武昌库里写JAVA-CSDN博客

原创 2024042702-bloom-filter

布隆过滤器的历史布隆过滤器由 Burton Howard Bloom 于 1970 年提出，它是一种节省空间的概率数据结构，包括一个很长的二进制向量和一些列随机映射函数。

2024-05-23 21:07:32 462

并查集的历史1964年， Bernard A. Galler 和 Michael J. Fischer 首次描述了不相交的并查集，1975 年，Robert Tarjan 是第一个证明O(ma(n))（）算法时间复杂度的上限，并且在 1979 年表明这是受限情况的下限。2007 年，Sylvain Conchon 和 Jean-Christophe Filliâtre 开发并查集数据结构的半持久版本，并使用证明助手 Coq 将其正确性形式化。

2024-05-23 21:05:58 672

原创 2024042602-graph

图的历史Leonhard Euler 于1736 年发表的的论文被认为是图论史上的第一篇论文。这篇论文，以及范德蒙德写的关于骑士问题的论文，都是在莱布尼茨发起的分析位置上进行的。欧拉公式涉及凸多面体的边数、顶点数和面数，由 Cauchy 和L’Huilier 研究和推广，它代表了称为拓扑的数学分支的开始。1860 年和 1930 年拓扑学的自主发展通过 Jordan、Kuratowski 和 Whitney 的著作使图论得以发展。图论和共同发展的另一个重要因素来自现代代数技术的使用。

2024-05-22 21:39:17 536

原创 2024042601-tree-red-black

红黑树的历史红黑树（Red Black Tree）是一种自平衡二叉查找树，于 1972 年由 Rudolf Bayer 发明的对称二叉B树演化而来，并以2-3-4树、2-3树流行。最终在 1978 年由 Leonidas J. Guibas 和 Robert Sedgewick 从对称二叉 B 树中推导出红黑树。PS：之所以选择“红色”，是因为它是作者在Xerox PARC工作时可用的彩色激光打印机产生的最好看的颜色。

2024-05-22 21:38:38 599

原创 2024042502-tree-2-3

/ 元素// 序号// 孩子// 父亲【非必须】--idx;// ... 省略部分代码2-3树的几点元素需要包括；一个数组的元素集合、元素的序号、孩子元素。因为一个节点最多可临时放入3个元素，那么就会最多有4个孩子元素，所以孩子元素也是一个数组并且在构造函数中按照4个元素进行初始化。由于本身2-3树插入元素的开始阶段，并不是直接创建一个新的节点，而是在初始化的数组空间中存入元素。所以在节点中提供了一个插入元素的方法 insert 来处理新增元素。

2024-05-21 20:44:10 645

原创 2024042501-tree-avl

AVL树历史在计算机科学中，AVL 树以其两位苏联发明家Georgy Adelson-Velsky和 Evgenii Landis的名字命名，他们在 1962 年的论文“信息组织算法”中发表了它。它是一种自平衡二叉搜索树(BST)，这是发明的第一个这样的数据结构。

2024-05-21 20:43:09 1059

原创 2024042402-tree

用于组成一颗树的节点，则需要包括；值和与之关联的三角结构，一个父节点、两个孩子节点。如果是AVL树还需要树高，红黑树还需要染色标记。

2024-05-20 22:55:39 832

原创 2024042401-heap

堆的数据结构有很多种体现形式，包括；、、，而在 Java API 中最常用的是用于实现优先队列的二叉堆，它是由 JWJ Williams 在 1964 年引入的，作为堆排序算法的数据结构。另外在 Dijkstra 算法等几种高效的图算法中，堆也是非常重要的。在计算机科学中，堆(heap) 的实现是一种基于树的特殊的数据结构，它可以在数组上构建出树的结构体，并满足堆的属性；堆的实现在 Java API 中主要体现在延迟队列的实现二叉堆上，这里小傅哥单独把这部分代码拆分出来，了解下关于小堆和大堆的实现。从对堆的

2024-05-20 22:54:53 616

原创 2024042302-trie

Trie 的历史字典树 Trie 这个词来自于 reval，于 1912 年，Axel Thue 首次抽象地描述了一组字符串数据结构的存放方式为 Trie 的想法。这个想法于 1960 年由 Edward Fredkin 独立描述，并创造了 Trie 一词。你看看，多少程序员为了一个词、方法名、属性名，想破脑袋！

