编程之旅-Day25

linyuhan3232

于 2019-04-10 09:21:20 发布

阅读量187

点赞数

分类专栏：计算机编程算法数据结构文章标签：算法数据结构

本文链接：https://blog.csdn.net/linyuhan3232/article/details/89135935

版权

计算机同时被 3 个专栏收录

52 篇文章 0 订阅

订阅专栏

编程

52 篇文章 0 订阅

订阅专栏

数据结构

48 篇文章 0 订阅

订阅专栏

/*
struct TreeNode {
	int val;
	struct TreeNode *left;
	struct TreeNode *right;
	TreeNode(int x) :
			val(x), left(NULL), right(NULL) {
	}
};*/
class Solution {
public:
    bool HasSubtree(TreeNode* pRoot1, TreeNode* pRoot2)
    {
        bool result=false;
        if(pRoot1!=nullptr&&pRoot2!=nullptr){
            if(pRoot1->val==pRoot2->val){
                result=DoesTree1HaveTree2(pRoot1,pRoot2);
            }
            if(!result){
                result=HasSubtree(pRoot1->left,pRoot2);
            }
             if(!result){
                result=HasSubtree(pRoot1->right,pRoot2);
            }
        }
        return result;
    }
     bool DoesTree1HaveTree2(TreeNode* pRoot1, TreeNode* pRoot2){
         if(pRoot2==nullptr){
             return true;
         }
         if(pRoot1==nullptr){
             return false;
         }
         if(pRoot1->val!=pRoot2->val){
             return false;
         }
         return DoesTree1HaveTree2(pRoot1->left,pRoot2->left)&&DoesTree1HaveTree2(pRoot1->right,pRoot2->right);
     }
};

面试题19：正则表达式匹配

题目描述：

请实现一个函数用来匹配包括'.'和'*'的正则表达式。模式中的字符'.'表示任意一个字符，而'*'表示它前面的字符可以出现任意次（包含0次）。在本题中，匹配是指字符串的所有字符匹配整个模式。例如，字符串"aaa"与模式"a.a"和"ab*ac*a"匹配，但是与"aa.a"和"ab*a"均不匹配

代码：

class Solution {
public:
    bool match(char* str, char* pattern)
    {
        if(str==nullptr||pattern==nullptr){
            return false;
        }
        return matchCore(str,pattern);
    }
    bool matchCore(char* str, char* pattern){
        if(*str=='\0'&&*pattern=='\0'){
            return true;
        }
        if(*str!='\0'&&*pattern=='\0'){
            return false;
        }
        if(*(pattern+1)=='*'){
            if(*str==*pattern||(*pattern=='.'&&*str!='\0')){
              return matchCore(str+1,pattern+2)||matchCore(str+1,pattern)||matchCore(str,pattern+2);
            }
            else{
                return matchCore(str,pattern+2);
            }
        }
        if(*str==*pattern||(*pattern=='.'&&*str!='\0')){
            return matchCore(str+1,pattern+1);
        }
        return false;
    }
};

2.Leetcode

例1:转换排序数组为平衡二叉树

题目描述：

Given an array where elements are sorted in ascending order, convert it to a height balanced BST.

代码：

/**
 * Definition for binary tree
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    TreeNode *sortedArrayToBST(vector<int> &num) {
        return ArrayToBST(num,0,num.size());
    }
    TreeNode *ArrayToBST(vector<int> &num, int begin, int end){
        if(begin>=end){
            return nullptr;
        }
        int middle=(begin+end)>>1;
        TreeNode *root=new TreeNode(num[middle]);
        root->left=ArrayToBST(num,begin,middle);
        root->right=ArrayToBST(num,middle+1,end);
        return root;
    }
};

例2:二叉树的最大深度

例1:题目描述：

Given a binary tree, find its maximum depth.

The maximum depth is the number of nodes along the longest path from the root node down to the farthest leaf node.

思路：递归实现

代码：

/**
 * Definition for binary tree
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    int maxDepth(TreeNode *root) {
        if(root==nullptr) return 0;
        return max(maxDepth(root->left),maxDepth(root->right))+1;
    }
};

例3:二叉树的中序遍历

题目描述：

Given a binary tree, return the inorder traversal of its nodes' values.

For example:
Given binary tree{1,#,2,3},

return[1,3,2].

Note: Recursive solution is trivial, could you do it iteratively?

confused what"{1,#,2,3}"means? > read more on how binary tree is serialized on OJ.

