- 博客(49)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 maven设置jdk编译版本
<build> <plugins> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <version>3.1</...
2021-04-28 19:58:24
217
原创 zk的监听机制--一次监听和多次监听
一次监听，改变数据只能监听到一次，再次改变，监听不到public class ChangeDataWacher { public static void main(String[] args) throws Exception { // 连接并获取zk客户端的对象 ZooKeeper zk = new ZooKeeper("feng01:2181,feng02:2181,feng03:2181", 2000, null); zk.getData("/
2021-02-22 11:32:34
1293
1
原创 Flink将数据流写入Kafka,Redis,ES,Mysql
Flink写入不同的数据源写入到 Mysql写入到ES向 Redis写入向 kafka 写入导入公共依赖 <dependency> <groupId>org.slf4j</groupId> <artifactId>slf4j-simple</artifactId> <version>1.7.25</version> <
2021-02-05 21:35:01
765
原创 构建者模式
看到Flink 写入到redis的源码包，很经典的构建者模式。//// Source code recreated from a .class file by IntelliJ IDEA// (powered by Fernflower decompiler)//package org.apache.flink.streaming.connectors.redis.common.config;import java.util.Objects;public class FlinkJed
2021-02-05 19:54:21
138
原创 设计模式之动态代理和静态代理
静态代理public interface ITeacher { void teach();}public class TeacherDao implements ITeacher { @Override public void teach() { System.out.println("老师授课开始..."); }}publ...
2020-03-06 21:22:27
150
原创 字节实习面试题
题目：给定m个不重复的字符 [a, b, c, d]，以及一个长度为n的字符串tbcacbdata， 问能否在这个字符串中找到一个长度为m的连续子串，使得这个子串刚好由上面m个字符组成，顺序无所谓，返回任意满足条件的一个子串的起始位置，未找到返回-1。比如上面这个例子，返回3.public class FindIndex { public static int findindex(cha...
2020-02-26 11:07:16
1576
原创 有关回溯法的几道题
著名的n皇后问题：n 皇后问题研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。public class NQueue { public static int N=8; public static int[] QueueColumm=new int[N];//QueueColumn[i]的值表示第i个皇后放在哪一列；每行代表一个皇后 ...
2019-12-31 15:28:40
164
原创 dropout的noise_shape含义
假设原始张量xxx的形状信息为[k,l,m,n][k,l,m,n][k,l,m,n],现在noiseshape=[k,1,1,n]noise_shape=[k,1,1,n]noiseshape=[k,1,1,n],xxx的第一个维度和noise_shape的第一个维度是一致的，都为kkk,就是说，原始张量的第一个维度的去留是随机的，但这个随机的“粒度”不再是以元素为单位，而是以这个“维度”为整体...
2019-12-12 20:51:03
1135
1
原创 一文读懂交叉熵的基本概念
在模型构建完毕后，下面的工作就是定义损失函数。损失函数的功能在于，衡量实际输出值和预期输出值之间的差异程度，井借此调节网络的参数。对于多分类问题，最常用的损失函数就是交叉熵函数( Cros-enrorp）那什么是交叉熵呢?说到交叉熵，就不得不提一下“熵”的概念。熵的概念源自热力学。它是系统混乱度的度量，越有序，熵越小。反之，越杂乱无序，熵就越大。在信息领域，信息论的开创者香农(Claude S...
2019-12-12 16:40:41
1775
原创 softmax的魅力
softmaxsoftmaxsoftmax(软最大值)，势必有与之对应的HardMaxHardMaxHardMax(硬最大值)。hardMaxhardMaxhardMax其实就是我们常用的maxmaxmax函数，假如有三个数：z1,z2,z3z_1,z_2,z_3z1,z2,z3,现在想求这三个数最大值，直接比较就可以，大就是大，小就是小，没有争议。所以叫“硬最大值”，如果不是直接比较数值本...
