摘要：
（注：本文内容和图片来源于林轩田老师的《机器学习基石》课程） 1 引入逻辑回归 通常的二分类问题，希望输出类别；soft的二分类问题，希望输出概率值： 对于soft问题的理想数据和实际数据： 逻辑回归的思想：先求出特征的线性加权分数，再把它用逻辑斯蒂函数转化为0～1之间的值： 逻辑斯蒂函数介绍： 2 阅读全文
只有注册用户登录后才能阅读该文。 阅读全文
摘要：
Wiggle Subsequence 最长扭动子序列 思路1:动态规划。状态dp[i]表示以nums[i]为末尾的最长wiggle子序列的长度。时间是O(n^2). 1 public class Solution { 2 public int wiggleMaxLength(int[] nums) 阅读全文
摘要：
1 离线指标 1.1 LogLoss 1.1.1 KL散度 logloss使用KL散度来计算。设样本的真实分布为P，预测分布为Q，则KL散度定义如下： 这里可以通俗地把KL散度理解为相同事件空间里两个概率分布的相异情况。KL散度越小，预测分布越接近真实分布。 KL散度的物理意义是：使用分布Q来对真实 阅读全文
摘要：
merge sort 空间复杂度：O(n)（sort list是O(1）） 时间复杂度为O(nlgn) 稳定性：稳定排序 先局部有序，再整体有序 1 public class Solution { 2 /** 3 * @param A an integer array 4 * @return voi 阅读全文
摘要：
1 n-gram模型与auto complete n-gram模型是假设文本中一个词出现的概率只与它前面的N-1个词相关。auto complete的原理就是，根据用户输入的词，将后续出现概率较大的词组显示出来。因此我们可以基于n-gram模型来对用户的输入作预测。 我们的实现方法是：首先用mapr 阅读全文
摘要：
Different Ways to Add Parentheses 加括号的不同方式 思路：分治地求出一个运算符的左边部分和右边部分的结果，将它们两两组合运算。优化的方式是用一个hash表记录所有字串的中间结果，避免重复计算。 1 public class Solution { 2 Map<Stri 阅读全文
摘要：
1 pagerank算法介绍 1.1 pagerank的假设 数量假设：每个网页都会给它的链接网页投票，假设这个网页有n个链接，则该网页给每个链接平分投1/n票。 质量假设：一个网页的pagerank值越大，则它的投票越重要。表现为将它的pagerank值作为它投票的加权值。 1.2 矩阵表示形式 阅读全文
摘要：
Bulb Switcher 灯泡开关 思路：除了平方数以外，其他所有位置的灯泡最终都被开关了偶数次，因此最终都为0。问题等价于求1~n中平方数的个数。 1 public class Solution { 2 public int bulbSwitch(int n) { 3 return (int)M 阅读全文
摘要：
1 将决策树看作条件概率分布 决策树可表示为给定特征条件下类的条件概率分布。即，将特征空间划分为互不相交的单元，每个单元对应于决策树中一条从根节点到叶节点的路径。每个单元对应一个条件概率分布。一个好的决策树在叶节点上的条件概率（即一个单元内的条件概率）应该偏向某个类，即保证叶子节点内的数据的熵很小。 阅读全文