- 博客(88)
- 收藏
- 关注
RSS订阅原创 leecode
leecode42，接雨水。动态规划or单调中栈or双指针。leecode143，重排链表，二叉树的遍历94 144 145。leecode11，盛水，
2023-06-14 20:18:28
366
原创 leecode
leecode637，二叉树的层平均值，bfs记录每一层然后取平均。leecode993，二叉树的堂兄弟节点，bfs，leecode429，N叉树的层序遍历，
2023-06-08 23:08:07
430
原创 leecode
leecode148 排序链表，归并排序，自底向上的空间复杂度为O(1)，注意每次归并时提取两个链表的头部，保存上一次合并的尾部和下一次合并的头部，以及将对应链表之间解开，自底向上为什么时O(1)，再看自顶向下。# 合并后 l1 和 l2 最多只有一个还未被合并完，我们直接将链表末尾指向未合并完的链表即可。leecode88，合并两个有序数组，要求空间复杂度为O(1)，# 将第二个链表和后面解开。# 本次要合并的两个头部。# 下一对合并的头部。# 上一对合并的尾部。leecode21，合并有序链表，
2023-06-07 20:09:32
456
原创 leecode
合并后 l1 和 l2 最多只有一个还未被合并完，我们直接将链表末尾指向未合并完的链表即可。leecode88，合并两个有序数组，要求空间复杂度为O(1)，leecode148 排序链表，归并排序。leecode23,合并k个升序链表。leecode21，合并有序链表，
2023-06-06 19:46:30
651
原创 leecode
cur.next = pre # 每次循环只修改一个 next，方便大家理解。for _ in range(k): # 同 92 题。# pre是反转后的头部，cur是下一次反转前的头部。#p0的next是下一个没反转前的头部，也是反转后的尾部。n += 1 # 统计节点个数。#翻转后的部分的尾部接上原链表。#原链表接上翻转后的部分的头部。leecode25,n个一组反转链表，
2023-06-05 20:18:36
464
原创 leecode
leecode2470，最小公倍数为k的子数组，# 求三个数的最大公因数和最小公倍数。leecode1201，丑数，gcd,lcm，注意。
2023-06-01 20:31:39
540
原创 leecode
leecode724，寻找数组的中心下表（左右元素和相等），，可以优化空间，但是要特别注意优化空间后转移方程的书写，leecode167，两数之和（输入有序数组），leecode1143，最长公共子序列，leecode560,和为k的子数组，，注意前缀和以及哈希表的构建更新顺序。（空间换时间），注意哈希表的更新顺序。leecode128，最长连续序列，offer93，最长斐波那契数列，offer1027，最长等差数列，leecode15，三数字之和，leecode1，两数字之和，
2023-05-30 20:10:35
434
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]如果一个节点的左子节点。具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。
2023-05-26 20:25:27
592
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]如果一个节点的左子节点。具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。
2023-05-24 20:05:13
835
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]如果一个节点的左子节点。具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。
2023-05-23 22:32:13
395
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]如果一个节点的左子节点。具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。
2023-05-22 19:50:15
394
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。点，也是该节点的前驱节点。
2023-05-19 19:38:22
533
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]具体做法是，对于当前节点，如果其左子节点不为空，则在其左子树中找到最右边的节点，作为前驱节点，将当前节点的右子节点赋给前驱节点的右子节。点，也是该节点的前驱节点。
2023-05-18 19:17:06
342
原创 leecode222
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。这样，当枚举到长度为n的序列时，可以把所有dp[n][j]累加起来，得到所有长度为j的单调递增子序列的个数。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]# 不能丢，否则容易超时，特别是没有走上面两个循环的时候。
2023-05-15 20:41:11
418
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。这样，当枚举到长度为n的序列时，可以把所有dp[n][j]累加起来，得到所有长度为j的单调递增子序列的个数。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]# 不能丢，否则容易超时，特别是没有走上面两个循环的时候。
2023-05-12 20:42:39
659