OJ's Binary Tree Serialization:

The serialization of a binary tree follows a level order traversal, where '#' signifies a path terminator where no node exists below.

Here's an example:

The above binary tree is serialized as"{1,2,3,#,#,4,#,#,5}".

思路：递归实现

代码：

/**
 * Definition for binary tree
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    vector<int> inorderTraversal(TreeNode *root) {
        vector<int> res;
        if(root==nullptr){
            return res;
        }
        return inorderTraversalCore(root,res);
    }
    vector<int> inorderTraversalCore(TreeNode *root,vector<int> &res){
        if(root==nullptr){
            return res;
        }
        if(root->left!=nullptr){
            inorderTraversalCore(root->left,res);
        }
        res.push_back(root->val);
        if(root->right!=nullptr){
            inorderTraversalCore(root->right,res);
        }
        return res;   
    }
};

3.机器学习专项训练

例1:如下表是用户是否使用某产品的调查结果（C）

UID	年龄	地区	学历	收入	用户是否使用调查产品
1	低	北方	博士	低	是
2	高	北方	本科	中	否
3	低	南方	本科	高	否
4	高	北方	研究生	中	是

请计算年龄，地区，学历，收入中对用户是否使用调查产品信息增益最大的属性（Log23≈0.63）正确答案: C 你的答案: C (正确)

A.年龄 B.地区 C.学历 D.收入

解析：所有本科学历都不使用调查产品，所有非本科学历都使用了调查产品。这种可以确定的划分导致信息熵为0，信息增益最大。

例2:关于 logit 回归和 SVM 不正确的是（A）正确答案: A 你的答案: A (正确)

A.Logit回归目标函数是最小化后验概率 B.Logit回归可以用于预测事件发生概率的大小
C.SVM目标是结构风险最小化.         D.SVM可以有效避免模型过拟合

解析：A. Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数，并没有最大化后验概率，更谈不上最小化后验概率。A错误 B. Logit回归的输出就是样本属于正类别的几率，可以计算出概率，正确 C. SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面，应该属于结构风险最小化，严格来说也是错误的。 D. SVM可以通过正则化系数控制模型的复杂度，避免过拟合。

例3:机器学习中做特征选择时，可能用到的方法有？（ABCD）正确答案: A B C D 你的答案: B D (错误)

A.卡方 B.信息增益 C.平均互信息 D.期望交叉熵

解析：特征提取算法

特征提取算法分为特征选择和特征抽取两大类

特征选择

常采用特征选择方法。常见的六种特征选择方法：

DF(Document Frequency) 文档频率
DF:统计特征词出现的文档数量，用来衡量某个特征词的重要性
MI(Mutual Information) 互信息法
互信息法用于衡量特征词与文档类别直接的信息量。
如果某个特征词的频率很低，那么互信息得分就会很大，因此互信息法倾向”低频”的特征词。
相对的词频很高的词，得分就会变低，如果这词携带了很高的信息量，互信息法就会变得低效。
(Information Gain) 信息增益法
通过某个特征词的缺失与存在的两种情况下，语料中前后信息的增加，衡量某个特征词的重要性。
CHI(Chi-square) 卡方检验法
利用了统计学中的”假设检验”的基本思想：首先假设特征词与类别直接是不相关的
如果利用CHI分布计算出的检验值偏离阈值越大，那么更有信心否定原假设，接受原假设的备则假设：特征词与类别有着很高的关联度。
WLLR(Weighted Log Likelihood Ration)加权对数似然
WFO（Weighted Frequency and Odds）加权频率和可能性
期望交叉熵，以文本分类为例子，期望交叉熵用来度量一个词对于整体的重要程度。
特征抽取（降维） PCA等

例4:SPSS中，数据整理的功能主要集中在（AD ）等菜单中正确答案: A D 你的答案: A D (正确)

A.数据 B.直销 C.分析 D.转换

解析：SPSS 对数据整理的功能主要集中在 数据，转换等菜单，分析里面是一堆模型和方法，比如相关分析，回归等。

linyuhan3232

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
编程之旅-Day25

目录Day25-学习内容：1.剑指Offer面试题26：树的子结构面试题19：正则表达式匹配2.Leetcode例1:转换排序数组为平衡二叉树例2:二叉树的最大深度例3:二叉树的中序遍历3.机器学习专项训练1.剑指Offer面试题26：树的子结构题目描述：输入两棵二叉树A，B，判断B是不是A的子结构。（ps：我们约定空树不是任意一个树的子结构）...
复制链接

扫一扫