2018年05月_奋斗的小炎

原创面试算法combine sum专题讲解二（动态规划法）

这一部分，我们将讲解DP问题求解combine sum的最优解问题。涉及的代码题目是leetcode 377、322leetcode 377问题描述：整数数组，无重复元素，但每个数字可以被重复使用，给出组合的总数，无须给出所有排列。算法设计思路：创建dp数组，dp[i]表示target为i时，无重复元素组合的总数。算法实现：class Solution(object): def combi...

2018-05-30 09:52:26 503

combine sum是面试算法中最常考的一类题型，其主要思想是应用背包问题的延伸。主要描述为：在一组数字中，寻找子数组，使子数组的元素和为target的所有组合，求罗列所有组合，或求解组合总数，或求解最少使用的组合中元素个数（找零钱问题leetcode322）这里我们就几道经典leetcode题目来做一下综述和讲解。本节的三个题目39、40、216都是回溯法解题。关于回溯法的介绍，可以查看以下博...

2018-05-30 08:59:03 807

转载机器学习中特征选择的方法综述

本文摘自知乎用户文章的第三章节，源出处地址：作者：城东链接：https://www.zhihu.com/question/28641663/answer/110165221来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。当数据预处理完成后，我们需要从所有特征中选择有意义的特征，并将其输入机器学习算法和模型进行训练。通常来说，从以下两个方面考虑来选择特征：（1）特征是否...

2018-05-29 20:25:22 1676

原创什么是lambda函数？使用lambda函数有什么好处？

（一）什么是lambda函数：Python支持一种有趣的语法，它允许你快速定义单行的最小函数。这些叫做lambda的函数是从Lisp中借用来的，可以被用在任何需要函数的地方。lambda 函数是一个可以接收任意多个参数（包括可选参数）并且返回单个表达式值的匿名函数。（注意：lambda 函数不能包含命令，它们所包含的表达式也不能超过一个）（二）使用lambda函数的好处：1、lambda函数比较...

2018-05-29 18:15:09 20428

转载（转载）特征工程概述与理解

https://blog.csdn.net/NXHYD/article/details/76787801目录1 特征工程是什么？2 数据预处理　　2.1 无量纲化　　　　2.1.1 标准化　　　　2.1.2 区间缩放法　　　　2.1.3 标准化与归一化的区别　　2.2 对定量特征二值化　　2.3 对定性特征哑编码　　2.4 缺失值计算　　2.5 数据变换3 特征选择　　3.1 Filter　　　　...

2018-05-29 17:36:46 324

原创 python中lambda函数的理解与使用

Lambda函数，即Lambda 表达式(lambda expression)，是一个匿名函数（不存在函数名的函数），Lambda表达式基于数学中的λ演算得名，直接对应于其中的lambda抽象(lambda abstraction)。入门Python的朋友会问，函数没有名字也可以吗？当然可以。有些函数如果只是临时一用，而且它的业务逻辑也很简单（比如做个简单加法、取绝对值、简单过滤等）时，就没必要非...

2018-05-29 17:32:07 38097 2

转载机器学习中高维数据降维技术的总结与研究

本文有比较多的转载其他研究人员的博客https://blog.csdn.net/u014772862/article/details/52335970作为一名机器学习的科研人员，之前在推荐系统的开发和工作中，学习了PCA（主成分分析）与SVD（奇异值分解）方面的技术，但是还没有写过总结性的文章，此次，本人总结一些关于降维技术的调研，希望大家多多指教。降维方法一般分为线性降维方法和非线性降维方法，如...

2018-05-29 15:09:23 10786 1

原创 LDA（Dirichlet Distribution）主题模型基本知识与理解（二）

在第一部分博客里已经讲解了LDA的一些基本组成，这篇博文将会讲解LDA在NLP方面的应用。望大家继续支持上一篇博文：https://blog.csdn.net/Little_Fire/article/details/80483566（三）Dirichlet分布在NLP中的应用（关于topic生成word的过程）根据上文中提到了的掷硬币的例子，假设自然语言中存在很多奇怪的coin（religion、...

