![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
柏拉图工作室-AI学科
这个作者很懒,什么都没留下…
展开
-
【转】BAT机器学习面试1000题系列(161~170)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 15:17:41 · 740 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(151~160)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 15:14:30 · 617 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(131~140)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 14:54:52 · 611 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(121~130)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 14:46:31 · 294 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(111~120)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 14:34:18 · 265 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(101~110)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2022-01-05 14:04:26 · 188 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(51~100)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2021-12-30 14:15:32 · 6455 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(1~50)
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2021-12-30 14:08:15 · 11976 阅读 · 3 评论 -
人脸识别流程图
添加小助手微信,领取高清流程图原创 2020-12-28 15:07:18 · 30245 阅读 · 1 评论 -
【转】教你初步了解红黑树
教你初步了解红黑树 作者:July、saturnman 2010年12月29日本文参考:Google、算法导论、STL源码剖析、计算机程序设计艺术。推荐阅读:Left-L...转载 2021-12-27 17:08:21 · 190 阅读 · 0 评论 -
【转】教你如何迅速秒杀掉:百分之99的海量数据处理面试题
教你如何迅速秒杀掉:99%的海量数据处理面试题 本文经过大量细致的优化后,收录于我的新书《 编程之法:面试和算法心得》第六章中,新书目前已上架 京东/ 当当 作者:July出处:结构之法算法之...转载 2021-12-27 14:10:43 · 959 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列(第288~305题)
288 LSTM神经网络输入输出究竟是怎样的? @YJango,本题解析来源:https://www.zhihu.com/question/419497412017年1月4日文章Recurrent Layers——介绍第一要明确的是神经网络所处理的单位全部都是:向量下面就解释为什么你会看到训练数据会是矩阵和张量常规feedforward 输入和输出:矩阵输入矩阵形状:(n_samples, dim_input)输出矩阵形状:(n_samples, dim_output)注:真正测试/训练的时候,网络的输转载 2021-12-27 11:45:54 · 690 阅读 · 0 评论 -
【转】BAT机器学习面试1000题系列
BAT机器学习面试1000题系列 整理:July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络,取之分享,用之分享,且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另,不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明:本系列作为国内首个AI题库,首发于七月在线实验室公众号上:j...转载 2021-12-23 12:38:29 · 11814 阅读 · 0 评论 -
【转】从头到尾彻底理解KMP
从头到尾彻底理解KMP 作者:July 时间:最初写于2011年12月,2014年7月21日晚10点 全部删除重写成此文,随后的半个多月不断反复改进。后收录于新书《编程之法:面试和算法心得》第4.4节中。 1. 引言 本KMP原文最初写于2年多前的2011年12月,因当时初次接触KMP,思路混乱导致写也写得混乱。所以一直想找机会重新写下KMP,但苦于一直以来对KMP的理解始...转载 2021-12-22 14:51:12 · 8904 阅读 · 0 评论 -
【转】从B 树、B+ 树、B* 树谈到R 树
从B 树、B+ 树、B* 树谈到R 树 作者:July、weedge、Frankie。编程艺术室出品。 说明:本文从B树开始谈起,然后论述B+树、B*树,最后谈到R 树。其中B树、B+树及B*树部分由weedge完成,R 树部分由Frankie完成,全文最终由July统稿修订完成。 出处:http://blog.csdn.net/v_JULY_v 。 第一节、B树、...转载 2021-12-22 14:42:14 · 14175 阅读 · 0 评论 -
【转】程序员面试、算法研究、编程艺术、红黑树、机器学习5大经典原创系列集锦与总结
程序员面试、算法研究、编程艺术、红黑树、机器学习5大经典原创系列集锦与总结 作者:July--结构之法算法之道blog之博主。 时间:2010年10月-2018年5月,一直在不断更新中.. 出处:http://blog.csdn.net/v_JULY_v 。 说明:本博客中部分文章经过不断修改、优化,已集结出版成书《编程之法:面试和算法心得》。 前言 &...转载 2021-12-22 14:09:00 · 8291 阅读 · 0 评论 -
程序员如何快速准备面试中的算法
前言我决定写篇短文,即为此文。之所以要写这篇文章,缘于微博上常有朋友询问,要毕业找工作了,如何备战算法。尽管在微博上简单梳理过,如下图所示:但因字数限制,许多问题无法一次性说清楚,故特撰此文着重阐述下:程序员如何快速准备面试中的算法,继而推荐一些相关的书籍或资料。顺便也供节后跳槽、3月春季招聘小高潮、及6月毕业找工作的朋友参考。备战面试中算法的五个步骤对于立志进一线互联网公司,同时不满足于一辈子干纯业务应用开发,希望在后端做点事情的同学来说,备战面试中的算法,分为五个步骤,如下:1、掌握一门转载 2021-12-20 16:30:59 · 6518 阅读 · 1 评论 -
梯度下降直观理解
提到梯度下降,我们首先想到的就是一堆密密麻麻的公式,但是我们的最终目的不是要看这个公式长什么样,二十理解梯度下降的作用,以后遇到相似的问题,我们可以自己去修改公式,来达到我们最后的结果。梯度下降,从名字来看,我们首先要知道梯度是什么,下降就比较直观了。什么是梯度?梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。我们可以理解为斜率。从数学上来解释一下,我们对一个多元函数求偏导,会得到多个偏导原创 2021-01-07 14:18:08 · 780 阅读 · 0 评论 -
机器学习之损失函数
有这样一个问题,损失函数和评价指标都是来评判模型的好与不好,它们之间有什么区别?简单区分可以理解为损失函数是用在模型训练阶段,用在梯度下降阶段,做梯度更新,来让损失函数最小化。评价指标是用在测试阶段,也就是判断生成的模型的好坏,评价指标有很多种,会单独写一篇文章。什么是损失函数?在有监督学习中,真实值与预测值不一致的程度,叫做损失函数。损失函数各种各样,没有哪一个说适合所有的网络模型,损失函数的选取依赖于参数的数量、异常值、机器学习算法、梯度下降的效率、导数求取的难易和预测的置信度等若干方面。损原创 2020-12-17 14:17:14 · 874 阅读 · 0 评论