算法
yue200403
对于要付费的内容,很抱歉,因为确实需要一点点收入,目前在读研究生。此外,如果你们需要什么教程,可以留言,我尽量整理。有问题请私信联系,每天8点查看私信。
展开
-
数据结构相关题目(二叉树 C++代码)
1.由二叉树的后序遍历序列和中序遍历序列建立二叉树的二叉链表(设二叉树的元素互异)。2.设树的数据元素为字母,由树的广义表字符串建立树的二叉链表。4.统计度为1的节点数量和度为2的节点数量。5.由广义字符表创建二叉树。原创 2023-04-15 08:37:49 · 239 阅读 · 0 评论 -
快速排序的过程
快速排序是冒泡排序的一种改进;在冒泡排序中,元素的比较和交换是在相邻元素之间进行的,元素每次交换只能移动一个位置,所以比较和移动的次数多,效率低;然而,在快速排序中,是先选择基准元素,元素的比较和交换是从两边向中间进行的,将右边小于基准元素的值往左移,左边大于基准元素的值往右移,所以每一躺都可确定基准元素的位置;进行多次这样的排序就可得到有序的结果;这样的比较和交换次数都大大减小,效率相对更高;原创 2022-11-11 12:09:06 · 285 阅读 · 0 评论 -
无重复字符的最长子串-返回结果字符串
无重复字符的最长子串的题目是笔试中比较常见的的题目,难度中等;一般要求都是求得无重复得字符串长度就行,但更难一点就是要求出子串结果;本文算法思想:滑动窗口思想,具体实现要用到双指针+set集合;使用set集合保存子串,两个指针指向字串的前后位置;此外,想要返回结果字符串则需额外两个变量标记最长字串的位置,最后截取最长字串返回结果。原创 2022-09-28 16:00:47 · 422 阅读 · 0 评论 -
机器学习--------PLA解析
摘要:在学习机器学习时,涉及线性分类问题时,对于如何找到最佳的线性分类器,我们会使用到Perceptron Learning Algorithm(PLA),即是感知机学习算法,来在平面(这里以二维平面为例)的众多直线中找到一条理想的直线,该直线可以达到很好的分类效果。本文将对PLA算法的原理和过程进行解释。1.算法基本思想如何找到一条能将平面上所有的正类和负类完全分开的最好的直线呢?我们可以使用逐点修正的思想,首先在平面上随意取一条直线,看看哪些点分类错误。然后开始对第一个错误点就行修正,即变换直线的原创 2020-10-20 19:38:13 · 1358 阅读 · 0 评论 -
机器学习算法05——SVM实战
1.SVM概念SVM是一种二分类模型,用于特征空间上得到间隔最大的线性分类器,基本思想是使得两类离分类平面间隔最大化,并且最终转化为一个凸二次规划问题求解。2.实例import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapimport pandas as pdfrom sklearn.model_selection import train_test_splitf原创 2020-07-25 20:09:27 · 332 阅读 · 1 评论 -
机器学习算法04——多项式回归算法实战
摘要:本文主要介绍机器学习算法的多项式回内容。包括多项式回归的定义,其与线性回归的区别,实战内容。原创 2020-07-24 09:04:59 · 609 阅读 · 0 评论 -
机器学习算法03——线性回归算法实战
摘要:本文主要介绍线性回归算法的定义,公式,回归实战。原创 2020-07-22 14:02:23 · 335 阅读 · 0 评论 -
机器学习算法02—— K近邻算法实战
摘要:本文主要介绍kNN算法的原理和实列。包括算法描述、算法缺点、算法概述。原创 2020-07-22 08:26:34 · 166 阅读 · 0 评论 -
优化深度神经网络笔记(三)超参数、Batch正则化和编程框架
摘要:本文主要是如何1优化神经网络。主要内容包括如何调试超参数、Batch正则化和编程框架介绍。原创 2020-07-04 14:24:42 · 264 阅读 · 0 评论 -
优化深度神经网络笔记(二)优化算法
