摘要：使用xshell，学校服务器需要先联外网。 1、安装Linux头包（linux-header package): 2、安装virtualbox。【该rpm是centos7 64位新的版本】 3、安装vagrant 【选择合适的新版本】 4、vagrant默认被安装在了 /opt目录下。 先cd到va
阅读全文
摘要：一、题目：在单链表和双链表中删除倒数第K个节点 分别实现两个函数，一个可以删除单链表中倒数第K个节点，另一个可以删除双链表中倒数第K个节点。 要求：如果链表长度为N，时间复杂度达到O（N），额外空间复杂度达到O（1） 单链表思路： 遍历链表，每移动一步，K-1。如果链表结束，K>0 ，则不存在倒数第
阅读全文
摘要：一、实现一个链表 代码1： 代码2： 二、题目：复制含有随机指针节点的链表 简单的思路： 采用一个字典存储，key存储原来链表结构，value存储新建链表结构。返回结果直接为key头结点对应的value值。 代码： 进阶的思路： 步骤1：将复制的链表插入到原来的链表中，比如：1→2→3→None。变
阅读全文
摘要：1、语法： 2、题目1：数据类型： 如果要选择 time 为2014-12-18那天的数据：采用正则化来处理 代码： 3、合法字母或数字，只要是大小写字母和数字就合法 4、pandas dataframe/series 正则表达式使用 str.match str.contains str.extra
阅读全文
摘要：一、题目：生成窗口最大值数组(要求时间复杂度为O(N)) 有一个整型数组arr和一个大小为w的窗口从数组的最左边滑到最右边，窗口每次向右边滑一个位置。 思路： 来自 https://blog.csdn.net/qq_32583189/article/details/53055618?utm_sour
阅读全文
摘要：一、题目：仅用递归函数和栈操作逆序一个栈 将一个栈里面的元素逆序，只能用递归函数来实现，不能用其他数据结构。 思路： 为了将栈逆序，只需要按顺序将栈顶至栈底的元素拿出并移除，放置到栈顶中，这样就可以将栈逆序。 两个递归函数： 一个将栈底元素取出。 一个将剩下的栈元素逆序。 如： 输入栈{1, 2,
阅读全文
摘要：一、题一 1、设计一个有getMin功能的栈 题目：实现一个特殊的栈，在实现栈的基本功能基础上，再实现返回栈中最小元素的操作。 要求：（1）pop、push、getMin操作的时间复杂度都是O（1）。（2）设计的栈类型可以使用现成的栈结构。 2、思路： 使用两个栈，一个栈保存当前栈中的元素，记做st
阅读全文
摘要：1、题目： 给定一个字符串 s 和一个非空字符串 p，找到 s 中所有是 p 的字母异位词的子串，返回这些子串的起始索引。 字符串只包含小写英文字母，并且字符串 s 和 p 的长度都不超过 20100。 说明： 字母异位词指字母相同，但排列不同的字符串。 不考虑答案输出的顺序。 示例 1: 示例 2
阅读全文
摘要：1、题目： 你和你的朋友，两个人一起玩 Nim游戏：桌子上有一堆石头，每次你们轮流拿掉 1 - 3 块石头。 拿掉最后一块石头的人就是获胜者。你作为先手。 你们是聪明人，每一步都是最优解。 编写一个函数，来判断你是否可以在给定石头数量的情况下赢得游戏。 示例: 2、思路： 先拿的那位只要每两次都保证
阅读全文
摘要：https://blog.csdn.net/m0_37556124/article/details/80560384 basemap安装前需要先安装geos conda install geos 其次还需要安装pyproj 同样下载basemap-1.1.0-cp36-cp36m-win_amd64
阅读全文
摘要：看这篇https://blog.csdn.net/qq_16234613/article/details/80268564 1、DQN 原因：在普通的Q-learning中，当状态和动作空间是离散且维数不高时可使用Q-Table储存每个状态动作对的Q值，而当状态和动作空间是高维连续时，使用Q-Tab
阅读全文
摘要：1、Q-learning主要是Q表： 当前状态s1，接下来可以有两个动作选择，看电视a1和学习a2，对于agent人来说，可以根据reward来作出决策（Policy）。目的就是得到奖励最大。 Q-learning的目的就是学习特定state下、特定Action的价值。 Q-learning的方法是
