yesuuu

摘要： 散列表是实现字典的一种数据结构，是普通数组的推广， 原理是根据关键字计算出下标，用链接的方法解决冲突。 11.1 直接寻址表 如果关键字全集比较小，可以直接寻址。 关键是将key映射成为数字，是直接计算的。如果映射规则比较复杂，导致数字的范围很大，而有效的只有很少一部分时，直接寻址法就很蠢。 11. 阅读全文

摘要： 10.1 栈和队列 都是动态集合，Delete操作是预先设定好的。 栈 Insert：push Delete: pop 实现，一个计数器记录元素数量 同理，队列实现是一个计数器记录首尾元素的位置，如果首元素太过靠后，尾元素可以过来。 10.2 链表 双向链表：每一个元素是一个对象，有prev, ne 阅读全文

摘要： 用户冷启动 1. 利用用户注册信息 粗粒度的人口信息，进行热门推荐 2. 让用户给一些物品评分 挑选出的物品需要具有区分度，xx算法 物品冷启动 3. 基于物品内容 通过关键词计算物品相似度，通常比cf差，取决于挖掘的关键词质量 LDA话题相似 阅读全文

摘要： 8.1 排序算法下界 比较排序：次序依赖之间的比较： 由于两两比较，因此可以用决策树来刻画，那么节点数就要满足大于 n!， 那么就需要nlogn级别的比较数量。 8.2 计数排序 n个输入数据，每个都是0-k之间的整数。 算法：从头到尾遍历数组，把0-k累积的数量记一下，然后做累和，然后再遍历一遍， 阅读全文

摘要： 1. 推荐系统常用评价指标 主要讨论的是topN推荐 准确率，召回率，覆盖率（有多少物品被推荐出来了），流行度（推荐物品的流行度，计算平均流行度对每个物品的流行度取对数，因为满足指数分布） 2. 协同过滤 2.1 user base 计算两两用户的相似度，复杂度为O(U*U) 计算优化点：建立物品- 阅读全文

摘要： 5.1 雇佣问题 每面试一个人，如果比之前的人强，就要现场雇佣，花费x元，共面试n个人，问总共花费多少元（期望）。 5.2 指示器随机变量 indicator random variable 示性变量 分析雇佣问题：对第i个人，被雇佣的概率是1/i，期望和 5.3 随机算法 就是每次运行的时间会不一 阅读全文

摘要： 【3】函数的增长 3.1 渐进的记号 \Theta(N)：同阶，渐进确界 O(N): 渐进上界 o(N): 渐进紧上界 \Omega(N): 渐进下界 【4】递归式 三种解递归式的方法： 1、代换法 猜测解的形式，用数学归纳法找到有效的常数，并证明。 2、递归树方法 将递归式转换为一棵树，节点表示递 阅读全文

摘要： 参考文章：https://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/ 几个重要对象：图像、子图、坐标轴、记号 figure:图像， subplot: 子图，axes:坐标轴 【一】figure对象: matplotlib.figure.Figu 阅读全文

摘要： 【性能度量】 使用什么误差度量？ 目标性能大致为多少？ 【默认的基准模型】 首先尝试分段线性单元，ReLU以及扩展。 SGD一般是合理的选择，选加入动量的版本，衰减方法不一。 批标准化在优化出现问题时应该直接使用。 一开始就应该有一些温和的正则化 提前终止一般使用 Dropout比较容易实现，而且兼 阅读全文

摘要： 【神经网络优化的挑战】 一、病态： 虽然学习率很小，而且梯度大，但是由于Hessian阵的病态，二次项比一次项还要大，梯度下降事实上并不一定能下降，反而有可能上升。因此需要将学习率调低。 表现：梯度很强，但是学习很缓慢，因为曲率太强 二、局部最小值： 由于权重空间对称性，神经网络有很多局部极小值。 阅读全文