- 博客(11)
- 收藏
- 关注
RSS订阅原创 leetcode 1312. 字符串成为回文串的最少插入次数--题目进阶：添加最少的字符让字符串成为回文串
与牛客CD124题目一致题目描述：给定一个字符串str，如果可以在str的任意位置添加字符，请返回在添加字符最少的情况下，让str整体都是回文字符串的一种结果。示例：输入：“zzazz” 输出：“zzazz”输入：“abca” 输出：“acbca”分析：将此题目分为两步，首先是找到使字符串成为回文串的最少插入次数，再找到合适的位置插入字符即可。第一步：动态规划：当前字符串要变成回文,那只要把不一样的找出来就可以。则求出反转的字符串和当前字符串的最长公共子序列，原字符串长度减去最
2021-05-09 23:22:36
599
原创 与其他题解都不一样的排序方法--剑指 Offer 45. 把数组排成最小的数
剑指 Offer 45. 把数组排成最小的数题目要求：输入一个非负整数数组，把数组里所有数字拼接起来排成一个数，打印能拼接出的所有数字中最小的一个。示例：输入: [3,30,34,5,9]输出: “3033459”题解的一般排序方法： 使用自定义排序若拼接字符串 x + y > y + x，则 x “大于” y ；反之，若 x + y < y + x ，则 x “小于” y .这里提出另外一种排序的方法：对于两个字符串，如果长度相等，（如34和52）从头开始每一位进行比
2021-04-20 22:08:41
123
1
原创 算法图解
《算法图解》各章学习1、算法简介二分法二分查找法，用于有序元素列表，以一半为界分开，确定元素在哪一部分，继续前述操作。速度最快，包含n个元素时为 $ \log_2 n$大O表示法用于表示算法的速度，O()。真正的速度需要乘以时间常数c，一般分析时不考虑。2、选择排序数组数组在内存中储存的信息是连在一起的，方便读取操作。链表链表的信息在内存中是无序的，下一个内存地址由上一个内存中的信息给出，方便插入和删除操作。选择排序不断遍历整个无序列表，将元素有序排列出来，速度为O(n×n)或O(
2021-03-06 15:10:00
2923
原创 十大排序算法（含python代码）
排序算法几种常见的排序算法可以如下图概述其中稳定性：排序后 2 个相等键值的顺序和排序之前它们的顺序相同1、冒泡排序重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来，越小的元素会经由交换慢慢"浮"到数列的顶端。算法步骤比较相邻的元素；如果第一个比第二个大，就交换他们两个；移动一位继续比较下一对元素，知道比较完随后一个元素，此时最后的元素会是最大的数。针对上面比较过的元素重复以上的步骤，除了最后一个。每次循环对越来越少的元素重复上面的步骤，直到没有任何一对元素需
2021-03-02 22:34:05
181
原创 openai_ROS调用DQN算法
openai_ROS调用DQN算法openai_ROS库基于python3编写，首先需要安装python3的虚拟环境，特别注意python3-pip这个软件包，安装好后最好不要直接pip调用，可能会导致实际编译时导入错误，原因：https://github.com/pypa/pip/issues/5599使用pip安装软件包时，推荐使用如下命令python -m pip由于DQN算法涉及深度神经网络，因此需要安装tensorflow或pytorch深度学习库。创建python3虚拟环境，导入o
2021-02-27 22:21:29
695
原创 Matlab强化学习机器人仿真
Matlab强化学习机器人仿真使用SAC（soft A-C）平衡机械手臂的球项目来源：https://www.mathworks.com/company/events/tradeshows/international-conference-on-intelligent-robots-and-systems-2020-3039214.html?s_tid=srchtitle基础配置强化学习工具箱 RL AgentMatlab2020bKinova Gen3 七自由度机械臂（只用最后两个关节）
2021-02-27 22:17:29
3469
9
原创 天池推荐系统排序模型+模型融合
排序模型通过召回几经根据数据的不同特征缩减了问题的规模，接下来就是使用监督学习来对各种特征使用训练集进行表征，然后对测试集进行预测，得到测试集中的每个候选集用户点击的概率作为最终的结果。排序阶段选择了三个比较有代表性的排序模型，它们分别是：LGB的排序模型LGB的分类模型深度学习的分类模型DIN得到了最终的排序模型输出的结果之后，还选择了两种比较经典的模型集成的方法：输出结果加权融合Staking（将模型的输出结果再使用一个简单模型进行预测）import numpy as npi
2020-12-06 22:07:26
351
原创 天池推荐系统特征工程
推荐系统特征工程基于召回的结果， 构造特征，制作标签，形成一个监督学习的数据集。数据读取训练和验证集的划分缓解制作排序特征时的压力。# all_click_df指的是训练集# sample_user_nums 采样作为验证集的用户数量def trn_val_split(all_click_df, sample_user_nums): all_click = all_click_df all_user_ids = all_click.user_id.unique()
2020-12-03 23:19:37
144
原创 天池推荐系统多路召回
推荐系统多路召回多路召回是推荐系统中非常关键的一步，目的是要在不同的策略、特征或模型中选出的候选集合中生成一个新的混合排序模型。其中，各种简单策略保证候选集的快速召回，从不同角度设计的策略保证召回率接近理想的状态，不至于损伤排序效果。对于不同的业务，要考虑不同的召回规则。工具函数作为数据处理的前置准备获取用户-文章-时间函数：基于关联规则的用户协同过滤的时候会用到# 根据点击时间获取用户的点击文章序列 {user1: {item1: time1, item2: time2..}...}de
2020-11-30 22:51:04
249
原创 天池推荐系统数据分析
推荐系统数据分析<天池推荐系统比赛记录>本次任务的主要目标是查看数据集整个数据集中有哪些数据，这些数据中有什么潜在的关联，数据有怎样的特征，要如何对数据进行处理来服务于本次的醒悟推荐系统。数据分析的一般步骤导入数据%matplotlib inlineimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rc('font', family='S
2020-11-27 22:28:49
641
原创 天池推荐系统赛题理解与Baseline
推荐系统赛题理解与Baseline推荐系统概述更具用户信息给用户推荐商品，本质上是一种实现将用户-商品-公司之间利益最大化的手段。评测指标:用户满意度，覆盖率，多样性，新颖性，AUC曲线等。召回：召回阶段负责将海量的候选集快速缩小为几万到几千的规模，利用少量的特征和简单的模型对大规模的数据集进行快速的筛选，Embedding召回是一个综合性强且计算速度也能满足需求的召回方法。本次赛题目标： 根据用户历史浏览点击新闻的数据信息预测用户最后一次点击的新闻文章。提交形式：user1, artic
2020-11-25 21:53:09
288
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