- 博客(19)
- 收藏
- 关注
RSS订阅原创 遍历二叉树、恢复二叉树（java代码实现）
根 左子树 右子树 根 左子树 右子树。（2）由确定的左、右子树根据前序序列分别找出左、右子树的根结点，并把左、右子树的根结点连接到父结点。（2）由确定的左、右子树根据后序序列分别找出左、右子树的根结点，并把左、右子树的根结点连接到父结点。（3）分别对左、右子树实行步骤（1）和（2），直到子树只剩下1个结点或2个结点或空为止。（3）分别对左、右子树实行步骤（1）和（2），直到子树只剩下1个结点或2个结点或空为止。（1）由后序序列获知根结点，然后根据中序序列确定左、右子树。
2022-10-07 03:30:00
672
1
原创 树、森林与二叉树之间的转换
树中结点的各子树从左到右是有次序的（不能互换）。反之为。由一个根结点及两个不相交的左、右子树组成的非空树，左、右子树又同样都是二叉树。在一棵非空的二叉树中，每个结点至多只有两棵子树（左子树、右子树），且左、右子树的次序不能任意交换。（特殊的有序树）：深度为h，且有个结点的二叉树。：深度为h，有n个结点的二叉树，当且仅当每一个结点都与深度为h的满二叉树中的编号从1至n的结点一一对应时，此二叉树为完全二叉树。
2022-10-05 14:04:06
1570
原创 线段树Segment Tree（python代码实现）
线段树是一种二叉树（平衡二叉树），也被归类为二叉搜索树（广义上）。它是一种用于对区间修改、维护和查询的工具，可以优化时间复杂度至log级别。基本思想 把一个大区间划分为两个小区间，然后把两个小区间分别划分为两个更小的区间，不断这样划分下去，直到区间内只有一个数据为止。 每个区间存放一个或者多个数据（比如：区间的和，区间的最大值，区间的最小值），以树的形式存放这些数据，则构成了一颗二叉树。 这种存放区间数据的二叉树就是线段树。适合场景：不适合场景：线段树的维护：小区间的值更新大区间的值。线段树主
2022-06-21 16:07:19
1950
原创 并查集（python代码实现）
并查集是一种树型的数据结构，用于处理一些不相交集合的合并与查询问题。主要两种操作（合并和查询）：实现： 一个集合构建一棵树，任选一个元素作为该集合的根节点； 建立pre数值记录每个元素的父节点，pre[当前节点]为父节点，根节点的父节点为自己本身。 给定元素关系，将一个集合的树变为另一个集合的子（将一个集合的根节点的父节点改为另一个集合的根节点），如：B的根节点等于A的根节点，这就可以将A和B两棵树合并为一棵树。 判断两个元素是否在同一个集合中： 从该
2022-06-10 17:26:47
4428
原创 经典排序算法——选择排序（python代码实现）
选择排序是一种十分基础的的排序算法，比较简单直观。当对数据量较少的序列实现升序或降序排序是可以采用选择排序。 从头到尾扫描所有的n个元素，从中找出最小或最大的元素并和第一个元素进行交换，然后从除第一个以外的n-1个元素中扫描，找出最小或最大的元素并和第一个（n-1个中）元素进行交换，不断迭代此操作剩下的元素，最终就是一个有序的序列。性能特点待排序列：升序排序 第一趟排序：待排序列中1为最小元素，且1本来就在最小元素位置，则不发生元素交换。第二趟排序：剩下待排序列中4为最小元素，则把4交换到最小
2022-06-10 10:59:06
5819
原创 经典排序算法——冒泡排序及其优化（python代码实现）
冒泡排序是排序算法中非常经典的一种交换排序算法，思想比较简单，容易理解和实现，一般是初学者最早接触的一种排序算法。 之所以称之为冒泡排序，就是因为在排序的过程中，像汽水冒泡一样，元素会逐渐一步一步的上浮到最顶端（最后）。 通过一趟趟地比较，每一趟确定一个剩余待排元素中的最大或最小元素，直到所有元素有序。具体来说，在每一趟排序中，元素两两比较，从起始位置开始，当前元素与后一个元素比较，若这两个元素符合有序，则忽略并后移一个元素继续向后比较，若不符合则先交换元素，然后后移一个元素继续
2022-06-04 14:17:34
4675
原创 数据结构与算法——知识点总结
本文包含数据结构与算法主要的基本知识点，便于知识的梳理和回顾。如需详细了解具体知识点请自行结合课本或者网上查阅。目录1、概述2、线性表3、栈4、队列5、串6、多维数组和广义表7、树和二叉树8、图9、查找10、排序1、概述从2、线性表3、栈4、队列5、串6、多维数组和广义表7、树和二叉树8、图9、查找10、排序...
2022-06-02 17:36:07
24921
7
原创 宽度优先遍历BFS & 深度优先遍历DFS（python代码实现）
广度优先遍历定义图举例实现方法：队列深度优先遍历定义图举例实现方法：栈python代码广度优先遍历1深度优先遍历2
2022-06-02 14:15:00
1224
原创 机器学习之逻辑回归Logistic Regression（python代码实现）
逻辑回归（Logistic Regression）逻辑回归：是一个非常经典的算法。是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。注：这里用的是“可能性”，而非数学上的“概率”，logisitc回归的结果并非数学定义中的概率值，不可以直接当做概率值来用。该结果往往用于和其他特征值加权求和，而非直接相乘。逻辑回归与线性回归逻辑回归（Logistic Regression）与线性回归（Linear Regression）都是一种广义线性模..
