- 博客(18)
- 收藏
- 关注
RSS订阅原创 插入排序算法
插入排序类似于扑克牌的排序执行过程1.在排序过程中，插入排序把待排序的序列分为两部分头部是排好序的，尾部是待排序的。2.从头开始扫描每一个元素，当扫描到一个元素，把他插入到头部合适的位置，使得头部序列依据...
2022-03-02 14:15:10
123
原创 快速排序算法
快速排序算法1960年由查尔斯·安东尼·理查德·霍尔（Charles Antony Richard Hoare，缩写为C. A. R. Hoare）提出快速排序 – 执行流程① 从序列中选择一个轴点元素（pivot）✓ 假设每次选择 0 位置的元素为轴点元素② 利用 pivot 将序列分割成 2 个子序列✓ 将小于 pivot 的元素放在pivot前面（左侧）✓ 将大于 pivot 的元素放在pivot后面（右侧）✓ 等于pivot的元素放哪边都可以③ 对子序列进行 ① ② 操作✓ 直
2022-03-02 14:14:41
133
原创 当代年轻人怎样安心立命
中国五千年哲学的核心问题就是如何树立独立的人格，如何建构道德自觉的主体。是内心的建构，直至内心。破山中贼易，破心中贼难。我们自古以来不以宗教信仰立心，但是面对个人主义社会到来的时代，我们每个人都需要有自己安心立命的地方。不仅仅是物欲的个人。当我们考虑人生意义和价值或者人生目标的时候，必须得到哲学上的启发。现在时代随着家族本位社会的解体，我们进入了个人主义社会的时代，但是这个个人主义社会没有精神基础，终究会沦为物欲的个人，每个人都要实现自己的物欲，就需要人与人直接的帮助，形成“熟人社会” ，人生没有信念，只
2022-02-07 08:40:42
422
原创 TOP k问题
从n个整数中，找出最大的前k个值。如果使用排序算法进行全排序，需要O(nlogn)的时间复杂度。如果使用二叉堆来排序，需要O(nlogk)的时间复杂度。
2022-02-02 20:01:17
136
原创 堆——二叉堆（Heap）
堆堆(Heap)是一种树状的数据结构（不要跟内存模型中的“堆空间”混淆）。常见的堆有：堆有一个重要的性质：任意节点的值总是>=（<=）子节点的值。如果任意节点的值总是>=子节点的值，则称为：最大堆，大根堆，大顶堆如果任意节点的值总是<=子节点的值，则称为：最小堆，小根堆，小顶堆。堆中的元素必须具备可比较性。堆的接口设计：二叉堆二叉堆的逻辑结构就是一颗完全二叉树，所以也叫完全二叉堆。由于完全二叉树的结构特性，二叉堆的底层结构用数组实现即可。...
2022-02-01 23:12:39
559
原创 红黑树和B树
红黑树（Red Black Tree）B树B树是一种平衡的多路搜索树，用于文件系统、数据库的实现。特点：一个节点可以存储超过两个元素、可以拥有超过两个子节点。拥有二叉搜索树的性质。平衡、每个节点高度一致比较矮...
2022-01-27 00:32:38
1173
原创 尼采关于人生和生活的语录
弗里德西.威廉.尼采（1844-1900）德国哲学家自由的保证是什么？是对自己不再感到羞耻。那些听不见音乐的人认为那些跳舞的人都疯了。一个人知道自己为什么而活，就可以忍受任何一种生活。你要搞清楚你人生的剧本-不是你父母的续集，不是你子女的前传，更不是你朋友的外篇。对待生命你不妨大胆冒险一点，因为你最终都要失去它。你有你的路，我有我的路。至于适当的路，正确的路和唯一的路，这样的路并不存在。理想主义者是不可就要的：如果他被扔出了他的天堂，他会再制造一个理想的地狱。婚姻不幸福，不是因为缺乏爱，而是因
2022-01-19 21:59:01
1128
原创 数据结构（中）-二叉树及AVL树
二叉树之前介绍的数组、链表、栈、队列 都是线性结构。二叉树为树形结构一棵树可以没有任何节点，称为空树。一棵树可以只有一个节点，也就只有根节点。节点的度：子树的个数。树的度：所有节点中度中的最大值。叶子节点：（leaf）度为0的节点。层数：根节点在第一层，根节点的子节点在第二层，以此类推，（有些资料也从第0层开始）。节点的深度： 从根节点到当前节点的唯一路径上的节点总数。节点的高度： 从当前节点到最远叶子节点的路径上的节点总数。树的深度 所有节点深度中的最大值树的高度：所有节点高度中
2022-01-18 10:58:15
465
原创 常见的数据结构（上）
数据结构和算法001资源来源网络，仅用于自己学习时间复杂度- 大O表示法（Big O）注意:大O 表示法仅仅是一种粗略的分析模型，是一种估算。 空间复杂度-- 估算所需占用的存储空间。算法的优化方向：...
