- 博客(8)
- 收藏
- 关注
RSS订阅原创 两数之和，三数之和，若干数之和
一、两个数字之和等于某个数(LeetCode1)二分class Solution: def twoSum(self, nums: List[int], target: int) -> List[int]: # nums.sort() an=[] length=len(nums) for n in range(length): an.append([nums[n],n]) an.sort(
2020-09-23 19:55:27
167
原创 树的相关面试题
建树等操作主要递归的使用，个人认为这部分，多写就可以明白了，说不出什么道理。树的数据结构class TreeNode: def __init__(self, x): self.val = x self.left = None self.right = None一、重建二叉树(剑指Offer 7)class Solution: def buildTree(self, preorder: List[int], inorder: L
2020-09-23 10:29:11
234
原创 区间调度问题
一、会议室(LeetCode 253)这个问题在今年秋招各家笔试不知道见过多少次，听说还有人面试见过class Solution: def minMeetingRooms(self, intervals: List[List[int]]) -> int: ans=0 cur=0 dic={} an=set() #题目就是要统计同一时刻进行的最大会议的数量 for i in range(len(i
2020-09-15 23:12:25
113
原创 匹配算法面试题
一、二分图匹配(匈牙利算法)解决红娘问题模板。曾用此模板A过网易笔试题，自制模板。# -*- coding: utf-8 -*-m,n=map(int,input().split(" "))#m:左侧集合的数量 n:右侧集合的数量book=[[0]*n for i in range(m)]#邻接矩阵存图，M行N列.book[i][j]:代表红娘问题中的i男生喜欢j女生for i in range(n): a,b=map(int,input().split(" ")) book[a]
2020-09-15 22:45:05
208
原创 面试常见动态规划
本喵简单总结了几个考试常见考题，这些题初期只是为了自己复习方便。后期如果秋招上岸，再详细分析。一、编辑距离(LeetCode 72)该算法在各大面经和笔试遇到过不知道多少次(虽然我没有遇到过=====OS:不愧是个没饭吃的人)。编辑距离比较简单，思路非常直接。word1[i]==word2[j],dp[i][j]=dp[i-1][j-1] ->如果元素相同，不需要修改word1[i]!=word2[j],dp[i][j]=min(dp[i-1][j-1],dp[i-1][j],dp[i][j
2020-09-15 22:18:13
264
原创 常见排序算法
面试必复习系列，此处只整理模板，不梳理思路。一、快排def partition(an,left,right): temp=left while(left<right): #从右往左找第一个小于an[temp]的数 while(left<right and an[right]>=an[temp]): right-=1 #从左往右找第一个大于an[temp]的数 while(left&l
2020-09-15 21:54:42
148
原创 面试题梳理(LeetCode深搜，一)
深搜经典题目小总结一、岛屿数量(Leetcode 200)对于每个陆地，从某一点出发(grid[i][j]=“1”)，使用深搜的方式，把可以连接在一起的陆地连接起来并把陆地值设置成水域值“0”(也可以设置成其他值)，防止陷入死循环。class Solution: def numIslands(self, grid: List[List[str]]) -> int: directions=[(-1,0),(1,0),(0,-1),(0,1)] def df
2020-09-15 16:01:28
198
原创 EM算法的简单理解
EM算法是一种迭代算法，其存在是为了解决求解含有隐变量的概率模型的参数的问题。对于不含隐变量的概率模型（例如普通高斯模型），使用极大似然估计（求偏导）的方法就可以求得概率模型中所含参数的解析解。如果含有隐变量，模型无法得到参数的解析解，在这种时候，就需要通过一些方法得到模型的近似解，EM算法就是这么一种方法，通过不断的迭代，让t+1步的参数值相比于t步的参数值更接近真实结果，从而得到关于模型参数的...
2020-02-13 13:44:57
672
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人