阅读全文
摘要：pandas：知识脑图 https://bigquant.com/community/t/topic/129755 1、read_csv(url)：读取数据 2、help(read_csv)：打印函数相关用法 3、数据名.dtypes：读取数据的类型（int、float……） 4、type(数据名）
阅读全文
摘要：一、题目：赎金信（一个字符串字母是不是都在另一个字符串中） 给定一个赎金信 (ransom) 字符串和一个杂志(magazine)字符串，判断第一个字符串ransom能不能由第二个字符串magazines里面的字符构成。如果可以构成，返回 true ；否则返回 false。 (题目说明：为了不暴露赎
阅读全文
摘要：1、题目： 你将得到一个字符串数组 A。 如果经过任意次数的移动，S == T，那么两个字符串 S 和 T 是特殊等价的。 一次移动包括选择两个索引 i 和 j，且 i％2 == j％2，并且交换 S[j] 和 S [i]。 现在规定，A 中的特殊等价字符串组是 A 的非空子集 S，这样不在 S 中
阅读全文
摘要：1、题目： 假设你有一个很长的花坛，一部分地块种植了花，另一部分却没有。可是，花卉不能种植在相邻的地块上，它们会争夺水源，两者都会死去。 给定一个花坛（表示为一个数组包含0和1，其中0表示没种植花，1表示种植了花），和一个数 n 。能否在不打破种植规则的情况下种入 n 朵花？能则返回True，不能则
阅读全文
摘要：1、题目： 3 x 3 的幻方是一个填充有从 1 到 9 的不同数字的 3 x 3 矩阵，其中每行，每列以及两条对角线上的各数之和都相等。 给定一个由整数组成的 N × N 矩阵，其中有多少个 3 × 3 的 “幻方” 子矩阵？（每个子矩阵都是连续的）。 示例 1: 提示: 2、思路： 假设幻方：
阅读全文
摘要：1、介绍：强化学习是什么？ 假定一个智能体（agent），在一个未知的环境（environment）中处于当前状态（state），采取了一个行动（action），然后收获了一个回报（reward），并进入了下一个状态。最终目的是求解一个策略让agent的回报最大化。 解决实际问题：明天去打球还是学习
阅读全文
摘要：1、摘要： 提出了一种新的深度强化学习框架的新闻推荐。由于新闻特征和用户喜好的动态特性，在线个性化新闻推荐是一个极具挑战性的问题。 虽然已经提出了一些在线推荐模型来解决新闻推荐的动态特性，但是这些方法主要存在三个问题：①只尝试模拟当前的奖励（eg：点击率）②很少考虑使用除了点击 / 不点击标签之外的
阅读全文
摘要：1、摘要： 提出一个Attentional FM，Attention模型+因子分解机，其通过Attention学习到特征交叉的权重。因为很显然不是所有的二阶特征交互的重要性都是一样的，如何通过机器自动的从中学习到这些重要性是这篇论文解决的最重要的问题， 比如：作者举了一个例子，在句子"US cont
阅读全文
摘要：1、beta分布 来源于：https://blog.csdn.net/a358463121/article/details/52562940 用一句话来说，beta分布可以看作一个概率的概率分布，当你不知道一个东西的具体概率是多少时，它可以给出了所有概率出现的可能性大小。 举一个简单的例子，熟悉棒球
阅读全文
摘要：1、题目： 包含整数的二维矩阵 M 表示一个图片的灰度。你需要设计一个平滑器来让每一个单元的灰度成为平均灰度 (向下舍入) ，平均灰度的计算是周围的8个单元和它本身的值求平均，如果周围的单元格不足八个，则尽可能多的利用它们。 示例 1: 注意: 2、思路： 重点在采用额外的空间来去掉重复部分。 3、
阅读全文
摘要：1、摘要： 组推荐的一个挑战性问题：因为不同组的成员就有不同的偏好，如何平衡这些组员的偏好是一个难以解决的问题。 在本文中，作者提出了一个COM的概率模型来建立组活动生成过程。 直觉上： 一个组中的用户可能有不同的影响，在不同主题影响力不同，如对看电影有权威的用户在音乐上影响力可能低。 群体中的用户
阅读全文
