快手2020校园招聘秋招笔试--算法C试卷 试卷订正

这篇博客主要涵盖了快手2020年校园招聘算法笔试的内容,包括线性回归中的残差概念及其概率分布,4元集到3元集的满射问题,神经网络的激活函数作用,以及进程创建的fork()函数解释。重点讨论了残差在回归分析中的高斯分布特性,并提及非监督学习中的主题建模。
摘要由CSDN通过智能技术生成

24题

class Solution{
    vector<int>maxpooling(vector<int>nums,int n){
        int len=nums.size();
       int max_;
        vector<int>res;
        for(int i=0;i<len-n+1;i++){
            vector<int>temp=nums;
            sort(temp[i],temp[i+n-1]);
            max_=temp[n-1];
            res.push_back(max_);
             
        }
        return res;
    }
}

1.首先,理解以下什么是残差,然后,然后介绍残差服从的概率分布。
残差:在回归分析中,测定值与按回归方程预测的值之差,即预测值和真实值之差。
线性回归分析中,目标是残差最小化。残差平方和是关于参数的函数(可通过数学推导得到)。
为了求残差极小值,令残差关于参数的偏导数为零,会得到残差和为零(偏导=0,计算得到),即残差均值为零。
总结:线性回归中的残差服从均值(期望)为0的高斯分布(正态分布)。
2.x->y满射 ,相当于每个y都至少有一个x相对应,每个x指向一个y
4元集到3元集满射,就是4元集中有两个元素指向3元集同一个元素,所以是
3.第三题做法没错 就是算错了 答案是21

4.平面划分空间在这里插入图片描述

8.主题建模 非监督学习
11.神经网络 的激活函数 是引入了非线性
12.激活函数 sigmoid 0-1 tanh -1-1 relu 0-&
19. fork()函数是将正在运行的程序切分成2个完全一样的程序 每个进程都启动一个从当前位置开始执行的线程
2+4+8 减数分裂

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值