2018年6月22日
代码题（6）— 买卖股票的最佳时机
摘要： 1、121. 买卖股票的最佳时机（仅限一次） 给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。 如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。 注意你不能在买入股票前卖出股票。 示例 1: 给定一个数组，它的第 i 个元素是一支给定股票 阅读全文
posted @ 2018-06-22 22:45 深度机器学习 阅读(318) 评论(0) 推荐(0) 编辑
深度学习—梯度消失和爆炸、权重初始化
摘要： 1、梯度消失和爆炸 梯度消失：一是在深层网络中；二是采用了不合适的损失函数，比如sigmoid（导数最大为0.25，神经网络的反向传播是逐层对函数偏导相乘，因此当神经网络层数非常深的时候，最后一层产生的偏差就因为乘了很多的小于1的数而越来越小，最终就会变为0，从而导致层数比较浅的权重没有更新，这就是 阅读全文
posted @ 2018-06-22 17:07 深度机器学习 阅读(2483) 评论(0) 推荐(0) 编辑
2018年6月21日
代码题（5）— 最大子序列、最长上升子序列
摘要： 1、53. 最大子序和 给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。 示例: 输入: [-2,1,-3,4,-1,2,1,-5,4], 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。 class Solution { 阅读全文
posted @ 2018-06-21 15:21 深度机器学习 阅读(1168) 评论(0) 推荐(0) 编辑
2018年6月20日
代码题（4）— 二叉树展开为链表、二叉搜索树与双向链表
摘要： 1、114. 二叉树展开为链表 给你二叉树的根结点 root ，请你将它展开为一个单链表： 展开后的单链表应该同样使用 TreeNode ，其中 right 子指针指向链表中下一个结点，而左子指针始终为 null 。展开后的单链表应该与二叉树 先序遍历 顺序相同。 这个方法是从根节点开始出发，先检测 阅读全文
posted @ 2018-06-20 21:42 深度机器学习 阅读(211) 评论(0) 推荐(0) 编辑
代码题（3）— 最小的k个数、数组中的第K个最大元素、前K个高频元素
摘要： 1、题目：输入n个整数，找出其中最小的K个数。 例如输入4,5,1,6,2,7,3,8这8个数字，则最小的4个数字是1,2,3,4。 快排思路（掌握）： class Solution { public: vector<int> GetLeastNumbers_Solution(vector<int> 阅读全文
posted @ 2018-06-20 20:59 深度机器学习 阅读(279) 评论(0) 推荐(0) 编辑
深度学习—过拟合问题
摘要： 1、过拟合问题 欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大； 解决方法：增加特征维度，增加训练数据； 过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。 过度的拟 阅读全文
posted @ 2018-06-20 12:29 深度机器学习 阅读(53606) 评论(1) 推荐(10) 编辑
深度学习—1*1卷积核
摘要： 主要作用： 1、跨通道的特征整合 2、特征通道的升维和降维 3、减少卷积核参数（简化模型），对于单通道feature map 用单核卷积即为乘以一个参数，而一般情况都是多核卷积多通道，实现多个feature map的线性组合 4、可以实现与全连接层等价的效果。如在faster-rcnn中用1*1*m 阅读全文
posted @ 2018-06-20 11:12 深度机器学习 阅读(1873) 评论(0) 推荐(0) 编辑
2018年6月19日
Python—pandas
摘要： Pandas有两种数据结构：Series和DataFrame。 1、Series Series类似于一维数组，和numpy的array接近，由一组数据和数据标签组成。数据标签有索引的作用。数据标签是pandas区分于numpy的重要特征。索引不一定是从0开始的数字，它可以被定义。 Series有自动 阅读全文
posted @ 2018-06-19 16:45 深度机器学习 阅读(450) 评论(0) 推荐(0) 编辑
机器学习（十八）— 机器学习中数据不平衡问题（数据、算法）
摘要： 可以把问题根据难度从小到大排个序：大数据+分布均衡<大数据+分布不均衡<小数据+数据均衡<小数据+数据不均衡。 说明：对于小数据集,机器学习的方法是比较棘手的。对于需要解决的问题，拿到数据后，首先统计可用训练数据有多大，然后再观察数据分布情况。经验表明，训练数据中每个类别有5000个以上样本，其实也 阅读全文
posted @ 2018-06-19 15:12 深度机器学习 阅读(1156) 评论(0) 推荐(0) 编辑
机器学习（十一）—常用机器学习算法优缺点对比、适用条件
摘要： 1、决策树 适用条件：数据不同类边界是非线性的，并且通过不断将特征空间切分为矩阵来模拟。特征之间有一定的相关性。特征取值的数目应该差不多，因为信息增益偏向于更多数值的特征。 优点：1.直观的决策规则；2.可以处理非线性特征；3.考虑了变量之间的相互作用。 缺点：1.容易过拟合（随机森林、剪枝）；2. 阅读全文
posted @ 2018-06-19 12:12 深度机器学习 阅读(5456) 评论(0) 推荐(0) 编辑