1、深度学习
模型泛化性差,如何解决?
当训练集能够很好地拟合,但是测试集却不能有很好的准确率,主要可能有以下几点原因:
-
情况一:数据集大,提升模型大小泛化性没有提升
解放方法:
1.1、找当前任务的公开数据集训练自己的模型,验证算法可行性
1.2、保证数据集和标签正确无误
1.3、正则化
1.4、超参探索、尝试
-
情况二:过拟合
解决方法:
2.1、增大数据集
2.2、增加正则化
3.3、减小网络模型
2.4、提前停止训练
2、算法与数据结构
2.1、方法一: 暴力解法
两层for循环,一个 for 循环遍历数组元素 ,第二个 for 循环更新数组
c++
// 时间复杂度:O(n^2)
// 空间复杂度:O(1)
class Solution {
public:
int removeElement(vector<int>& nums, int val) {
int size = nums.size();
for (int i = 0; i < size; i++) {
if (nums[i] == val) { // 发现需要移除的元素,就将数组集体向前移动一位
for (int j = i + 1; j < size; j++) {
nums[j - 1] = nums[j];
}
i--; // 因为下标i以后的数值都向前移动了一位,所以i也向前移动一位
size--; // 此时数组的大小-1
}
}
return size;
}
};
python
class Solution:
def removeElement(self, nums: List[int], val: int) -> int:
i, l = 0, len(nums)
while i < l:
if nums[i] == val: # 找到等于目标值的节点
for j in range(i+1, l): # 移除该元素,并将后面元素向前平移
nums[j - 1] = nums[j]
l -= 1
i -= 1
i += 1
return l
2.2、方法二:双指针法(快慢指针法)
通过一个快指针和慢指针在一个 for 循环下完成两个 for 循环的工作
- 快指针:寻找新数组的元素 ,新数组就是不含有目标元素的数组
- 慢指针:指向更新 新数组下标的位置
c++
// 时间复杂度:O(n)
// 空间复杂度:O(1)
class Solution {
public:
int removeElement(vector<int>& nums, int val) {
int slowIndex = 0;
for (int fastIndex = 0; fastIndex < nums.size(); fastIndex++) {
if (val != nums[fastIndex]) {
nums[slowIndex++] = nums[fastIndex];
}
}
return slowIndex;
}
};
python
class Solution:
def removeElement(self, nums: List[int], val: int) -> int:
# 快慢指针
fast = 0 # 快指针
slow = 0 # 慢指针
size = len(nums)
while fast < size: # 不加等于是因为,a = size 时,nums[a] 会越界
# slow 用来收集不等于 val 的值,如果 fast 对应值不等于 val,则把它与 slow 替换
if nums[fast] != val:
nums[slow] = nums[fast]
slow += 1
fast += 1
return slow
3、编程基础
3.1、问题一:
元组和列表的区别:
1、与列表相似,不同之处就在于元组的元素不能被修改。
2、列表使用的是中括号“[]”,元组使用的是小括号“()”。
3、列表属于可变类型,元组属于不可变类型。
4、Python内部对元组进行了大量的优化,访问和处理速度都比列表快
3.2、问题二
给出一个 n*n 矩阵,将其逆时针旋转 90 °,但是不能开辟新的内存空间
关键:当元素 Ai,j 逆时针旋转后就有了 Ai,j = Aj,(n-i) 的关系