2024-05-19 14:37:14 908

原创 2024042301-hash-table

哈希表的历史哈希散列的想法在不同的地方独立出现。1953 年 1 月，汉斯·彼得·卢恩 ( Hans Peter Luhn ) 编写了一份IBM内部备忘录，其中使用了散列和链接。开放寻址后来由 AD Linh 在 Luhn 的论文上提出。大约在同一时间，IBM Research的Gene Amdahl、Elaine M. McGraw、Nathaniel Rochester和Arthur Samuel为IBM 701汇编器实现了散列。

2024-05-19 14:36:12 1042

原创 2024042202-stack

ArrayDeque 是一个基于数组实现的堆栈数据结构，在数据存放时元素通过二进制与运算获取对应的索引存放元素。当数组长度超过初始空间后，进行2的n次幂左移一位扩容，并将数组内容的元素按照分半分别进行迁移。这块逻辑多一些，接下来的内容会以此进行讲解，同时在学习过程中可以在小傅哥提供的源码中完成断点调试，方便快速掌握。堆栈的数据结构是以2的次幂进行初始化，扩容时候为2的倍数。它之所这样是因为保证了在后续计算元素索引位置时，可以进行与运算。

2024-05-18 07:48:45 554

原创 2024042201--queue

队列的数据结构更像是数组和链表的变种，只要能看懂数组和链表，就能看懂队列。那么这里我们来扩展实现一个延迟队列，并在这个过程中会涉及到阻塞队列优先队列的使用。通过这样的一个手写源码的学习队列的扩展使用。本章节我们就借着数组结构的学习，实现一个延迟队列的 DelayQueue，让使用 Java 的读者既能了解学习数据结构，也能了解到 Java 源码实现。Java 算法与数据结构延迟队列的实现，主要为在优先队列的基础上，添加可重入锁 ReentrantLock 对阻塞队列的实现。

2024-05-18 07:47:11 547

原创 2024042102-array-list

数组只是个名称，它可以描述一组操作，也可以命名这组操作。数组的数据操作，是通过 idx->val 的方式来处理。它不是具体要求内存上要存储着连续的数据才叫数据，而是说，通过连续的索引 idx，也可以线性访问相邻的数据。那么当你定义了数据的存储方式，也就定义了数据结构。所以它也是被归类为数据结构。

2024-05-17 20:42:49 865

原创 2024042101-linked-list

链表的历史于1955-1956年，由兰德公司的Allen Newell、Cliff Shaw和Herbert A. Simon开发了链表，作为他们的信息处理语言的主要数据结构。链表的另一个早期出现是由 Hans Peter Luhn 在 1953 年 1 月编写的IBM内部备忘录建议在链式哈希表中使用链表。到 1960 年代初，链表和使用这些结构作为主要数据表示的语言的实用性已经很好地建立起来。

2024-05-17 20:40:41 806

原创 2024042002-计算机网络 - 应用层

DNS 是一个分布式数据库，提供了主机名和 IP 地址之间相互转换的服务。这里的分布式数据库是指，每个站点只保留它自己的那部分数据。

2024-05-15 21:25:53 1134

原创 2024042001-计算机网络 - 物理层

模拟信号是连续的信号，数字信号是离散的信号。带通调制把数字信号转换为模拟信号。

2024-05-15 21:25:15 252

原创 2024041902计算机网络 - 网络层

因为网络层是整个互联网的核心，因此应当让网络层尽可能简单。网络层向上只提供简单灵活的、无连接的、尽最大努力交互的数据报服务。使用 IP 协议，可以把异构的物理网络连接起来，使得在网络层看起来好像是一个统一的网络。地址解析协议 ARP（Address Resolution Protocol）网际控制报文协议 ICMP（Internet Control Message Protocol）网际组管理协议 IGMP（Internet Group Management Protocol）

2024-05-14 20:23:35 611

原创 2024041901-计算机网络 - 链路层

将网络层传下来的分组添加首部和尾部，用于标记帧的开始和结束。

2024-05-14 20:20:50 969

原创 2024041802-计算机网络 - 概述

网络把主机连接起来，而互连网（internet）是把多种不同的网络连接起来，因此互连网是网络的网络。而互联网（Internet）是全球范围的互连网。

2024-05-10 20:45:44 742

原创 2024041801-计算机网络 - 传输层

网络层只把分组发送到目的主机，但是真正通信的并不是主机而是主机中的进程。传输层提供了进程间的逻辑通信，传输层向高层用户屏蔽了下面网络层的核心细节，使应用程序看起来像是在两个传输层实体之间有一条端到端的逻辑通信信道。

