2019年02月_sdbhewfoqi

原创【机器学习】概念复习 early stop

https://www.jianshu.com/p/304e1023c4cb随机森林的采样体现在哪方面？（阿里） Seq2Seq模型介绍一下 Lstm为什么能解决梯度消失问题？ lstm里面的状态更新是怎样的，各个门是怎样的？数据之间如果不是独立同分布的会怎样？在不少问题中要求样本（数据）采样自同一个分布是因为希望用训练数据集训练得到的模型可以合理用于测试集，使用同分布假设能够使得...

2019-02-28 21:43:41 5051

原创【数据结构】排序

排序排序总结去这里看：八大排序算法记忆总结（摘自我的考研复习笔记啊，率辉？？）：（快）快速排序、（些）希尔排序、（归）归并排序、（队）堆排序时间复杂度：快些以nlogn的速度归队！！空间复杂度：记特殊的就好，快排logn，归并n，其他都是1 稳定性总结：心情不稳定，快些选一堆好友来聊天！！与排序原理有关的细节经过一趟排序，能够保证一个元素到达最终位置，这样...

2019-02-28 10:44:08 1916 1

原创【Tensorflow】相关复习

用tensorflow实现线性回归，主要考察的是一个tf的一个实现思路。（贝壳） import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#使用numpy生成200个随机点x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis]noise=np.rand...

2019-02-27 15:43:44 4988 3

原创【Python】相关面试题

python中 a=1，b=1，那么a is b返回的是true还是false？true在Python里，obj1==obj2比较的是两个变量的值；若要比较它们的地址/id，则使用关键字isPython中的引用比较、值比较与对象池 python里的gc和多线程。在Python中，为了解决内存泄露问题，采用了对象引用计数，并基于引用计数实现自动垃圾回收。python中的di...

2019-02-27 15:14:03 220

原创【leetcode】78.子集（self的使用以及Python/函数的嵌套和闭包）

给定一组不含重复元素的整数数组nums，返回该数组所有可能的子集（幂集）。说明：解集不能包含重复的子集。示例:输入: nums = [1,2,3]输出:[ [3], [1], [2], [1,2,3], [1,3], [2,3], [1,2], []]知识点复习：python的self之个人理解Python中的self一般用于类的方法中...

2019-02-27 13:44:19 1617

原创【leetcode】452. 用最少数量的箭引爆气球

在二维空间中有许多球形的气球。对于每个气球，提供的输入是水平方向上，气球直径的开始和结束坐标。由于它是水平的，所以y坐标并不重要，因此只要知道开始和结束的x坐标就足够了。开始坐标总是小于结束坐标。平面内最多存在104个气球。一支弓箭可以沿着x轴从不同点完全垂直地射出。在坐标x处射出一支箭，若有一个气球的直径的开始和结束坐标为 xstart，xend，且满足 xstart ≤ x ≤ xen...

2019-02-26 21:17:40 646

原创【leetcode】55. 跳跃游戏

给定一个非负整数数组，你最初位于数组的第一个位置。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个位置。示例 1:输入: [2,3,1,1,4]输出: true解释: 从位置 0 到 1 跳 1 步, 然后跳 3 步到达最后一个位置。示例 2:输入: [3,2,1,0,4]输出: false解释: 无论怎样，你总会到达索引为 3 的...

2019-02-26 14:12:08 172

原创【leetcode】402. 移掉K位数字

给定一个以字符串表示的非负整数 num，移除这个数中的 k 位数字，使得剩下的数字最小。注意:num 的长度小于 10002 且 ≥ k。 num 不会包含任何前导零。示例 1 :输入: num = "1432219", k = 3输出: "1219"解释: 移除掉三个数字 4, 3, 和 2 形成一个新的最小的数字 1219。示例 2 :输入: num = "10...

2019-02-25 11:33:10 275

如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。少于两个元素的序列也是摆动序列。例如， [1,7,4,9,2,5] 是一个摆动序列，因为差值 (6,-3,5,-7,3) 是正负交替出现的。相反, [1,4,7,2,5] 和 [1,7,4,5,5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个...

