原创 【機器學習】損失函數MAE
RMSE（均方根誤差）、MSE（均方誤差）、MAE（平均絕對誤差）、SD（標準差） RMSE（Root Mean Square Error）均方根誤差 衡量觀測值與真實值之間的偏差。 常用來作爲機器學習模型預測結果衡量的標準。 MSE（
2019-08-23 05:42:02
原创 【Python】內省和反射
反射 比如導入模塊、調用函數等等，這些都是python的反射機制，是一種編程方法、設計模式的體現，凝聚了高內聚、鬆耦合的編程思想，不能簡單的用執行字符串來代替。 內建函數 意義 getattr(object,name[,default])
2019-08-14 05:18:54
原创 【數據結構】哈希表
在python中就是字典。常見題目有： 經典的two sum Bloom Filter Bloom Filter跟單哈希函數Bit-Map不同之處在於：Bloom Filter使用了k個哈希函數，每個字符串跟k個bit對應。從而降低了
2019-08-14 05:18:54
原创 【leetcode】76. 最小覆蓋子串
hard 苦澀.jpg 給你一個字符串 S、一個字符串 T，請在字符串 S 裏面找出：包含 T 所有字母的最小子串。 輸入: S = "ADOBECODEBANC", T = "ABC" 輸出: "BANC" def longest_s
2019-08-13 16:34:09
原创 【leetcode】找出數組的第k大的數
用快排，原始的快排 def quick_sort(nums,l,r): if l<=r:return tmp = nums[0] while l<r: while l<r and nums[r
2019-08-13 16:34:09
原创 【leetcode】最長公共子序列和最長公共子串
這兩個概念我之前一直沒搞清。 1. 最長公共子序列（LCS） 1.1 問題描述 1.2 思路 利用動態規劃。 下一步就要找到狀態之間的轉換方程。 因此可以根據這個方程來進行填表，以"helloworld"和“loop”爲例： 1.3 代
2019-08-08 16:55:08
2
原创 【網易校招】2019秋筆試題
第一道題 思路： 第Q個和倒數第Q個，每一位相加都等於n+1。（我驚呆了！） #include <iostream> using namespace std; int main() { int n; int t
2019-08-06 05:26:17
原创 【leetcode】揹包九講
1. 01揹包 二維數組+動規 狀態轉移方程：定義f[i][j]: 前i個物品，揹包容量j下的最優解 1）當前揹包容量不夠，爲前i-1個物品最優解：j<w[i]： f[i][j] = f[i-1][j] 2）當前揹包容量夠，判斷選與不
2019-08-06 05:26:17
原创 【機器學習】先驗概率與後驗概率
從原因到結果的論證稱爲“先驗的”，而從結果到原因的論證稱爲“後驗的”。 先驗概率是指根據以往經驗和分析得到的概率，如全概率公式中的 ，它往往作爲“由因求果”問題中的“因”出現。 後驗概率是指在得到“結果”的信息後重新修正的概率，是“執果尋
2019-08-06 05:26:17
1
原创 【風控實踐】徵信模型改進word2vec
這次改進打算使用中文的word2vec代替原本代碼裏的隨機生成。第一次弄，問題記錄如下： 使用別人訓練好的模型加載 model = word2vec.Word2Vec.load("D:\\work\\Word2Vec訓練好的模型\\搜狐
2019-07-30 17:09:37
20
原创 【劍指offer】旋轉數組的最小數字
二分查找（Binary Search）：每次查找都把旋轉數組平均分成兩部分，通過比較當前旋轉數組兩端點和中間點的值，判斷最小值在數組的哪一部分，從而達到縮小搜索範圍的目的。其中，兩端點爲當前的旋轉數組索引最小和索引最大的元素，中間點爲這兩
2019-07-30 05:01:27
原创 【劍值offer】位運算相關
複習一下位運算 位運算小結（按位與、按位或、按位異或、取反、左移、右移） 位運算不管是在Java語言，還是在C語言中，或者其他語言，都是經常會用到的，所以本文也就不固定以某種語言來舉例子了，原始點就從0、1開始。位運算主要包括按位與(&)
2019-07-30 05:01:27
原创 【leetcode】386. 字典序排數
給定一個整數 n, 返回從 1 到 n 的字典順序。 例如，給定 n =13，返回 [1,10,11,12,13,2,3,4,5,6,7,8,9] 。 請儘可能的優化算法的時間複雜度和空間複雜度。 輸入的數據 n 小於等於 5,000,0
2019-07-30 05:01:27
原创 【機器學習】常用損失函數總結
損失函數用來評價模型的預測值和真實值不一樣的程度，損失函數越好，通常模型的性能越好。不同的模型用的損失函數一般也不一樣。 損失函數分爲經驗風險損失函數和結構風險損失函數。經驗風險損失函數指預測結果和實際結果的差別，結構風險損失函數是指經驗
2019-07-30 05:01:27
原创 【劍指offer】數據流中的中位數
主要思路： # -*- coding:utf-8 -*- from heapq import * class Solution: def __init__ (self): self.maxheap = []
2019-07-30 05:01:27