qq_43371456的博客

原创 DFS 深度搜索 自制N层 多层 for函数表达 python

本文重点!! 如何仅通过简便的方式 实现多层for循环 N层for循环接着上一篇(3*3拼图 自制for广度搜索) 8数码问题, 用了广度横向搜索方式完成之后, 我又想 用纵向也就是深度搜索的方式 完成拼图.如下图的遍历方式将每个最终子节点遍历到头后 在进行第二次遍历.我最早解拼图算法,是用 每步随机走法遍历的…也就是能不能走通拼图全靠运气,但是这个算法构建最简单,就是每步走法都是 从上下左右random取数,当然唯一的限制 就是 禁止回走上一步. 具体也就是规定给走100步,到100步就开始两次

原创 3*3拼图复原 (8数码问题) 每步穷举搜索(BFS广度搜索) Python解法

最近有同学 让我复原一个拼图 就想用代码解决 写了个 python的解决方案.原始输入图片复原完成图片解题思路就是 遍历每个可能步数 如下图的遍历方式想法就是用 for 遍历.难点1.如果要记住所有遍历过程, 拼图越来越大的话,会爆内存, 需要占用的储存空间太大了.解决方案1.就是每步都只记住上一步得出的 所有输出,在之前的输出就都忘记掉.然后输出本步所有的(拼图形状,空白块位置,本次移动方向), 作为下一次迭代的输入难点2. 如果每次都丢掉所有数据,最后只能得出 拼图是否可以完成,

原创 Task08：文本分类；数据增强；模型微调

文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。也就是 编码器-解码器的运用。数据增强通过前面的学习，我们知道有时候数据比算法更重要，也就是当我们拥有足够多的训练集的时候，即使我们的模型构建的不够好，也能够得出较好的预测效果。针对于图像识别模型，我们可以通过图像增⼴（image augmentation）技术来实现数据增强。而图像增⼴（image augmen...

原创 Task07：优化算法进阶；word2vec；词嵌入进阶

也就是通过三百个维度，每个维度我们都赋予值，就算有299个维度值相同，有一个维度值不同，我们就可以判别为不同的词。通过这个方法，仅需要300维度，我们就可以表示所有的词汇。一般的我们在我们平常输出的句子中会发现，有一些词的输出频率会特别高，比如‘the’，我们一般会通过二次采样来降低此类词出现的概率：对于出现在训练文中的每个单词，都会有一个从文本删除的概率，这个概率取决于相应单词的词频。n...

原创 Task06：批量归一化和残差网络；凸优化；梯度下降

原创 Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

如果我们现在要做个中英文翻译,比如我是中国人翻译成 ‘i am Chinese’.这时候我们会发现输入有 5个中文字,而输出只有三个英文单词. 也就是输入长度并不等于输出长度.这时候我们会引入一种 编码器-解码器的模型也就是 (Encoder-Decoder).首先我们通过编码器 对输入 ‘我是中国人’ 进行信息编码, 之后将生成的编码数据输入 decoder 进行解码.一般编码器和解码器 都会...

原创 Task05：卷积神经网络基础；leNet；卷积神经网络进阶

原创 Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶

一、过拟合、欠拟合及其解决方案过拟合：模型在训练集上取得的效果较好，误差较低，但是在训练集上出现较大误差欠拟合：建立的模型在训练集和测试集上均出现较高的误差。解决方案1.模型复杂度假设我们要预测的目标函数是个 y关于x的平方函数。（1）我们在建立模型的时候 选择了 y关于x的一次函数，那么预测出来的效果可能会很差，这时候 会造成欠拟合。过于简单的模型会造成欠拟合（2）如果我们选择了y...

原创 Task02:文本预处理；语言模型；循环神经网络基础

注意：以下图片均引用自 《动手学深度学习》一、文本预处理二、语言模型学习提问：动手学深度学习 P208 页上原文对 P(W2|W1)的 解释 是 w1，w2两个词相邻的频率和 w1 词频的比值。 p（w1）是w1在训练集中词出现的次数与总次数的比的而 视频上是说 其中 n(w1) 为语料库中以 w1 作为第一个词的文本的数量， n 为语料库中文本的总数量。其中 n(w1,w2) 为语...

原创 Task01：线性回归；Softmax与分类模型、多层感知机

二、Softmax与分类模型softmax模型的基本函数

原创 excel入门 taskk5

这一期是有关数据透视表的.首先跟大家说一下如何生成插入-数据透视表-确定任务一 1.1统计汇总每个城市大专、本科、硕士、博士的招聘人数，对学历没有要求的招聘不计算在内.因为不限的不计算在内,所以要在筛选的时候,不选中这里注意 值得内容 选择 计数!1.2统计汇总每个城市大专、本科、硕士、博士的最低工资平均值，对学历没有要求的招聘不计算在内...