摘要:本文主要介绍优化神经网络的算法优化部分。包含的主要内容有Mini-batch Gradient Descent、指数加权平均、偏移校正、动量梯度下降算法、RMSprop算法、Adam(Adaptive Moment Estimation)算法、学习因子α、局部最优解和全局最优解。转载 2020-07-03 11:11:46 · 1004 阅读 · 0 评论 -
优化深度神经网络笔记(一)优化神经网络方法
摘要:本文是研究如何优化神经网络。主要包含训练集(Training sets)、验证集(Development sets)、测试集(Test sets)的选择;偏差(Bias)和方差(Variance)的概念;避免high bias和high variance的方法;正则化(regularization);Dropout;标准化输入;梯度消失和梯度爆炸;改善Vanishing and Exploding gradients;近似求出梯度值;如何进行梯度检查等知识点。原创 2020-06-17 12:42:16 · 515 阅读 · 0 评论 -
神经网络---用python实现异或运算详细解释
摘要:本文主要介绍神经网络中如何用python实现异或运算,有代码以及对代码相关函数功能的详细解释;以及其过程的详细说明;比较适合刚刚入门的学习者。原创 2020-06-16 21:55:04 · 5222 阅读 · 1 评论 -
神经网络与深度学习笔记 (五)深层神经网络
摘要:本文知识点主要有简单介绍深层神经网络、深层神经网络的传播过程、保证矩阵维数的正确性、深度神经网络强大的原因、神经网络正向传播和反向传播的流程图、参数和超参数和神经网络与人脑机制的关系。1.深层神经网络深层神经网络其实就是包含更多的隐藏层神经网络。如下图所示,分别列举了逻辑回归、1个隐藏层的神经网络、2个隐藏层的神经网络和5个隐藏层的神经网络它们的模型结构。命名规则上,一般只参考隐藏层个数和输出层。例如,上图中的逻辑回归又叫1 layer NN,1个隐藏层的神经网络叫做2 layer NN,2个翻译 2020-06-12 09:16:52 · 895 阅读 · 0 评论 -
神经网络与深度学习笔记 (四)浅层神经网络
本文主要包含神经网络模型的结构、单隐藏层的神经网络结构、单个样本的神经网络计算过程、m个样本的神经网络计算过程、常见的激活函数、为什么要使用非线性激活函数、激活函数的导数(梯度)、神经网络中如何进行梯度计算和网络模型中的参数权重W不能全部初始化为零的原因等知识点。原创 2020-06-10 19:07:07 · 2199 阅读 · 1 评论 -
神经网络与深度学习笔记 (三)python和向量化
摘要:本文主要包含向量化、向量化logistic回归、向量化logistic回归的梯度输出、Python中的广播、Python_numpy向量注意点、Jupyter Ipython笔记本使用介绍和logistic损失函数解释等神经网络的基础知识原创 2020-06-09 13:36:58 · 631 阅读 · 0 评论 -
神经网络与深度学习笔记(二)神经网络基础
摘要:总结一下神经网络第二小节学习的知识,整理学习笔记;本文主要讲二分类、逻辑回归、成本函数、梯度下降算法、神经网络的训练过程包括正向传播和反向传播。原创 2020-06-08 10:17:24 · 701 阅读 · 0 评论 -
神经网络与深度学习笔记(一)适合刚入门的小白
**摘要:学习神经网络的第一个笔记,主要是跟着吴恩达老师的中英文字幕学习视频来学习的,整理一下近期学习笔记;这个笔记主要是了解什么是神经网络和深度学习、神经网络原理、监督式学习、非监督式学习、深度学习强大的原因和总结。**原创 2020-06-07 09:22:01 · 1456 阅读 · 0 评论 -
基于实例推理方法学习笔记
摘要:基于实例推理方法的学习了解。主要是学习其思想以及原理。def:基于实例推理方法(CBR)是一种相似问题求解方法。核心:用过去实际中所用到的实例和经验解决新的问题。原理:它根据问题的特征,从实列库中检索出相似实例,然后以知识库中的领域知识和经验作为指导。更据问题的实际情况对检索到的加以调整、修改和综合。使之满足于当前问题求解的需要。基本原理图:CRB系统应解决的问题:1.实例描述和实例库的建立2.实例的检索和修改策略3.实例的评价、存储及复用参考文献:基于实例推理的钻井液配方设原创 2020-06-06 21:32:44 · 1010 阅读 · 0 评论