器學習實戰筆記：決策樹
Chapter3 11.26 決策樹 主要優勢：數據形式非常容易理解 可以使用不熟悉的數據集合，並從中提取出一系列規劃 給出的結果往往可以匹敵在當前領域具有幾十年工作經驗的人類專家 優點：計算複雜度不高，輸出結果容易理解，對中間
2020-11-27 13:50:56
原创 （1）機器學習實戰筆記：機器學習的主要任務
11.23 排名前10的數據挖掘算法： C4.5決策樹，K-mean，支持向量機，Apriori、最大期望算法（EM） PageRank算法，AdaBoost算法，k-近鄰算法（kNN） 樸素貝葉斯算法（NB）、分類迴歸樹(CART
2020-11-26 13:51:13
原创 （2）機器學習實戰筆記：k近鄰算法
寫的很粗糙，以後實現了具體的算法再改進內容 ——————————————————————————————————————————————— k近鄰算法： 概述： 優點： 1、精度高，對異常值不敏感，無數據輸入假定 缺點：計算複雜高，空間
2020-11-26 13:51:13