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。这样，当枚举到长度为n的序列时，可以把所有dp[n][j]累加起来，得到所有长度为j的单调递增子序列的个数。# dp[i][j-1]是在s1[i-1]后添加一个字符s1[j-1]，dp[i-1][j]是删除s1[i-1],dp[i-1][j-1]是修改s1[i-1]为s2[j-1]# 不能丢，否则容易超时，特别是没有走上面两个循环的时候。
2023-05-10 21:08:12
608
原创 leecode
这个方程的含义是，以第i个数结尾，长度为j的单调递增子序列的个数，等于以前面任意一个比它小的数k结尾，长度为j-1的单调递增子序列的个数，再加上自己构成的长度为2的序列。这样，当枚举到长度为n的序列时，可以把所有dp[n][j]累加起来，得到所有长度为j的单调递增子序列的个数。所以，我们可以从长度为2的序列开始，一直枚举到长度为n的序列，对于每个长度，统计可以取出的单调序列的个数即可。具体实现可以用一个二维数组dp来辅助计算，其中dp[i][j]表示以第i个数结尾，长度为j的单调递增子序列的个数。
2023-05-09 20:07:15
465
原创 leecode
dp0 dp1分别代表买了股票和卖了股票的收入，,dp2存储t-2时刻的卖出股票的收入。# 任意交易，连个变量，类似于k次交易的板子，只不过对第一次交易不用特殊处理，因为。# 不能丢，否则容易超时，特别是没有走上面两个循环的时候。# 这个板子用两个变量存储了多次交易的收益，没有数组就不存在溢出的风险。# 注意临界值的处理 j == 0（第一次交易），用了数组来存储，# 任意交易且包含冷冻期，套用任意交易的板子。# 交易一次，套用交易k次的板子。# k次交易的收益，存在溢出风险。# 套用k次交易的板子。
2023-05-08 19:52:53
783
原创 lee解题分享
dp + dfs（dp的顺序）# 每次找满足条件的外最大的。# 建立双向链表以及哈希表。meituan415 贪心。meituan415 模拟。# 前缀和,从1开始。
2023-04-28 19:53:58
875
原创 决策树相关知识点
信息增益率 = 信息增益/属性熵（计算公式和信息熵一致），对取值少的属性有偏好（导致分支变少，容易欠拟合），为了解决这个问题，c4.5先将信息增益小于平均水平的属性丢弃掉（偏好属性取值较多的），然后再选择信息增益率最大的（偏好属性取值较少的），这样的话两方面都有了兼顾。lightgbm和xgboost都是将有缺失值的样本分配给增益最大的节点，测试时，如果在训练集中有相同的分割，则和训练集一样，如果没有，那么默认将有缺失值的样本分割左节点。为什么要剪枝，没剪枝的树很容易过拟合，泛化性能很差。
2023-04-18 21:22:40
413
原创 梯度的看法
求解损失函数对参数的偏导数时，在反向传播，梯度的连续乘法（x中间值可能特别大或特别小，激活函数导数可能特别大、已经更新过的参数w也可能特别大或特别小（初始参数太大了））中总是遇上很大的绝对值（很小的绝对值），部分参数的梯度因为乘了很多较大（较小）的数而变得非常大（小）3 ln（虽然用了leakyrelu，缓解了梯度消失的问题，但是求注意力系数的时候，softmax的输入过大时，偏导数也会很小，导致梯度消失的问题）transformer用到的防治梯度消失和梯度爆炸的方法。2 调节学习率（消失增大，爆炸减少）
2023-04-15 10:44:50
717
原创 rnn、lstm、cnn、transformer
卷积层虽然可以显著减少网络中连接的数量，但特征映射组中的神经元个数并没有显著减少。缺点：1单个卷积层难以捕获全局信息（改善方法有使用更大的卷积核、使用池化层、使用多层卷积层、空洞卷积tcn用了因果空洞卷积来处理时间序列问题。rnn容易出现梯度消失的问题，因为经过反向传播后，较远时间步的梯度趋近于0，导致模型难以学到远距离的信息。优点：通过门控机制，来记忆一些长期信息，相应也就保留了更多的梯度，缓解rnn梯度消失的问题。rnn不能并行的原因：不同时间步的隐藏层之间有关联。2 rnn中的反向传播。
2023-04-15 09:59:25
1278
原创 神经网络权值初始化
并且第一个batch只有最后一层参数更新，第二个batch才有倒数第二层参数更新（倒数第二层的参数依赖于loss的导数、激活函数的导数、正向传播上一层的输入和以及反向传播的上一层的w更新前的值），直到若干batch后，所有层的权重都开始更新，这个时候权重值才会出现差异，但是同一层中，每个神经元的参数列表都和其他神经元一模一样，相当于每一层只有一个神经元。暗示神经网络不行，因为参数的梯度依赖于正向传播上一层激活函数的输出，它的输入为0，输出一致。1 权重初始化为0，偏置初始化为0。
2023-04-15 09:57:03
469
原创 反向传播算法
由链式求导法则得到的连乘式子可能包括loss的导数、激活函数的导数、正向传播上一层的输入和以及反向传播的上一层的w更新前的值。由链式求导法则得到的连乘式子可能包括loss的导数、激活函数的导数、1和以及反向传播的上一层的w更新前的值。反向传播算法在计算过程中后面的计算可以复用前面的计算结果。
2023-04-15 09:54:49
33
原创 交叉熵损失函数优点
损失函数导数和sigmoid激活函数的导数相乘后为sigmoid(s)-y,因此反向传播时，权重的梯度受到误差的控制，当误差很大时，梯度就大，误差小的时候，梯度就小，这样就方便loss收敛；但是用l2 loss的话，偏导数就会很小，导致梯度消失的问题。
2023-04-15 09:54:10
193
原创 sumblime下载json美化插件
Mac下Sublime Text格式化JSON_sublime text 格式化json_慕城南风的博客-CSDN博客
2023-03-30 09:38:40
158
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