07 2016 档案

摘要:GMM及EM算法 标签(空格分隔): 机器学习 前言: EM(Exception Maximizition) 期望最大化算法,用于含有隐变量的概率模型参数的极大似然估计; GMM(Gaussian Mixture Model) 高斯混合模型,是一种多个高斯分布混合在一起的模型,主要应用EM算法估计其 阅读全文
posted @ 2016-07-29 15:59 江湖小妞 阅读(3193) 评论(0) 推荐(0)
摘要:宝石比较重量 标签(空格分隔): 算法 题目描述: 小明陪小红去看钻石,他们从一堆钻石中随机抽取两颗并比较她们的重量。这些钻石的重量各不相同。在他们们比较了一段时间后,它们看中了两颗钻石g1和g2。现在请你根据之前比较的信息判断这两颗钻石的哪颗更重。 给定两颗钻石的编号g1,g2,编号从1开始,同时 阅读全文
posted @ 2016-07-25 22:08 江湖小妞 阅读(436) 评论(0) 推荐(0)
摘要:最大似然估计与最小二乘估计的区别 标签(空格分隔): 概率论与数理统计 最小二乘估计 对于最小二乘估计来说,最合理的参数估计量应该使得模型能最好地拟合样本数据,也就是 估计值与观测值之差的平方和 最小。 设Q表示平方误差,$Y_{i}$表示估计值,$\hat{Y}_{i}$表示观测值,即$Q = \ 阅读全文
posted @ 2016-07-24 10:34 江湖小妞 阅读(16302) 评论(0) 推荐(2)
摘要:增长xx%带来什么信息? 标签(空格分隔): 概率论 在与概率论有关的题目中,我们经常会遇到:某公司增长xx%,带来哪些信息? 看下面这道题目: 某公司在华东和华南两大区域开展业务,年底汇总业绩的时候发现,两大区域的月度转化率(=成为会员的客户数/访问店铺的客户数)分别提高了10%和5%,以下描述中 阅读全文
posted @ 2016-07-22 21:08 江湖小妞 阅读(442) 评论(0) 推荐(0)
摘要:Lucky String 微软笔试 标签(空格分隔): 算法 A string s is LUCKY if and only if the number of different characters in s is a fibonacci number. Given a string consis 阅读全文
posted @ 2016-07-21 16:30 江湖小妞 阅读(609) 评论(0) 推荐(0)
摘要:堆排序 标签(空格分隔): 算法 堆实际上是一种满二叉树,所以我们可以直接利用父母节点与孩子节点之间在数组中的位置关系来操纵,而不需要真的建立一棵二叉树。 堆分为大顶堆(父节点比所有左右子孩子的排序码都要大)和小顶堆(父节点比所有左右子孩子的排序码都要小); 堆排序的过程分为2个部分: 1. 根据输 阅读全文
posted @ 2016-07-20 21:13 江湖小妞 阅读(255) 评论(0) 推荐(0)
摘要:TCP的3次握手和4次挥手 标签(空格分隔): 找工作 TCP Flags: TCP首部中有6个标志比特,主要用于操控TCP的状态机的,依次为 URG, ACK, PSH, RST, SYN, FIN ,每个标志位的含义如下: URG:此标志表示TCP包的紧急指针域有效,用来保证TCP连接不被终端, 阅读全文
posted @ 2016-07-20 10:12 江湖小妞 阅读(256) 评论(0) 推荐(0)
摘要:MATLAB模拟布丰投针实验 标签(空格分隔): 算法 Buffon's Needle 桌面上有距离为a的若干平行线,将长度为L的针随机丢在桌面上,则这根针与平行线相交的概率是多少?假定L 阅读全文
posted @ 2016-07-19 15:49 江湖小妞 阅读(4441) 评论(0) 推荐(0)
摘要:Give My Text Back 标签(空格分隔): 算法 时间限制:10000ms 单点时限:1000ms 内存限制:256MB 描述 To prepare for the English exam Little Ho collected many digital reading materia 阅读全文
posted @ 2016-07-17 17:15 江湖小妞 阅读(220) 评论(0) 推荐(0)
摘要:Topic Model 标签(空格分隔): 机器学习 $\Gamma$函数 $\Gamma$函数可以看做是 阶乘 在实数域上的推广,即: $\Gamma(x) = \int_{0}^{+\infty} t^{x 1}e^{ t}dt = (x 1)!$ 性质:$\frac{\Gamma(x)}{\G 阅读全文
posted @ 2016-07-15 11:41 江湖小妞 阅读(630) 评论(0) 推荐(0)
摘要:朴素贝叶斯与贝叶斯网络 标签(空格分隔): 机器学习 朴素贝叶斯 朴素贝叶斯朴素在哪里呢? —— 两个假设 一个特征出现的概率与其他特征(条件)独立; 每个特征同等重要。 朴素贝叶斯分类器 $P(c|x) = \frac{P(c)P(x|c)}{P(x)} = \frac{P(x)}{P(x)}\P 阅读全文
posted @ 2016-07-13 20:57 江湖小妞 阅读(2210) 评论(0) 推荐(0)
摘要:错题集锦(三) 标签(空格分隔): 找工作 模式分类相关 1. 什么是判决函数,什么是判决面? 对特征点进行分类的界面就是判决面; 分类界面的函数就是判决函数。 2. 后验概率p(y|x)与贝叶斯公式的关系,使用后验概率、贝叶斯决策的先决条件? 类别的经验分布概率即先验概率p(y); 条件概率已知或 阅读全文
posted @ 2016-07-12 19:23 江湖小妞 阅读(429) 评论(0) 推荐(0)
摘要:错题集锦(二) Java专项 标签(空格分隔): 找工作 JVM的内存模型 线程共享: 堆(Heap):主要存放一些对象实例 方法区(Method Area / Non Heap):用于存储已被JVM加载的类的信息、常量、静态变量等数据。 线程自有: 程序计数器(Program Counter Re 阅读全文
posted @ 2016-07-11 15:22 江湖小妞 阅读(326) 评论(0) 推荐(0)
摘要:错题集锦(一) 标签(空格分隔): 找工作 静态动态链接库 静态链接库的优点 1. 代码装载速度快,执行速度比动态链接库略快; 2. 只需保证在开发者的计算机中有正确的.lib文件,在意位二进制形式发布程序时不需要考虑在用户的计算机上是否存在.lib文件及版本问题; 动态链接库的优点 1. 节省内存 阅读全文
posted @ 2016-07-10 21:04 江湖小妞 阅读(518) 评论(0) 推荐(0)
摘要:集成学习(Ensembling Learning) 标签(空格分隔): 机器学习 Adabost 对于一些弱分类器来说,如何通过组合方法构成一个强分类器。一般的思路是:改变训练数据的概率分布(权值分布),针对不同的训练数据分布调用弱学习算法学习一系列的弱分类器,然后将他们组合起来,形成强分类器。 需 阅读全文
posted @ 2016-07-05 14:11 江湖小妞 阅读(2725) 评论(2) 推荐(0)