2019-02-25 11:13:00 417

原创【深度学习】Batch Normalization

7.BN的原理！！！它的参数是怎么学习到的？

2019-02-21 23:39:36 3144 1

原创【Tensorflow】卷积中same和vaild的区别

same和vaild的区别？same是做填充，valid是舍去。用tensorflow/keras写一个

2019-02-21 20:30:39 1854

原创【机器学习】ResNet总结

被问了。。。?一个block能不能画出来啊！？常规的网络的堆叠（plain network）在网络很深的时候，效果却越来越差了。其中原因之一即是网络越深，梯度消失的现象就越来越明显，网络的训练效果也不会很好。但是现在浅层的网络（shallower network）又无法明显提升网络的识别效果了，所以现在要解决的问题就是怎样在加深网络的情况下又解决梯度消失的问题。resnet50包含两个block：identity block和convolution blockshortcut..

2019-02-21 11:42:36 1470 4

原创【计算机视觉】项目总结

Faster rcnn损失函数部分：为什么采用L1而不用L2？smoothed L1 Loss is a robust L1 loss that is less sensitive to outliers than the L2 loss used in R-CNN and SPPnet.上述是Fast RCNN解释为什么采用smoothed L1, 因为它对噪音点不那么敏感，即对离目标太...

2019-02-21 11:41:57 1077

原创【深度学习】3层神经网络的BP推导

先来复习一下理论：简述反向传播原理【baba】，这道题忽然发现自己根本什么都说不出口。。。思路具体是先介绍前向传播，再介绍反向传播。在多层感知机中，输入信号通过各个网络层的隐节点产生输出的过程称为前向传播。在网络训练中，前向传播最终产生一个标量损失函数，反向传播算法BP则是将损失函数的信息沿网络层向后传播用以计算梯度，达到优化网络参数的目的。反向传播的理解西瓜书p101...

2019-02-20 17:55:06 2890

原创【Python】冒泡排序有关range()

问题源于写冒泡排序的时候，遇到了for(i=n;i<=1;--i)，用python怎么实现？答案：相当于 for i in range(n,-1,-1)所以 for(j=1,j<=i,++j) 相当于 for j in range(1,i+1,1)。range函数语法range(start, stop[, step])参数说明：start: 计数从 start...

2019-02-20 17:48:03 2357

原创【Git】Git问题

github常见操作和常见错误！Q:This is usually caused by another repository pushing：refusing to merge unrelated histories在已有的仓库中提交一个保存图片的文件夹，git push遇到问题error: failed to push some refs to '我相关联的git仓库'hint...

2019-02-19 11:16:02 253

原创【leetcode刷题班】贪心题目求解

leetcode455、分糖果(easy)假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。对每个孩子 i ，都有一个胃口值 gi ，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j ，都有一个尺寸 sj 。如果 sj >= gi ，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大...

2019-02-18 19:30:19 1042

原创【机器学习】算法对比与总结

机器学习-LR推导及与SVM的区别 LR的优缺点优点一、预测结果是界于0和1之间的概率；二、可以适用于连续性和类别性自变量；三、容易使用和解释；缺点一、对模型中自变量多重共线性较为敏感，例如两个高度相关自变量同时放入模型，可能导致较弱的一个自变量回归符号不符合预期，符号被扭转。需要利用因子分析或者变量聚类分析等手段来选择代表性的自变量，以减少候选变量之间的相关性；二...

2019-02-17 15:13:55 232

原创【机器学习】集成学习Stacking

上半部分是用一个基础模型进行5折交叉验证，如：用XGBoost作为基础模型Model1，5折交叉验证就是先拿出四折作为training data，另外一折作为testing data。注意：在stacking中此部分数据会用到整个traing set。如：假设我们整个training set包含10000行数据，testing set包含2500行数据，那么每一次交叉验证其实就是对traini...

2019-02-01 23:42:50 5116 3

littlemichelle