2019-12-12 15:24:44
224
原创 KMP算法
大名鼎鼎的KMP算法，当初考研时也没好好看，最近才搞懂，惭愧。public class KMP { public static int[] GetNextArray(char[] str2){//str2为子串 if(str2.length==1) return new int[]{-1}; int[] next=new int[s...
2019-12-10 20:36:47
110
原创 Numpy实现简单的三层神经网络
输入X（60,1000），中间隐藏层的维度分别为：200,100,10import numpy as npN,D_in,H_1,H_2,D_out=60,1000,200,100,10x=np.random.randn(N,D_in) #(60,1000)y=np.random.rand(N,D_out)#(60,10)w1=np.random.randn(D_in,H_1)#(100...
2019-12-07 14:31:05
439
原创 pytorch初探
第一课褚则伟 zeweichu@gmail.com参考资料 reference什么是PyTorch?PyTorch是一个基于Python的科学计算库，它有以下特点:类似于NumPy，但是它可以使用GPU可以用它定义深度学习模型，可以灵活地进行深度学习模型的训练和使用TensorsTensor类似与NumPy的ndarray，唯一的区别是Tensor可以在GPU上加速运算。fr...
2019-12-06 20:28:54
743
原创 贪心问题之初探--经典贪心问题
题目一一块金条切成两半，是需要花费和长度数值一样的铜板的。比如长度为20的 金条，不管切成长度多大的两半，都要花费20个铜板。一群人想整分整块金 条，怎么分最省铜板？例如,给定数组{10,20,30}，代表一共三个人，整块金条长度为10+20+30=60. 金条要分成10,20,30三个部分。 如果， 先把长度60的金条分成10和50，花费60 再把长度50的金条分成20和30，花费50 一共...
2019-12-06 13:50:56
305
原创 最小的字典序
最小字典序题目给定一个字符串类型的数组strs，找到一种拼接方式，使得把所有字 符串拼起来之后形成的字符串具有最低的字典序。如"ab",“cd”,“ef”,则拼接后的最低字典序是：“abcdef”这里重点是选择什么样的贪心策略：最直观的：依次比较两个字符串的ASCII码，但是这种策略有漏洞，不正确：如"b",“ba”,按照我们的策略，结果应该是"bba";而实际最低的字典序应该是"bab...
2019-12-05 21:21:22
4504
1
原创 前缀树初探：前缀树的经典结构
前缀树的构造如下图，将“abc”,“bcd”,"bd"依次添加，构成下面的前缀树，每个节点里的字段可以对照着下面的程序来理解：public class TrieTree { public static class TreeNode{ public int path; public int end; public HashMap<C...
2019-12-05 20:15:29
199
原创 小岛问题以及优化思想
岛问题一个矩阵中只有0和1两种值，每个位置都可以和自己的上、下、左、右四个位置相连，如果有一片1连在一起，这个部分叫做一个岛，求一个矩阵中有多少个岛？举例：0 0 1 0 1 01 1 1 0 1 01 0 0 1 0 00 0 0 0 0 0这个矩阵中有三个岛。public static int countIslands(int[][] m) {if (m == null ||...
2019-12-05 15:41:04
670
原创 并查集初探（UnionFindSet）
并查集并查集主要有两个功能：快速检测两个元素是否属于一个集合 isSameSet(A,B)将两元素所在的集合合并在一起 Union(A,B)package com.mianshi.neu;import java.util.HashMap;import java.util.List;import java.util.Stack;public class UnionFindS...
2019-12-05 15:17:04
312
原创 乘积最大子序列
题目给定一个整数数组 nums ，找出一个序列中乘积最大的连续子序列（该序列至少包含一个数）。示例 1:输入: [2,3,-2,4]输出: 6解释: 子数组 [2,3] 有最大乘积 6。示例 2:输入: [-2,0,-1]输出: 0解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。典型的动态规划问题：class Solution { public int m...