2024-05-10 20:43:31 907

原创 2024041702-计算机操作系统 - 死锁

互斥：每个资源要么已经分配给了一个进程，要么就是可用的。占有和等待：已经得到了某个资源的进程可以再请求新的资源。不可抢占：已经分配给一个进程的资源不能强制性地被抢占，它只能被占有它的进程显式地释放。环路等待：有两个或者两个以上的进程组成一条环路，该环路中的每个进程都在等待下一个进程所占有的资源。

2024-05-08 20:59:28 762

原创 2024041701-计算机操作系统 - 设备管理

盘面（Platter）：一个磁盘有多个盘面；磁道（Track）：盘面上的圆形带状区域，一个盘面可以有多个磁道；扇区（Track Sector）：磁道上的一个弧段，一个磁道可以有多个扇区，它是最小的物理储存单位，目前主要有 512 bytes 与 4 K 两种大小；磁头（Head）：与盘面非常接近，能够将盘面上的磁场转换为电信号（读），或者将电信号转换为盘面的磁场（写）；制动手臂（Actuator arm）：用于在磁道之间移动磁头；主轴（Spindle）：使整个盘面转动

2024-05-08 20:58:53 363

原创 2024041602-计算机操作系统 - 内存管理

虚拟内存的目的是为了让物理内存扩充成更大的逻辑内存，从而让程序获得更多的可用内存。

2024-05-06 21:05:55 727

原创 2024041601-计算机操作系统 - 链接

静态链接器以一组可重定位目标文件为输入，生成一个完全链接的可执行目标文件作为输出。链接器主要完成以下两个任务

2024-05-06 21:05:09 308

原创 2024041502-计算机操作系统 - 进程管理

进程是资源分配的基本单位。进程控制块 (Process Control Block, PCB) 描述进程的基本信息和运行状态，所谓的创建进程和撤销进程，都是指对 PCB 的操作。

2024-05-04 11:52:18 1013

原创 2024041501-计算机操作系统 - 概述

并发是指宏观上在一段时间内能同时运行多个程序，而并行则指同一时刻能运行多个指令。并行需要硬件支持，如多流水线、多核处理器或者分布式计算系统。操作系统通过引入进程和线程，使得程序能够并发运行。

2024-05-04 11:51:07 460

原创 2024041502-计算机操作系统 - 进程管理

线程是独立调度的基本单位。一个进程中可以有多个线程，它们共享进程资源。QQ 和浏览器是两个进程，浏览器进程里面有很多线程，例如 HTTP 请求线程、事件响应线程、渲染线程等等，线程的并发执行使得在浏览器中点击一个新链接从而发起 HTTP 请求时，浏览器还可以响应用户的其它事件。

2024-04-23 20:50:03 1049

原创 2024041501-计算机操作系统 - 概述

共享是指系统中的资源可以被多个并发进程共同使用。有两种共享方式：互斥共享和同时共享。互斥共享的资源称为临界资源，例如打印机等，在同一时刻只允许一个进程访问，需要用同步机制来实现互斥访问。

2024-04-23 20:48:45 653

原创 20240331-2-文本表征方式

HS 是试图用词频建立一棵哈夫曼树，那么经常出现的词路径会比较短。树的叶子节点表示词，共词典大小多个，而非叶子结点是模型的参数，比词典个数少一个。要预测的词，转化成预测从根节点到该词所在叶子节点的路径，是多个二分类问题。本质是把 N 分类问题变成 log(N) 次二分类把原来的 Softmax 多分类问题，直接转化成一个正例和多个负例的二分类问题。让正例预测 1，负例预测 0，这样子更新局部的参数。

2024-04-22 21:40:04 726

原创 20240331-1-基于深度学习的模型

使用双向语言模型建模，两层 LSTM 分别学习语法和语义特征。首次使用两阶段训练方法，训练后可以在下游任务微调。Feature-Based 微调，预训练模型作为纯粹的表征抽取器，表征依赖微调任务网络结构适配（任务缩放因子 γ）。使用 Transformer 的 Decoder 替换 LSTM 作为特征提取器。Model-Based 微调，预训练模型作为任务网络的一部分参与任务学习，简化了下游任务架构设计。

