- 博客(6)
- 收藏
- 关注
RSS订阅原创 动态规划 背包/金矿问题
1. 题目描述国王发现五个金矿，其中金矿的情况如下：含金量分别为： 400、500、200、300、350所需人数为： 5、5、3、4、3现在总的人力为10，求能获得最大金币数2. 解题思路动态规划核心思路无非两点：终止（边界）条件 + （讨论条件）状态转移假设金矿的含量为g [] 需要的人数为 p[] 总的人数为m对每一所矿，这里假定第i所矿。需要的人数为p[i]，含金量为g[i]。 讨论如下：p[i] > m 【人手不够】状态转移方程为 F(g[i+1:], p[i
2021-01-01 16:16:32
133
原创 LeetCode1143 最长公共子序列
文章目录一. 题目描述二. 解题思路三. 代码一. 题目描述给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。例如，“ace” 是 “abcde” 的子序列，但 “aec” 不是 “abcde” 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。若这两个字符串没有公共子序列，则返回 0。来源：力扣（
2020-12-29 21:00:08
119
3
原创 利用surprise实现基于协同过滤的简单推荐系统
文章目录一.背景二.代码实战1. 相关包和数据集2. 定义协同过滤方式并训练3. 取出前k个邻居和对应的相似度4. 进行推荐5. 进行评估三. 完整代码（封装成类）一.背景surprise（Simple Python Recommendation System Engine）作为scikit系列中经典的算法包，实现了推荐系统的简单框架。其中自带的算法包括baseline、协同过滤、SVD和NMF等，接口非常简单，上手也很容易。由于关于各种基于机器学习的推荐方法在很多博客中都有详细的讲解，本文侧重于工程实
2020-12-21 21:23:36
1492
原创 GBDT+LR原理和实战
GBDT+LR简单实战1. 背景在早期的广告点击预测（CTR）建模中，工业界用的最频繁的模型是逻辑回归LR。由于逻辑回归本质上是线性模型（线性拟合后经过sigmoid变换），是十分容易并行化的，处理工业界当中的亿级数据速度非常快，因此受到青睐。但是另一方面，逻辑回归的简单导致了其学习能力有限，需要大量的特征工程来增强其预测能力。不过传统特征工程主要集中在寻找有区分度的特征或者特征组合，这种耗时费力的工作却不一定能带来稳定的提升，因此GBDT这种自动学习特征的树模型便被应用了过来。2014年Facebo
2020-12-10 16:41:10
438
2
原创 LeetCode2两数相加
题目描述：给出两个 非空 的链表用来表示两个非负的整数。其中，它们各自的位数是按照 逆序 的方式存储的，并且它们的每个节点只能存储 一位 数字。如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。您可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例:输入：(2 -> 4 -> 3) + (5 -> 6 -> 4)输出：7 -> 0 -> 8原因：342 + 465 = 807解题思路1第一种思路属于聪（ben）明（b..
2020-11-19 16:35:13
57
原创 人生中第一篇博客
写在前边本科数学狗，研究生大数据应用统计，阴差阳错成为码农。目前工作方向为构建机器学习平台，利用Django框架进行后端开发、参考Spark和SKlearn中ML库实现并封装机器学习算法。毕业工作竟然四月有余，汲取新知识虽然内心颇感充足，但是总不免有些躁动和不自律，也会就未来的方向做些探索。在与一众大佬交流后，发现许多优秀的人共通之处都是记录博客，仔细想来这便是费曼学习法的实践，于是乎，便有了属于我自己的第一篇博客。在关于编程方面，分析自己的优缺点其实是so easy：优势：擅长理论推导劣..
2020-11-18 20:59:16
191
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