- 博客(11)
- 收藏
- 关注
RSS订阅原创 LeetCode 分类练习-task04查找
双指针查找Q：反转一个单链表p1作为前面的指针探路，p2作为后面的指针跟进，顺着链表跑一圈，搞定问题。# Definition for singly-linked list.# class ListNode:# def __init__(self, x):# self.val = x# self.next = Noneclass Solution: def reverseList(self, head: ListNode) -> Lis
2020-08-29 00:46:37
71
原创 LeetCode 分类练习-task03查找
一.查找表考虑的基本数据结构第一类： 查找有无–set元素’a’是否存在，通常用set：集合第二类： 查找对应关系(键值对应)–dict元素’a’出现了几次：dict–>字典第三类： 改变映射关系–map通过将原有序列的关系映射统一表示为其他二. 对撞指针遍历时多用索引，而不要直接用值进行遍历三. 滑动数组e.x.固定滑动数组的长度为K+1，当这个滑动数组内如果能找到两个元素的值相等，就可以保证两个元素的索引的差是小于等于k的。如果当前的滑动数组中没有元素相同，就右移滑动数
2020-08-25 22:50:48
108
原创 LeetCode 分类练习-task02动态规划
通用解题思路第一步：确定动态规划状态第二步：写出状态转移方程第三步：考虑初始化条件第四步：考虑输出状态第五步：考虑对时间，空间复杂度的优化Leetcode 300：最长上升子序列**题目描述给定一个无序的整数数组，找到其中最长上升子序列的长度。示例:输入: [10,9,2,5,3,7,101,18]输出: 4解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。该题目可以直接用一个一维数组dp来存储转移状态，dp[i]可以定义为以nums[i]这个数结尾的最长递增子序
2020-08-23 23:45:11
61
原创 LeetCode 分类练习-task01分治
分治法适用的情况原问题的计算复杂度随着问题的规模的增加而增加。原问题能够被分解成更小的子问题。子问题的结构和性质与原问题一样，并且相互独立，子问题之间不包含公共的子子问题。原问题分解出的子问题的解可以合并为该问题的解。分治算法的步骤**分：**递归地将问题分解为各个的子问题(性质相同的、相互独立的子问题)；**治：**将这些规模更小的子问题逐个击破；**合：**将已解决的子问题逐层合并，最终得出原问题的解。具体实例169. 多数元素给定一个大小为 n 的数组，找到其中的众数。众数是
2020-08-19 22:28:02
139
原创 python基础-Task09：文件与文件系统
1. 文件与文件系统打开文件open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True) file: 必需，文件路径（相对或者绝对路径）。mode: 可选，文件打开模式buffering: 设置缓冲encoding: 一般使用utf8errors: 报错级别newline: 区分换行符2. OS 模块中关于文件/目录常用的函数有了OS（Operation Sy
2020-08-09 00:43:54
98
原创 python基础-task08模块与datetime模块
模块模块是一个包含所有你定义的函数和变量的文件，其后缀名是.py。模块可以被别的程序引入，以使用该模块中的函数等功能。这也是使用 Python 标准库的方法。模块是一个包含所有你定义的函数和变量的文件，其后缀名是.py。模块可以被别的程序引入，以使用该模块中的函数等功能。这也是使用 Python 标准库的方法。容器 -> 数据的封装函数 -> 语句的封装类 -> 方法和属性的封装模块 -> 程序文件1. 导入模块第一种：import 模块名import Tempe
2020-08-07 19:14:27
157
原创 python基础-task07类、对象与魔法方法
Python 的魔法方法类有一个名为__init__(self[, param1, param2…])的魔法方法，该方法在类实例化时会自动调用。class Ball: def __init__(self, name): self.name = name def kick(self): print("我叫%s,该死的，谁踢我..." % self.name)a = Ball("球A")b = Ball("球B")c = Ball("球C")a.
2020-08-06 01:39:28
104
原创 NLP-task06基于深度学习的文本分类3
Bert简介BERT开启了NLP领域**“预训练-微调”**这种两阶段的全新范式。在第一阶段首先在海量无标注文本上预训练一个双向语言模型，这里特别值得注意的是，将Transformer作为特征提取器在解决并行性和长距离依赖问题上都要领先于传统的RNN或者CNN，通过预训练的方式，可以将训练数据中的词法、句法、语法知识以网络参数的形式提炼到模型当中，在第二阶段使用下游任务的数据Fine-tuning不同层数的BERT模型参数，或者把BERT当作特征提取器生成BERT Embedding，作为新特征引入
2020-08-04 21:04:44
77
原创 python基础-task06函数与Lambda表达式
练习题：怎么给函数编写⽂档？def MyFirstFunction(name): "函数定义过程中name是形参" # 因为Ta只是一个形式，表示占据一个参数位置 print('传递进来的{0}叫做实参，因为Ta是具体的参数值！'.format(name))MyFirstFunction('老马的程序人生') # 传递进来的老马的程序人生叫做实参，因为Ta是具体的参数值！print(MyFirstFunction.__doc__) # 函数定义过程中name
2020-08-03 02:04:02
146
原创 python基础-task05字典、集合和序列
字典1.可变类型与不可变类型可变类型：列表、集合、字典不可变类型：数值、字符和元组2.字典的内置方法dict.fromkeys(seq[, value]) 用于创建一个新字典，以序列 seq 中元素做字典的键，value为字典所有键对应的初始值。dict.keys()返回一个可迭代对象，可以使用 list() 来转换为列表，列表为字典中的所有键。dict.values()返回一个迭代器，可以使用 list() 来转换为列表，列表为字典中的所有值。dict.items()以列表返回可遍历的
2020-08-01 03:20:11
103
原创 NLP-task05基于深度学习的文本分类2
word2vecword2vec的主要思路：通过单词和上下文彼此预测对应的两个算法分别为：Skip-grams (SG)：预测上下文假如我们有一个句子“The dog barked at the mailman”。首先我们选句子中间的一个词作为我们的输入词，例如我们选取“dog”作为input word；有了input word以后，我们再定义一个叫做skip_window的参数，它代表着我们从当前input word的一侧（左边或右边）选取词的数量。如果我们设置skip_window=2，
2020-08-01 02:58:08
82
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