2024-04-22 21:38:26 998 1

原创 20240330-2-XGBoost面试题

XGBoostXGBoostXGBoost是大规模、分布式的通用梯度提升(GBDT)库，它在GB框架下实现了GBDT和一些广义线性ML算法。XGBoostXGBoostXGBoost是一种集成学习算法，属于3类常用的集成方法(BaggingBaggingBaggingBoostingBoostingBoostingStackingStackingStacking)中的Boosti。

2024-04-21 14:19:33 1083

原创 20240330-1-词嵌入模型w2v+tf-idf

把词映射为实数域向量的技术也叫词嵌⼊谷歌2013年提出的Word2Vec是目前最常用的词嵌入模型之一。Word2Vec实际是一种浅层的神经网络模型，它有两种网络结构，分别是连续词袋（CBOW）和跳字(Skip-Gram)模型。以上下文来预测当前词wtw_twt。CBOW模型的目的是预测 $P(w_t| w_{t-k}, \cdots, w_{t-1}, w_{t+1}, \cdots, w_{t+k}) $一个词语在一篇文章中出现次数越多, 同时在所有文档中出现次数越少, 越能够代表该文章.

2024-04-21 14:16:37 1225

原创 20240329-2-树模型集成学习TreeEmbedding

随机森林(Random Forest,RF)是Bagging的一个扩展变体。RF在以决策树为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。既然模型叫做随机森林，森林我们可以理解为是多棵树的集合就是森林，随机主要有两个点进行有放回的采样，每次建树特征个数随机选择每次建树样本个数随机选择随机森林中基学习器的多样性不仅来自样本扰动，还来自属性扰动，这就使得最终集成得泛化性能可通过个体学习器之间差异度得增加而进一步提升。使得模型更加鲁棒。

2024-04-17 22:05:43 1068

原创 20240329-1-SVM面试题

SVM，Support Vector Machine，它是一种二分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；其还包括，这使它成为实质上的非线性分类器。其学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题。其学习算法就是求解凸二次规划的最优化算法。这里涉及了几个概念，。

2024-04-17 22:04:02 1030

原创 20240328-2-随机森林面试题RandomForest

一种基于树模型的Bagging的优化版本，一棵树的生成肯定还是不如多棵树，因此就有了随机森林，解决决策树泛化能力弱的特点。输入为样本集D{(xy1x2y2xmym)}，弱分类器迭代次数T。输出为最终的强分类器fx对于t12TtmmDttGtx如果是分类算法预测，则T个弱学习器投出最多票数的类别或者类别之一为最终类别。如果是回归算法，T个弱学习器得到的回归结果进行算术平均得到的值为最终的模型输出。

2024-04-15 20:42:01 931

原创 20240328-1-Prophet面试题

常见的时间序列分解方法：将时间序列分成季节项StS_tSt，趋势项TtT_tTt，剩余项RtR_tRt，即对所有的t≥0t≥0t≥0ytStTtRtytStTtRtytSt×Tt×RtytSt×Tt×Rtln⁡ytln⁡Stln⁡Ttln⁡RtlnytlnStlnTtlnRt。

2024-04-15 20:40:06 524

原创 20240327-2-贝叶斯面试题NaïveBayes

贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策(选择概率最大的类别)。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想已知类条件概率密度参数表达式和先验概率利用贝叶斯公式转换成后验概率根据后验概率大小进行决策分类零概率问题：在计算实例的概率时，如果某个量xxx，在观察样本库(训练集)中没有出现过，会导致整个实例的概率结果是0。解决办法。

2024-04-14 10:56:02 693

原创 20240327-1-评测指标面试题

metric主要用来评测机器学习模型的好坏程度,不同的任务应该选择不同的评价指标,分类,回归和排序问题应该选择不同的评价函数. 不同的问题应该不同对待,即使都是分类问题也不应该唯评价函数论,不同问题不同分析.

2024-04-14 10:54:23 976

原创 20240326-2-LightGBM面试题

直方图算法就是使用直方图统计，将大规模的数据放在了直方图中，分别是每个bin中样本的梯度之和还有就是每个bin中样本数量首先确定对于每一个特征需要多少个箱子并为每一个箱子分配一个整数；将浮点数的范围均分成若干区间，区间个数与箱子个数相等将属于该箱子的样本数据更新为箱子的值最后用直方图表示内存占用更小：相比xgb不需要额外存储预排序，且只保存特征离散化后的值(整型)计算代价更小: 相比xgb不需要遍历一个特征值就需要计算一次分裂的增益，只需要计算k次(k为箱子的个数)直方图做差加速。

2024-04-09 20:46:30 821