上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页
摘要: 计划 Hello,这是一个读书摘要的计划,10天读完《编写高质量代码 改善Python编程的91个建议》,我会每天摘录大概9个书中提到的建议,分享在这里,也作为自己的打卡任务。关于这本书,他并不是python入门的教学书籍,而是一本用来改善编程习惯和风格的书,可以帮助我们写出漂亮的,也就是符合pyt 阅读全文
posted @ 2020-07-25 21:49 MrDoghead 阅读(158) 评论(0) 推荐(0) 编辑
摘要: 35. 搜索插入位置 给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。 你可以假设数组中无重复元素。 示例 1: 输入: [1,3,5,6], 5 输出: 2 示例 2: 输入: [1,3,5,6], 2 输出: 1 示例 3: 阅读全文
posted @ 2020-07-24 01:05 MrDoghead 阅读(331) 评论(0) 推荐(0) 编辑
摘要: 242. 有效的字母异位词 给定两个字符串 s 和 t ,编写一个函数来判断 t 是否是 s 的字母异位词。 示例 1: 输入: s = "anagram", t = "nagaram" 输出: true 示例 2: 输入: s = "rat", t = "car" 输出: false 说明: 你可 阅读全文
posted @ 2020-07-12 00:45 MrDoghead 阅读(300) 评论(0) 推荐(0) 编辑
摘要: 主定理(the Master Theorem) 例子 T(n) = 2T(n/2) + n 因为这里 a=2, b=2, d=1 所以复杂度为 O(nlogn) T(n) = 4T(n/4) + n 因为这里 a=4, b=4, d=1 所以复杂度为 O(nlogn) T(n) = T(n/2) + 阅读全文
posted @ 2020-07-08 02:27 MrDoghead 阅读(316) 评论(0) 推荐(0) 编辑
摘要: 介绍 作为算法入门,排序算法是最最基础的部分,今天整理一下7个经典的排序算法,包括insertionSort,ShellSort,BubbleSort,QuickSort,SelectionSort,HeapSort,MergeSort,并对他们的复杂度做一个对比总结。顺便推荐一个网站Compari 阅读全文
posted @ 2020-07-08 02:16 MrDoghead 阅读(282) 评论(0) 推荐(0) 编辑
摘要: Discourse 之前介绍的NLP任务大多是研究词汇句式,其实还有很多NLP任务是为了解决文档document级别的问题,为了更好地理解句子之间是怎么组合成文档的。 三个主要任务 1. Discourse segmentation 我们知道一篇文档的内容往往是有几个部分通过一些衔接部分组合起来的, 阅读全文
posted @ 2020-06-21 21:06 MrDoghead 阅读(1329) 评论(0) 推荐(0) 编辑
摘要: Recurrent Neural Network (RNN) 循环网络区别于之前提到的前馈网络在于,它能够将每一层的输出带到后面的神经层,使用state向量来保存和传递处理过的信息,用递归函数表示如下。 \(s_i = f(s_{i-1},x_i),这里的s_i表示新的状态,s_{i-1}表示前一个 阅读全文
posted @ 2020-06-20 21:42 MrDoghead 阅读(298) 评论(0) 推荐(0) 编辑
摘要: 深度学习 深度学习是机器学习的分支,也就是神经网络,为什么称之为”深度“?因为有很多连接在一起的神经层! 前馈网络 Feedforward Networks 也叫Multilayer Perceptrons(多层感知机),大致的结构如下图所示 其中,每一个节点都可以看做是一个函数,将上一层传过来的输 阅读全文
posted @ 2020-06-20 17:03 MrDoghead 阅读(6809) 评论(0) 推荐(0) 编辑
摘要: HMM 本文接着上一篇的POS tagging来讲hidden markov model,以及如何使用HMM来做NLP任务的训练。 概率模型 假设我们的目标是给定一句话w(也就是一个序列),希望获得一组最优的tagging序列t, \(\hat{t} = argmax_tP(t|w) = argma 阅读全文
posted @ 2020-06-20 02:22 MrDoghead 阅读(201) 评论(0) 推荐(0) 编辑
摘要: part-of-speech (POS) POS其实就是对词进行一些分类,比如名词、动词、形容词、副词等。通过研究POS我们可以学习到更多词于词之间的关系,比如冠词一般在名词前,名词后面可能是动词,更进一步的,POS可以被应用到其他任务中,比如推测作者、信息抽取等等。由于很多语言在不同环境下存在多种 阅读全文
posted @ 2020-06-19 22:52 MrDoghead 阅读(677) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页