2019-12-03 20:26:42
147
原创 两个无限大的正整数相加
public class BigDataAdd { public static String add(String s1,String s2){ if(s1==null||s1.equals("")) return s2; if(s2==null||s2.equals("")) return s1; ...
2019-12-03 20:19:41
773
原创 第K个语法符号
在第一行我们写上一个 0。接下来的每一行，将前一行中的0替换为01，1替换为10。给定行数 N 和序数 K，返回第 N 行中第 K个字符。（K从1开始）例子:输入: N = 1, K = 1输出: 0输入: N = 2, K = 1输出: 0输入: N = 2, K = 2输出: 1输入: N = 4, K = 5输出: 1解释:第一行: 0第二行: 01第三行: 01...
2019-12-03 19:16:36
464
原创 回溯算法简单介绍
转载自labuladong微信公众号，侵权删。废话不多说，直接上回溯算法框架。解决一个回溯问题，实际上就是一个决策树的遍历过程。你只需要思考 3 个问题：1、路径：也就是已经做出的选择。2、选择列表：也就是你当前可以做的选择。3、结束条件：也就是到达决策树底层，无法再做选择的条件。如果你不理解这三个词语的解释，没关系，我们后面会用「全排列」和「N 皇后问题」这两个经典的回溯算法问题来帮你...
2019-12-03 16:49:22
818
原创 最近的公共祖先节点
给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。百度百科中最近公共祖先的定义为：“对于有根树 T 的两个结点 p、q，最近公共祖先表示为一个结点 x，满足 x 是 p、q 的祖先且 x 的深度尽可能大（一个节点也可以是它自己的祖先）。”例如，给定如下二叉树: root = [3,5,1,6,2,0,8,null,null,7,4]示例 1:输入: root = [3,5,1,6...
2019-12-03 16:34:46
356
原创 通俗理解假设检验
最近再看假设检验相关东西，在网上找到一篇文章还不错，原文链接已失效，侵权删。假设检验简单来说，就是下面4步的推理逻辑：为了你更容易理解，我还是从一个生活中的例子开始聊起。这个例子里举王宝强和马蓉的例子并没有恶意，只是想说明假设检验的背后逻辑，而这个例子更容易让你理解清楚。有一天，宝强怀疑妻子有可能出轨，但是自己逻辑能力太弱，于是就请了我这个侦探来帮他破案。于是，我就拿出了自己的杀手锏武器...
2019-11-12 20:36:48
2396
转载 VAE(变分自编码器总结)
本想自己总结，结果谷歌到别人写的总结，感觉不错，自己再偷一次懒吧。http://minghao23.com/2019/02/23/VAE/#autoencoderae
2019-07-24 21:34:43
419
转载 k-d tree算法原理及实现
优化knn可以用到kd树，网上找到一篇博文写的不错，特意转载过来，来源：k-d tree即k-dimensional tree，常用来作空间划分及近邻搜索，是二叉空间划分树的一个特例。通常，对于维度为kkk，数据点数为N的数据集，k-d tree适用于N≫2kN≫2^kN≫2k的情形。1）k-d tree算法原理k-d tree是每个节点均为k维数值点的二叉树，其上的每个节点代表一个超平面，...
2019-07-14 11:19:22
563
原创 word2vec总结(一)
之前汇报时看到过词嵌入这部分，这里把自己看到过的总结在这里，尽可能写的全一点。word2vec( 把词映射为实数域向量的技术也叫做词嵌入（word embedding）)由来为什么要引入word2vec：之前都是用one-hot编码表示结点信息，当然也可以用one-hot来表示词。虽然one-hot词向量构造起来很容易，但通常并不是⼀个好选择。⼀个主要的原因是，one-hot词向量⽆法准确...
2019-07-13 22:01:26
261
原创 实现最简单的knn算法
自己练手用的，可能是最简单的了吧，什么都没有封装。# -*- coding:utf-8 -*-import numpy as npx_data = np.array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])y_data = np.array(['A', 'A', 'B', 'B'])x = np.array([[0, 0]]) # 要分类的...