2022-05-27 16:00:00
17940
6
原创 机器学习之K均值聚类算法K-Means（python代码实现）
K均值聚类（K-Means）k-means 算法：根据给定的数据样本构建 k 个划分聚类，每个划分聚类即为一个簇。该算法是一个典型的基于距离的聚类算法，采用距离作为相似性的评价指标（两个样本的距离越近，相似度就越大）。每个数据样本必须属于而且只能属于一个簇。同一簇中的数据样本相似度高，不同簇中的数据样本相似度较小。聚类相似度是利用各簇中样本的均值来进行计算的。注：因为在该算法第一步中是随机的选取任意k个对象作为初始聚类的中心，初始地代表一个簇，因此k个初始类聚类中心点的选取对聚类
2022-05-24 11:00:00
10044
原创 机器学习之线性回归算法Linear Regression（python代码实现）
线性回归（Linear Regression）是一种非常简单、用处非常广泛、含义也非常容易理解的一类经典的算法，非常合适作为机器学习的入门算法。线性回归就是拟合出一个线性组合关系的函数。要找一条直线，并且让这条直线尽可能地拟合所有数据点。即：试图找到一条直线，使所有样本到直线上的欧式距离之和最小。一元线性回归（Linear Regression）拟合出一个线性组合关系的函数：y = wx+b 。拟合图像：多元线性回归多元线性回归比一元线性回归复杂，其组成的不是直线，而是一..
2022-05-21 17:09:25
26108
7
原创 推荐系统的主要四个阶段（召回、粗排、精排、重排）
传统划分：1、召回根据用户部分特征，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品。特点：速度快。2、排序可以融入较多特征，使用复杂模型，来精准地做个性化推荐。特点：结果精准。精细划分：1、召回（多路召回）根据用户部分特征，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品。2、粗排（可用可不用，根据场景选择）通过少量用户和物品特征，简单模型，对召回的结果进行个粗略的排序，保证一定精准的前提下，进一步减少选取的物品数量。作用：防止用户召回环..
2022-05-10 15:21:29
11016
原创 样本不平衡问题及解决方法
样本不平衡问题样本不均衡：数据集中不同数据类别的比例差距比较大，即有的类别数据量很多，有的类别数据量很少。产生了一种类别样本分布不平衡的现象。比如，类别样本比例：1：2到1：10（轻微不平衡），超过1：10（严重不平衡）。解决方法一般常见解决方法分为数据层面和算法层面。1、数据层面（采样、数据合成、数据增强）数据增强：直接复制小类样本，对小类样本数据经过一定的处理，做一些小的改变等。1）采样（随机采样）：随机欠采样：从多数类样本集中随机选择较少的样本（有放回/无放回）
2022-05-04 10:47:31
4262
1
原创 Transformer 总结（self-attention, multi-head attention）
整体框架图：自注意力1、2、3、4、5、6、多头位置编码残差网络
2022-04-21 13:30:00
744
原创 深度学习常用评价指标（Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG）——推荐系统
1、准确率(Accuracy)定义：公式：优缺点：2、精确率(Precision)3、召回率(Recall)4、命中率(Hits Ratio)5、平均精度均值(Mean average precision)6、平均倒数排名(Mean Reciprocal Rank)7、归一化折损累计增益(Normalized Discounted Cumulative Gain)...
2022-04-11 17:08:19
12329
3
原创 常用激活函数activation function（Softmax、Sigmoid、Tanh、ReLU和Leaky ReLU) 附激活函数图像绘制python代码
激活函数是确定神经网络输出的数学方程式。激活函数的作用：给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数。1、附加到网络中的每个神经元，并根据每个神经元的输入来确定是否应激活。2、有助于将每个神经元的输出标准化到1到0或-1到1的范围内。常用非线性激活函数对比 激活函数 公式 函数图像 适合场景 Softmax 多分类任务输出层 Sigmoid 二分类任务输出层，模型隐藏层 Tanh
2022-04-10 17:38:18
21712
2
原创 常用损失函数loss（均方误差、交叉熵）
一、均方误差（Mean Squared Error）表示预测值和原始值对应点误差的平方和的均值，常用于线性回归问题。公式：m表示样本数量。二、交叉熵（cross entropy):极其有意思的现象：A和B的交叉熵 = A与B的KL散度 - A的熵。信息论1、信息量含义：越不可能发生（概率越小）的事件发生了，其信息量就越大。公式：表示：负对数函数。2、熵含义：所有信息量的期望。公式：不确定性越大熵越大。相对熵&KL散度（Kullback-L.
2022-04-10 15:06:43
4397
1
原创 matplotlib绘图小结（数据可视化，数据分析）
matplotlib是python的一个绘图库主要画图框架结构：三层结构： 1）容器层 画板层（Canvas） 画布层（Figure） 绘图区（Axes）/坐标系（axis），子图（subplots） 2）辅助显示层 刻度线（xticks、yticks），图例（legend），标签（xlabel、ylabel），标题（title），网格（g...
2021-07-04 17:26:05
845
原创 机器学习之KNN算法（python代码实现）
kNN（k-Nearest Neighbors，k近邻）是机器学习中非常基础的一种算法，算法原理简单而且容易实现，结果精度高，无需估计参数，无需训练模型，而且不仅可以用于分类任务，还可以应用到回归问题。作为开始学习机器学习的入门是一个很好的选择。俗话说：近朱者赤，近墨者黑，物以类聚，人以群分。KNN算法就是这样。它使相同类别的样本在特征空间中聚集在一起。分类时一般采用多数表决投票法，即训练集里和预测的样本特征最近的K个样本，预测为里面有最多类别数的类别。回归时，一...
2021-07-03 11:26:55
16505
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