2018-05-28 22:31:51 765

原创 LDA（Dirichlet Distribution）主题模型基本知识与理解（一）

最近在研究无监督模型与降维技术，说起无监督模型，我们首先想到的是聚类技术（Clustering），而在实际生产中，很多方法可以被用来做降维（正则化Lasso/Ridge回归、PCA主成分分析、小波分析、线性判别法、拉普拉斯特征映射等），其中基于主成分分析（PCA）的Topic Model技术包含了pLSA、LDA、SVD分解等。+本文为大家科普一下，作为一名机器学习相关工作者，本人对LDA的基本...

2018-05-28 20:50:19 4366

原创 Eclipse中的maven项目打成jar包

实际生产中，我们经常要将maven项目打包成jar，然后直接放入hadoop集群环境中运行。之前对于maven项目的使用走了很多弯路，调试了好久，终于调试通过了。以下将为大家分享一下经验。本文讲解的是打成jar包，不是war包。首先在pom.xml中添加如下代码（添加插件，使得dependencies与项目源码打成一个jar）：<build> <plugins> ...

2018-05-28 10:14:09 17263 2

原创 Eclipse中 XXX cannot be resolved to a type的解决方案

在eclipse的使用过程中，经常会遇到XXX cannot be resolved to a type的问题，其字面意义是无法识别的类型，也就是说你的代码中有可能存在以下几种情况：（1）未导入的包；（2）写错的Class Name；（3）未创建却被使用的变量。因为现在的开源化开发环境，很多情况都是使用maven集成开发，或者jar包的导入方面存在缺少对应和jar包和jar包版本冲突等问题，故容易...

2018-05-25 15:16:42 7808

原创 eclipse maven项目，如何导出使用的依赖jar包

（1）在eclipse中定位到maven项目的pom.xml文件；（2）右击pom.xml文件，选择Run As >> Maven build…（3）在下图的Goals框中输入“dependency:copy-dependencies”，后点击“Run”即可。当控制台出现“BUILD SUCCESS”时，表示build成功。在当前项目的根目录“targed/dependency”下可...

2018-05-25 11:22:56 3275

原创特征值分解与奇异值分解原理与计算

（一）特征值如果一个非零向量v是方阵A的特征向量，将一定可以表示成下面形式，而λ是特征向量v对应的特征值：特征值分解是将一个矩阵分解成下面的形式：其中Q是这个矩阵A的特征向量组成的矩阵，Σ是一个对角阵，每一个对角线上的元素就是一个特征值。一个矩阵的一组特征向量是一组正交向量。【练习题】求解矩阵A的特征值与特征向量。方阵的特征值表示什么含义呢，我们通过一组向量图表示。初始状态下，i（红色）和j（蓝色...

2018-05-25 01:36:39 7931 1

原创协方差与样本相关性

方差（Variance）：用来度量随机变量和其数学期望（均值）之间的偏离程度。样本方差（Sample Variance）：每个样本值与全体样本值的平均数之差的平方值的平均数协方差（Covariance）：表示两个变量X、Y的总体误差。如果X、Y的变化趋势一致，cov(X,Y)>0，两个变量正相关；若X、Y的变化趋势相反，cov(X,Y)<0，两者负相关；若cov(X,Y)=0，X与Y线...

2018-05-25 01:02:21 2725

转载转载：奇异值分解(SVD)详解及其应用

最近一直在研究关于奇异值分解与推荐系统隐语义模型方面的内容，看到了一篇讲述很详细的文章，觉得蛮实用的，给大家分享一下。原文链接：https://blog.csdn.net/shenziheng1/article/details/529162781.前言PCA的实现一般有两种，一种是用特征值分解（eigenvalue decomposition）去实现的，一种是用奇异值分解（SVD）去实现的。特征值...

2018-05-24 22:32:06 312

原创动态规划与0-1背包问题解析

动态规划，作为程序员面试过程中几乎是必考的题目类型，在实际生产应用中也广泛使用。0-1背包问题作为最经典的算法之一，也衍生了很多其他的题目（如找零钱、爬楼梯等leetcode题目）。本人在复习之余，将总结下来的算法常识得以分享：（一）什么是动态规划作为运筹学的一个分支，动态规划（DP）最早是用于求解决策过程最优化的问题被提出，利用各阶段dp变量之间的关系，逐个求解，最终求得全局最优解的过程。再设计...

2018-05-24 21:05:43 3746

Little_Fire的博客