240 发简信
IP属地:北京
  • 机器学习 && 深度学习

    简单分类算法:Bayes LR SVM 决策树(C4.5 CART) 复合分类算法:Adaboost xgboost GBDT 隐主题算法:pLSA LDA EM...

  • 滑动窗口 合集

    3. 无重复字符的最长子串 76.最小覆盖子串 给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,...

  • 计算机网络+操作系统

    操作系统就看内存管理、进程管理和文件系统,一般虚拟内存问的多。网络编程这块就包括 TCP/IP 协议,HTTP协议,网络安全三个方面。TCP/IP主要就是三次握手,四次挥手,...

  • 海量数据处理问题

    https://blog.csdn.net/v_JULY_v/article/details/6279498[https://blog.csdn.net/v_JULY_v/a...

  • 120
    链表题目合集

    23. 合并K个升序链表 给你一个链表数组,每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中,返回合并后的链表。输入:lists = [[1,4,5],[1,3,...

  • Stack Queue Deque PriorityQueue

    QueueQueue q = new LinkedList<>();q.offer()q.poll()q.peek() DequeDeque deque = new Li...

  • 股票交易问题合集

    121. 买卖股票的最佳时机——只允许交易一次 动态规划 || 一次遍历 给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的...

  • 120
    背包问题合集

    背包问题 判断是排列问题 还是 组合问题 确定遍历顺序: 如果求组合数就是外层for循环遍历物品,内层for遍历背包。 如果求排列数就是外层for遍历背包,内层for循环遍历...

  • 防止过拟合

    方法有三: L1和L2正则 Dropout early stop 1. L1和L2正则: 模型权重越小,复杂度越低。越能防止过拟合 L1正则和L2正则 公式、以及反向梯度传播...

  • 需要大佬帮忙解决的困惑问题

    回归模型问题描述:预测用户最可能登端的时间,取值是[7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]Q1:这种适合回归嘛?Q2:回归模型的...

  • 120
    岛屿问题

    岛屿遍历的考虑要点:(1) 设置返回边界,可以先污染后治理(2) 防止来回横跳,添加状态"2",代表原来"1"已经遍历过了(3) 每个单元格的临近节点有四个 例题 1:岛屿的...

  • 120
    单调栈

    316.去除重复字母(https://leetcode-cn.com/problems/remove-duplicate-letters[https://leetcode-c...

  • Rank

    快速排序不稳定算法。时间复杂度在最坏情况下是O(N2),平均的时间复杂度是O(N*lgN)。 归并排序归并排序的时间复杂度是O(N*lgN),稳定的排序算法 堆排序不稳定的算...

  • Tensorflow

    keras中文文档: https://keras.io/zh/losses/[https://keras.io/zh/losses/] keras英文文档: https://...

  • 120
    特征处理

    特征工程https://www.zhihu.com/question/29316149/answer/110159647[https://www.zhihu.com/ques...

  • 120
    AUC

    AUC AUC指标 正样本排在负样本前面的概率,该指标能反映模型的排序能力。 通俗解释:随机挑选一个样本p0 和 负样本p1,模型预测结果可是的f(p0)>f(p1)的概率。...

  • 120
    海量数据处理的面试题

    1. 给40亿个不重复的unsigned int的整数,没排过序的,然后再给一个数,如何快速判断这个数是否在那40亿个数当中? 引出Bitmap举一个小例子,有一个无序整形数...

  • 120
  • 【转】RF、GBDT、XGBoost面试级整理

    由于本文是基于面试整理,因此不会过多的关注公式和推导,如果希望详细了解算法内容,敬请期待后文。 RF、GBDT和XGBoost都属于集成学习(Ensemble Learnin...