2022-01-02 22:02:35
665
原创 Linux常见命令
命令格式： 命令[-选项][参数]例如： ls -la /etc说明 个别命令不遵循此格式目录处理命令 lsls -l 显示详细信息分别表示 文件权限、文件计数 、所有者、 所属组、 文件大小、 修改时间 、文件名文件权限：第一个字母 d表示目录 l表示软连接 -表示文件r：读 w：写 x:可执行后面九个字符 前三个字母 ：所有者权限 中间三个：所属组权限 后三个字母：其他人权限makedir命令 文件处理命令...
2021-11-29 23:21:33
512
原创 Linux学习注意事项
Linux学习注意事项注意事项1.linux严格区分大小写2.linux中所有的内容以文件的形式保存，包括硬件3.Linux不靠扩展名区分文件4.linux所有的存储设备都必须挂载之后用户才能使用，包括硬盘、u盘和光盘5.Windows下的程序不能直接在Linux中安装Linux各个目录作用服务器注意事项注意事项1.linux严格区分大小写linux命令全是小写，环境变量习惯采用大写。所有内容严格区分大小写2.linux中所有的内容以文件的形式保存，包括硬件一切皆为文件3.Linux不靠扩展
2021-11-29 19:38:30
942
原创 推荐系统的架构
本文重点介绍一下推荐系统的技术框架，借用王喆老师常说的一句话：“不谋全局者，不足谋一域”。在学习推荐系统的过程中，我们需要建立自己的知识体系，总揽全局。必须要有一个像书中总结的推荐系统架构图一样的全局的技术框架在心中，只有这样，才能够提出全局最优的技术决策，和充分考虑各方利弊的技术权衡。推荐系统中技术框架大体可以分为两个部分：数据部分和模型部分。 如下图所示：数据部分主要负责“用户”“物品”“场景”的信息收集和处理。推荐系统的模型部分是推荐系统的总体，模型的结构一般由召回层，排序层，和补充策略层组成。
2020-12-30 21:39:21
810
5
原创 特征工程中的特征处理
特征工程一般是指通过专业背景知识和技巧处理数据，使得特征在机器学习中发挥更好的作用。特征工程一般包括特征特征清洗（采样，清洗异常样本），特征处理，特征选择。本文先介绍特征工程中的特征处理。特征处理特征按照不同的数据类型可以做不同的处理方式。一般特征可以分为：-数值型 -类别型 -时间型 -统计型.几种。接下来分开介绍几种不同类型特征常见的处理方式。数值型类型特征的处理方式数值型特征一般是用连续的数值来表示当前特征。主要的处理方式是归一化和离散化。归一化：数据的特征和特征之间应该是平等的，它们
2020-12-29 16:53:44
344
原创 推荐系统的分类
推荐系统的分类方式有很多种，在不同的资料中也给出了不同的分类方式。我们可以获得的数据总体来说有三种：用户的信息，物品的信息，和用户的行为信息。按照获得数据的不同也可以将推荐系统分为三种：(1).基于人口统计学的推荐。（2）.基于内容的推荐。(3).基于协同过滤的推荐。基于人口统计学的推荐当我们拿到用户的一些标签信息时，我们可以采用基于人口统计学的推荐，根据用户的特征可以找到与目标用户相似的用户，再根据相似用户的喜好对目标用户进行推荐。·基于人口统计学的推荐机制(Demographic-based R
2020-12-28 21:59:21
4443
4
原创 推荐系统经典算法——协同过滤
什么是协调过滤协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息。顾名思义，就是协同大家的爱好，评论，兴趣等对海量的信息进行过滤的算法。协调过滤是推荐系统中一种诞生最早，影响最大，应用最广泛的模型。 可以分为两大类，一类是基于用户的协同过滤（use-based)。另一种是基于物品的协同过滤算法（Item-based）。基于用户的协同过滤通过寻找与目标用户具有相同喜好的相似用户，在通过相似用户的其他喜好来推荐给目标用户的过程就是基于用户的协同过滤。故基于用户的协同过滤一
2020-12-27 19:30:08
730
原创 使用TensorFlow 搭建神经网络的六步法
使用TensorFlow API：tf.keras 搭建神经网络搭建神经网络六步法：1.导入第三方库：import2.导入并理解数据，划分训练集与测试集：train test3.在Sequential()中搭建网络结构。逐层描述每层网络，相当于前向传播。：model=tf.keras.models.Sequential4.在compile中配置训练方法。即选择哪种优化器，选择哪个损失函数，选择哪种评测指标。model.compile5.在fit中进行训练。告知训练集和测试集的输入特征和标签。每个
2020-11-21 19:08:34
2381
3
原创 TensorFlow中的常见函数
TensorFlow2.0常见函数常用函数import tensprflow as tf1.tf.cast(张量名，dtype=数据类型)效果为强制tensor转换为该数据类型，例如下代码：x1 = tf.constant([1., 2., 3.], dtype=tf.float64)print("x1:", x1)x2 = tf.cast(x1, tf.int32)print("x2", x2)输出结果为：x1: tf.Tensor([1. 2. 3.], shape=(3,), d
2020-11-21 11:32:54
410
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