2019-07-13 21:21:52
279
原创 感知机学习算法代码简单实现
感知机算是一个比较简单的算法了，原理网上有很多，有原始形式和对偶形式两种，感觉自己比较菜，觉得慢慢从头把新版的李航统计学习方法自己实现一遍，明年就要实习了，慌得一批，这里仅把算法描述和原始形式的简单形式用python实现以下，供自己日后复习：# -*- coding:utf-8 -*-import numpy as np # 感知机学习算法demodata = np.array([[3,...
2019-07-13 16:45:40
832
原创 流形学习
记得前几天在汇报时，讲到LLE降维算法时，洋洋洒洒讲了一大堆公式推导，之后老师问了一个很实在的问题：什么是流形，当时支支吾吾说了半天，都没说到点上，后来查阅了一些相关资料，现在总结如下。前面那篇文章已经介绍过如何用主成分分析降维——它可以在减少数据集特征的同时，保留数据点间的必要关系。虽然 PCA 是一个灵活、快速且容易解释的算法，但是它对存在非线性关系的数据集的处理效果并不太好，我们将...
2019-06-23 15:55:25
1134
原创 线性降维之PCA（主成分分析）
为什么要降维简单的一句话概括：现实生活中得到的数据大都是高维数据，然而有时候这些高维数据可能存在某些线性关系，也就是说我们完全可以用较低的维度来表示它，从而可以简化运算。概述如上图，目标是输入一个高维向量xxx，经过一个函数处理得到低维的向量zzz,向量zzz就是我们要的低维向量。特征选择作为一种最简单的降维方式，如上图，所有的点都分布在x2x_2x2轴上，x1x_1x...
2019-06-23 11:37:40
1218
原创 卷积神经网络 CNN
卷积神经网络通常用来处理图像，如果用传统的全连接神经网络，对一张很普通的照片100×100×3，训练时要把它展成1×30000的向量，喂给输入层，假设第一个hidden有1000个neuron，那仅仅针对第一层的neuron就有1000×30000个参数，这么大量的参数经过训练很容易造成过拟合。那CNN要做的事情就是简化网络结构，核心思想就是用较小的参数来处理图像。为什么可以用缩减参数这...
2019-06-22 09:23:24
253
原创 神经网络的正向和反向传播
首先需要了解一下链式法则：y=g(x)z=h(y)Δx→Δy→Δz\begin{array}{c}{y=g(x) \quad z=h(y)} \\ {\quad \Delta x \rightarrow \Delta y \rightarrow \Delta z}\end{array}y=g(x)z=h(y)Δx→Δy→Δz如果我们要求Z对X的导数，很明显是：dzdx=dzdydydx\f...
2019-06-21 15:44:00
1590
原创 支持向量机的软间隔与正则化
看到西瓜书上有些东西写的不是特别清楚，结合李航的《统计学习方法》，把软间隔与正则化知识点重新整理了一下。先给出支持向量机的基本形式：minw,b12∥w∥2s.t. yi(wTxi+b)≥1, i=1,2,...,m\begin{aligned}&\min \limits_{w,b} \frac{1}{2} \le...
2019-04-14 10:16:13
367
1
转载 SMO算法最通俗易懂的解释
SVM通常用对偶问题来求解，这样的好处有两个：1、变量只有N个（N为训练集中的样本个数），原始问题中的变量数量与样本点的特征个数相同，当样本特征非常多时，求解难度较大。2、可以方便地引入核函数，求解非线性SVM。求解对偶问题，常用的算法是SMO，彻底地理解这个算法对初学者有一定难度，本文尝试模拟算法作者发明该算法的思考过程，让大家轻轻松松理解SMO算法。文中的“我...
2019-04-10 17:24:13
981
2
转载 ROC原理介绍及利用python实现二分类和多分类的ROC曲线
https://blog.csdn.net/xyz1584172808/article/details/81839230
2019-04-09 10:10:56
1348
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人