![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法学习
CHENMING321
这个作者很懒,什么都没留下…
展开
-
庞果英雄汇——数组排序
题目详情 本题来自caopengcs,只要你有兴趣,每个人都可以出题(出题入口在主页右侧边栏“贡献题目”->“我要发布”内),以下是题目详情: 给定一个包含1-n的数列,我们通过交换任意两个元素给数列重新排序。求最少需要多少次交换,能把数组排成按1-n递增的顺序,其中,数组长度不超过100。 例如: 原数组是3,2,1, 我们只需要交换1和3就行了,交换次数为1,所以输原创 2013-10-27 00:03:49 · 997 阅读 · 0 评论 -
探索推荐引擎内部的秘密,第 3 部分: 深入推荐引擎相关算法 - 聚类
赵 晨婷, 软件工程师, IBM 马 春娥, 软件工程师, IBM 简介: 智能推荐大都基于海量数据的计算和处理,然而我们发现在海量数据上高效的运行协同过滤算法以及其他推荐策略这样高复杂的算法是有很大的挑战的,在面对解决这个问题的过程中,大家提出了很多减少计算量的方法,而聚类无疑是其中最优的选择之一。 聚类 (Clustering) 是一个数据挖掘的经典问题,它的目的是将数转载 2013-09-25 22:49:01 · 1085 阅读 · 0 评论 -
Machine Learing by Andrew Ng笔记 (二):Linear Regression with One Variable部分一
在本章节中,Andrew Ng老师 主要讲述了单变量的线性回归模型 他首先介绍模型中的一些基本概念,譬如:训练集(对于每一个数据,它具有明确的结果)、X (输入变量)、Y(输入或目标变量)、 (x,y)(代表一个训练实例)、(X^i , Y^i)(代表第 i 次的观察值)、 h(代表学习算法的解决方法或函数) 接下来课程介绍了成本函数(Cost Function) 其中h表示成 (原创 2013-06-23 15:33:45 · 1007 阅读 · 1 评论 -
每天学点推荐系统(一)
《Toward the Next Generation of Recommender Systems_A Survey of the State-of-the-Art and Possible Extensions 》论文学习笔记(1)(如需要此文章可留下邮箱) 论文概要:这篇论文主要专注介绍目前推荐系统领域的三种推荐方法:分别是基于内容,协同过滤,组合推荐。同时也介绍了在使用推荐方法时一些局限原创 2013-03-03 00:46:00 · 609 阅读 · 0 评论 -
Machine Learing by Andrew Ng笔记 (一):introduce
因为,之前下载过公开课版的,所以 对于第一节课“introduce”,算是比较了解了。 它主要介绍了:ML的基本概念,以及一些基本的用途,并且讲述了ML中包括的几种算法。 算法分为:监督式与非监督式。 监督式里面包括: 回归分析:通过测试数据集,得到回归函数(线性与非线性),从而根据输入值得到预测值; 分类分析(SVD):通过测试数据集,得到分类算法,根据输入值把数据归为不同的类(事先确原创 2013-06-22 16:01:18 · 763 阅读 · 0 评论 -
Machine Learing by Andrew Ng笔记 (二):Linear Regression with One Variable部分二+部分线性代数
上一篇文章中提到了一般情况下(θ0不为0)梯度下降算法的寻找最小的θ0,θ1。 根据之前的消费函数,改变后的更新式子如下: 根据训练集中的训练实例不断更新两个偏导数的值,从而得到最小J(θ0,θ1)的。 在课程中介绍了线性代数的部分知识: 1. 矩阵的加减运算。 2. 矩阵的代数运算。 3. 矩阵与向量之间的运算 4. 矩阵与矩阵的符合运算 5.矩阵的转置与矩阵的逆原创 2013-06-24 23:06:28 · 715 阅读 · 0 评论