![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 65
AmazingJadeWu
Github:https://github.com/amazingWu
开源中国:https://git.oschina.net/WU_QI
展开
-
如何基于高德的数据构建自己的GPS查询系统
在不少业务中可能都会用到GPS查询省市区的信息,因此今天来聊聊如何用高德的数据打造一份GPS定位到省市区的SDK高德能拿到什么样的数据https://lbs.amap.com/api/webservice/guide/api/district在高德的开发者平台上有一个行政区域查询接口,该接口能够查询区域的行政边界信息其中的polyline行政区域边界坐标点就是区域的围栏边界。一般查询city的话,会把所有的区域信息返回,个别情况除外,如部分区域没有城市,只有省,需要对省份信息检索。该接口通过关键原创 2020-12-18 14:07:04 · 578 阅读 · 0 评论 -
编程—回文序列
如果一个数字序列逆置之后跟原序列是一样的就称这样的数字序列为回文序列。例如: {1, 2, 1}, {15, 78, 78, 15} , {112} 是回文序列, {1, 2, 2}, {15, 78, 87, 51} ,{112, 2, 11} 不是回文序列。 现在给出一个数字序列,允许使用一种转换操作: 选择任意两个相邻的数,然后从序列移除这两个数,并用这两个数字的和插入原创 2017-08-13 13:53:57 · 449 阅读 · 0 评论 -
机器学习实战--朴素贝叶斯
使用Python进行文本分类要从文本中获取特征,需要先拆分文本,具体如何做呢?这里的特征是来自文本的词条,一个词条是字符的任意组合。可以把词条想象为单词,也可以使用非单词词条,如URL、IP地址或者任意其他字符串。然后将每一个文本片段表示为一个词条向量,其中值为1表示词条出现在文档中,0表示词条未出现。此处以社区留言为例,为了过滤侮辱性的言论,我们使用1 和 0 来代表是侮辱类和非侮辱类。首先会给出原创 2017-06-29 23:20:40 · 228 阅读 · 0 评论 -
0-1背包问题递归与非递归实现
0-1背包问题有很多介绍,现在先不做说明,有时间补上。以下是递归的实现:package test;public class Package01 { /** * 01背包问题,求最大价值 * @param n 元素个数 * @param V 背包容量 * @param w 元素的体积 * @param v 元素的价值 * @param y 记录哪些元素被取出原创 2017-03-14 13:59:11 · 4945 阅读 · 3 评论 -
机器学习初涉--k近邻算法
在此对k近邻算法做一个简单的总结:原理K-近邻方法通过计算每个训练样例到待分类样品的距离,取和待分类样品距离最近的k个训练样例,k个样品中哪个类别的训练样例占多数,则待分类原组就属于哪个类别。 在实践中往往通过若干次实验来确定K值,取分类误差率最小的K值。特点KNN方法主要依靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别,因此对于类域的交叉或者重叠较多的待分类样本集来说,KNN方法更原创 2017-05-10 10:28:15 · 653 阅读 · 0 评论 -
用简单的方式讲解KMP算法
之前对kmp算法虽然了解它的原理,即求出P0···Pi的最大相同前后缀长度k;但是问题在于如何求出这个最大前后缀长度呢?我觉得网上很多帖子都说的不是很清楚,总感觉没有把那层纸戳破,后来翻看算法导论,32章 字符串匹配虽然讲到了对前后缀计算的正确性,但是大量的推理证明不大好理解,没有与程序结合起来讲。今天我在这里讲一讲我的一些理解,希望大家多多指教,如果有不清楚的或错误的请给我留言。 原理字符串匹配转载 2017-05-25 17:14:46 · 571 阅读 · 0 评论 -
机器学习初涉--贝叶斯分类
贝叶斯定理 这个定理解决了现实生活里经常遇到的问题:已知某条件概率,如何得到两个事件交换后的概率,也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率: P(A|B) 表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率。其基本求解公式为:。 贝叶斯定理之所以有用,是因为我们在生活中经常遇到这种情况:我们可以很容易直接得出P(A|原创 2017-05-06 11:31:30 · 784 阅读 · 0 评论 -
关联规则-Apriori算法
关联规则的挖掘分为两步:1,找出所有频繁项集;2,由频繁项集产生强关联规则。总体的性能由第一步决定。 Apriori核心算法思想简要描述如下: 该算法中有两个关键步骤为连接步和剪枝步。 1)连接步:为找出Lk(频繁k项集),通过Lk-1与自身连接,产生候选k项集,该候选k项集,该候选集记作Ck;其中Lk-1的元素是可连接的。 2)剪枝步:Ck是Lk的超集,即它的成员可以是也可以不是频繁的,但原创 2017-05-14 15:24:39 · 3237 阅读 · 0 评论 -
动态规划-DAG-硬币问题
题目:有n种硬币,面值分别为V1,V2,…Vn,每种都有无限多。给定非负整数S,可以选用多少个硬币,使得面值之和恰好为S?输出硬币数目的最小值和最大值! 如果我们有面值为1元、3元和5元的硬币若干枚,如何用最少的硬币凑够11元? (表面上这道题可以用贪心算法,但贪心算法无法保证可以求出解,比如1元换成2元的时候) 首先我们思考一个问题,如何用最少的硬币凑够i元(i<11)?为什转载 2017-04-17 21:45:44 · 4426 阅读 · 1 评论 -
k-means聚类算法
开始之前先介绍下什么是簇识别。簇识别:簇识别给出聚类结果的含义。假定有一些数据,现在将相似数据归到一起,簇识别会告诉我们这些簇到底都是些什么。k-均值是发现给定数据集的K个簇的算法。簇个数是用户给定的,每一个簇通过其质心,即簇中所有点的中心来描述。k-means聚类算法的评价:优点:容易实现缺点:可能收敛到局部最小值,在大规模数据集上收敛较慢。原创 2016-10-28 20:34:20 · 962 阅读 · 0 评论 -
决策树分类算法
最近在学习数据挖掘,算法的重要性可想而知,先学习下理论,本篇是关于决策树算法,参考了一些博客,觉得写的非常不错。后面会结合代码来实现这些算法,并尝试着使用mahout等框架来使用这些算法解决实际的问题转载 2016-10-26 15:56:22 · 13024 阅读 · 0 评论