飞鸟各投林

摘要： 第一种：使用algorithm中的reverse函数 第二种：自己编写 第三种：使用string.h中的strrev函数 阅读全文

摘要： 图模型 图模型是一类用图来表示概率分布的一类技术的总称。 它的主要优点是把概率分布中的条件独立用图的形式表达出来，从而可以把一个概率分布（特定的，和应用相关的）表示为很多因子的乘积，从而简化在边缘化一个概率分布的计算，这里的边缘化指的是给定n个变量的概率分布，求取其中m个变量的概率分布的计算（m小于 阅读全文

摘要： 线性分类器与非线性分类器的区别及优势 线性分类器：模型是参数的线性函数，分类平面是（超）平面； 非线性分类器：模型分界面可以是曲面或者超平面的组合。 典型的线性分类器有感知机，LDA，逻辑斯特回归，SVM（线性核）； 典型的非线性分类器有朴素贝叶斯（有文章说这个本质是线性的，http://datau 阅读全文

摘要： 为什么要用逻辑回归 逻辑回归主要解决线性可分问题，模型简单，易于理解和实现，很适合用来学习大数据的问题。另外，逻辑回归做在线学习比较容易，处理速度也快。 SVM和LR的区别： 两种方法都是常见的分类算法,从目标函数来看,区别在于逻辑回归采用的是logistical loss,svm采用的是hinge 阅读全文

摘要： 以下内容接机器学习面试问题5. 神经网络参数相关 参数的范围 目前还没有明确的参数范围，只有个人总结性的原则。如下： 网络参数确定原则： ①、网络节点 网络输入层神经元节点数就是系统的特征因子(自变量)个数，输出层神经元节点数就是系统目标个数。隐层节点选按经验选取，一般设为输入层节点数的75%。如果 阅读全文

摘要： 以下内容接机器学习面试问题3。内容比较粗略，细化会在后期完成，敬请期待。 神经网络 神经网络算法涉及的知识点内容较多，需要深入专研，可参考： http://max.book118.com/html/2016/0303/36785438.shtm BP网络的四个学习过程：（δ规则） 1）模式顺传播 ， 阅读全文

摘要： 常见问题 和svm相关的 如何组织训练数据 1）将数据分开为训练集、测试集； 2）对训练集寻优，构建好决策函数，训练分类器； 3）用测试集验证准确率，达到满足需要的准确率后，就可以用新数据分类。 如何调节惩罚因子 惩罚因子（参数C）：为了使用松弛变量才引入的，表示对离群点的重视程度。C越大越重视，越 阅读全文

摘要： 以下内容承接机器学习相关面试2。 Apriori Apriori算法是一种关联规则的基本算法，是挖掘关联规则的频繁项集算法，也称“购物篮分析”算法，是“啤酒与尿布”案例的代表。 算法步骤： 1）依据支持度找出所有频繁项集。 Apriori算法是发现频繁项集的一种方法。Apriori算法的两个输入参数 阅读全文

摘要： 本机器学习面试问题系列博客共有10章，从1到10分别总结了机器学习面试的经典常用问题，也是阿里面试常用考题，系小编呕心沥血之作，希望大家能够在参考之余和小编积极交流，欢迎评论，欢迎来踩！希望能对和小编一样的机器学习爱好者提供实质性帮助。 基本知识 监督与非监督的区别 监督：输入的数据有明确的标识，可 阅读全文

摘要： 算法原理 LR logistic(逻辑回归)是一种广义线性回归分析模型，是一种分类算法。 通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。L是logistic函数. 该模型是典型的数学模型，它服从逻辑斯蒂分布。 二项逻辑斯蒂回归模型是如下的条 阅读全文

摘要： 目前，主要的推荐方法包括：基于内容的推荐、协同过滤推荐、基于关联规则的推荐、基于效用的推荐、基于知识的推荐和组合推荐。 基于内容的推荐 基于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的 阅读全文

摘要： userCF和itemCF在实际当中如何使用，提供具体操作，以及它们的优势（推荐系统） 基于用户的协同过滤算法UserCF 基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户间的相似性做出推荐。 简单来讲就是：给用户推荐和他兴趣相似的其他用户喜欢的物品。 基于UserCF的 阅读全文

摘要： 决策树 决策树模型是一种树形结构，基于特征对实例进行分类或回归的过程。即根据某个特征把数据分划分到若干个子区域(子树)，再对子区域递归划分，直到满足某个条件则停止划分并作为叶子节点，不满足条件则继续递归划分。 一个简单的决策树分类模型：红色框出的是特征。 决策树模型学习过程通常包3个步骤：特征选择、 阅读全文

摘要： 伪代码实现：LR、梯度下降、最小二乘、KNN、Kmeans; LR,SVM,XGBOOST推公式(手推) LR,SVM,RF,KNN，EM，Adaboost,PageRank，GBDT，Xgboost，HMM，DNN，推荐算法，聚类算法，等等机器学习领域的算法 基本知识： 1）监督与非监督区别； 是 阅读全文

摘要： 随机森林的发展史 谈及随机森林算法的产生与发展，我们必须回溯到20世纪80年代。可以说，该算法是Leo Breiman, Adele Cutler, Ho Tin Kam, Dietterich, Amit和Geman这几位大师呕心沥血的共同结晶，他们中的每个人都对随机森林算法的早期发展作出了重要的 阅读全文

摘要： 随机森林有什么优点，如： a. 对于很多数据集表现良好，精确度比较高； b. 不容易过拟合； c. 可以得到变量的重要性排序； d. 既能处理离散型数据，也能处理连续型数据，且不需要进行归一化处理； （美团被深入问到） e. 能够很好的处理缺失数据； f. 容易并行化 关于材料再说句题外话，我之前是 阅读全文

摘要： 统计学和语言学专家都列在一起了，没有区分。1，黄昌宁，1937年生于广东，1955年考入清华大学电机系，1961年毕业并留校任教至博士生导师， 1983-1984年赴美国耶鲁大学进修，1986-1987年曾在香港理工大学任教，1999年4月加入微软中国研究院任主任研究员。中国计算机自然语言处理领域的 阅读全文

摘要： B-树：多路搜索树，每个结点存储M/2到M个关键字，非叶子结点存储指向关键字范围的子结点；所有关键字在整颗树中出现，且只出现一次，非叶子结点可以命中； B+树：在B-树基础上，为叶子结点增加链表指针，所有关键字都在叶子结点中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中； B*树：  阅读全文