摘要：1、通俗解释： https://www.cnblogs.com/czdbest/p/5771500.html SVM、决策树等都是在给定x的情况下直接对p(y|x;Θ)进行建模。例如，逻辑回归利用hθ(x) = g(θTx)对p(y|x;Θ)建模。 现在考虑这样一个分类问题，我们想根据一些特征来区别
阅读全文
摘要：1、摘要： 论文主要对群组推荐使用的方法进行调研。对群组推荐系统的用户偏好获取、群组发现、偏好融合算法、社会化组推荐以及效用评价等进行概括。 2、组推荐系统概述： （1）传统的推荐系统： 推荐过程主要分为用户偏好获取和推荐生成两部分。其目的是把特定的项目推荐给用户，使效用函数最大化。 从推荐模型的角
阅读全文
摘要：1、题目 如果数组是单调递增或单调递减的，那么它是单调的。 如果对于所有 i <= j，A[i] <= A[j]，那么数组 A 是单调递增的。 如果对于所有 i <= j，A[i]> = A[j]，那么数组 A 是单调递减的。 当给定的数组 A 是单调数组时返回 true，否则返回 false。 示
阅读全文
摘要：一、表面积 1、题目： 在 N * N 的网格上，我们放置一些 1 * 1 * 1 的立方体。 每个值 v = grid[i][j] 表示 v 个正方体叠放在单元格 (i, j) 上。 返回结果形体的总表面积。 示例 1： 示例 2： 示例 3： 示例 4： 示例 5： 提示： 1 <= N <=
阅读全文
摘要：1、摘要： 采用attention和NCF结合解决群组偏好融合的问题。 贡献： 第一个使用神经网络学习融合策略的组推荐。 进一步整合用户-项目交互改进组推荐，减轻冷启动问题。 2、方法： 模型AGREE模型包括：1）组特征学习：成员融合+群组偏好；2）与NCF的交互学习 2.1 符号： n个用户：U
阅读全文
摘要：1、摘要： 本文将Attention-based模型和BPR模型结合对给定的群组进行推荐项目列表。 2、算法思想： 如图： attention-based model：【以下仅计算一个群组的偏好，多个群组计算过程一样】 ① 群组： 以上为n个子群组，来自于一个给定的群组，包含用户 { u1，u2，u
阅读全文
摘要：1、题目：最大三角形面积 给定包含多个点的集合，从其中取三个点组成三角形，返回能组成的最大三角形的面积。 注意: 3 <= points.length <= 50. 不存在重复的点。 -50 <= points[i][j] <= 50. 结果误差值在 10^-6 以内都认为是正确答案。 2、思路：
阅读全文
摘要：1、题目： 给定一个初始元素全部为 0，大小为 m*n 的矩阵 M 以及在 M 上的一系列更新操作。 操作用二维数组表示，其中的每个操作用一个含有两个正整数 a 和 b 的数组表示，含义是将所有符合 0 <= i < a 以及 0 <= j < b 的元素 M[i][j] 的值都增加 1。 在执行给
阅读全文
摘要：全序关系：集合中的任两个元素之间都可以比较的关系。
阅读全文
摘要：1、题目： 在无限的整数序列 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, ...中找到第 n 个数字。 注意: n 是正数且在32为整形范围内 ( n < 231)。 示例 1: 示例 2: 2、思路： 位数相加，N - 位数。 3、代码
阅读全文
摘要：目录： 技巧： 应用技巧1：x&(x-1)【消除x（二进制）最后一位1】 判断是否为2的幂 判断是否为2的幂 判断是否为2的幂 判断是否为2的幂 应用技巧2：<<左移【除2】 判断是否为2的幂 判断是否为4的幂 判断是否为2的幂 判断是否为4的幂 判断是否为2的幂 判断是否为4的幂 判断是否为2的幂
阅读全文
摘要：一、案例1题目：（大数据加位运算） 、 分析： 布隆过滤器： bloom算法类似一个hash set，用来判断某个元素（key）是否在某个集合中。 和一般的hash set不同的是，这个算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。
阅读全文
摘要：1、题目： 给定一个非空的字符串，判断它是否可以由它的一个子串重复多次构成。给定的字符串只含有小写英文字母，并且长度不超过10000。 示例 1: 示例 2: 示例 3: 2、代码：
阅读全文