原创 EXCEL入门 task4

个人认为一般数据要从起码两个维度评价一个是绝对数值, 还有一个占比百分比数值(当然纵向横向也很重要)任务一：统计各个城市对于数据分析师的需求情况(PS:这里首先还是要对题目进行自我理解…到底什么是数据分析师…怎么样我们就可以算是一个有效计数)最直观的首先我对positionname进行 筛选,含有数据分析师的我们会发现数据分析师有很多种.名称多样化. 很难有一个标准的界定…然后我们换一个...

原创 excel入门 task3

1.用vlookup函数 查找以下公司的 companyId | companyFullName | |:----| | 上海云贝网络科技有限公司 | | 携程计算机技术（上海）有限公司 | | 浙江康健绿线网络技术有限公司 | | 久亿财富（北京）投资有限公司 | | 杭州木瓜科技有限公司 | | 思特沃克软件技术（成都）有限公司 | | 北京金山云网络技术有限公司 |首先我们上面要查找的信息...

原创 excel入门 task2

任务一1.1将列salary最低工资提取出来，假如单元格为“10k以上”、“8k以下”等，最低工资直接为10和8步骤如下1.新建最低工资列, 将salary数据复制2.由于这个salary的薪资水平是排序好的…所以可以直接用替换…现将B列复制黏贴,取消公式 改为数值现在选中B列进行替换,输入如下替换公式(PS: *号 是一种通配符 表示任意字符任意长度), 这个替换公式的意思就是将第一个出...

原创 excel入门 task1

任务一任务二任务二的基本功能都在开始栏的界面1.第一列为职位ID，背景色为浅蓝；在选中A列,选择填充蓝色2.第二列为职位类型，字体颜色为红色选中B列,填充字体颜色为红色3.第三列为学历，每个单元格有下拉列表，选项为大专、本科、硕士、博士；先在非重要的地方 生成我们需要的选项 如图然后选中C2,在上面的栏目中选中 数据—点击有效性 然后来源里面选择我们刚才生成 四个选项的单元...

原创 MySQL入门 | 四

MySQL入门 | 四一.数据导入导出1.将之前创建的任意一张MySQL表导出,且是CSV格式2.再将CSV表导入数据库二.作业1. 项目七项目八项目九3.设定主键三.用SQL语句向表中添加数据四.用SQL语句删除表1.DELETE2.DROP3.TRUNCATE4.不同方式的区别五.用SQL语句修改表1.修改列名2.修改表中数据3.删除行4.删除列5.新建列6.新建行作业项目三项目四项目五项目...

原创 MySQL入门(三)

MySQL入门 | 三一.MySQL表数据类型二.用SQL语句创建表1. 语句解释2.设定列类型,大小,约束3.设定主键三.用SQL语句向表中添加数据四.用SQL语句删除表1.DELETE2.DROP3.TRUNCATE4.不同方式的区别五.用SQL语句修改表1.修改列名2.修改表中数据3.删除行4.删除列5.新建列6.新建行二.查询语句1.基本2.去重语句3.前N个语句4.CASE...END...

原创 2.逻辑回归算法梳理

决策树算法梳理一.信息论基础1.熵(信息论)2.联合熵3.条件熵4.信息增益5.基尼不纯度二.逻辑回归的原理三.逻辑回归损失函数推导及优化1.损失函数2.代价函数3.目标函数四.正则化与模型评估指标1.正则化2.评估指标(1).精度 (accuracy)(2).F1 score(3).ROC 曲线五.逻辑回归的优缺点六.样本不均衡问题解决办法七.sklearn.linear_model.Logis...

原创 MySQL入门(二)

MySQL入门 | 二一.SQL是什么？MySQL是什么？二.查询语句1.基本2.去重语句3.前N个语句4.CASE...END判断语句三.筛选语句1.where用法2.运算符/通配符/操作符四.分组语句 GROUP BY1.聚集函数2.关系型数据库3.二维表4.行5.列6.主键7.外键四.MySQL数据库管理系统1.新建一个数据库2.新建数据表数据表3.视图4.存储过程一.SQL是什么？My...

原创 3.决策树算法梳理

逻辑回归算法梳理一.逻辑回归(logistic regression)与线性回归的联系与区别二.逻辑回归的原理三.逻辑回归损失函数推导及优化1.损失函数2.代价函数3.目标函数四.正则化与模型评估指标1.梯度下降法2.牛顿法3.拟牛顿法五.逻辑回归的优缺点六.样本不均衡问题解决办法六.sklearn.linear_model.LogisticRegression参数详解一.逻辑回归(logist...

原创 MySQL入门(一)

MySQL入门 | 一一.软件安装及服务器设置二.下载并安装使用图形界面软件 Navicat for SQL三.数据库基础知识1.数据库定义2.关系型数据库3.二维表4.行5.列6.主键7.外键四.MySQL数据库管理系统1.新建一个数据库2.新建数据表数据表3.视图4.存储过程一.软件安装及服务器设置详见以下链接:https://www.jianshu.com/p/dd65cab11e8...

原创 1.线性回归算法梳理

线性回归算法梳理一.机器学习的一些概念1.监督学习2.非监督学习3.泛化能力4.过拟合插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入一.机器学习的一些概念1.监督学习简单来...