摘要：
这边记录了Python和Java的解法，Python是一年前的自己写的，Java是现在写的。 Python 这个问题卡了两天，自己也想到了可行的方法，但还是因为时间超出了限制。这个问题的关键在于动态规划，存储中间计算值，这样就大大节约了计算时间。 自己从全排列想到的方法，向右为0，向下为0，先排序出 阅读全文
摘要：
栈的应用，很妙。 阅读全文
摘要：
环境搭建 官网地址：http://maven.apache.org/ 1. 确保已安装JDK，并配置JAVA_HOME,详情查看Java环境配置 2. 新增环境变量 M2_HOME, C:\Program Files\apache-maven 3. 环境变量Path新增，%M2_HOME%\bin 阅读全文
摘要：
给定一个没有重复数字的序列，返回其所有可能的全排列。 示例: 记录一下自己的思路总结，关于去重复的思路比较棒： 全排序一： 全排序二： 有两种方式，更好的肯定是从底层就不交换大大节约时间，无脑的则是先全排列，后集合去重。 阅读全文
摘要：
SVM尝试寻找一个最优的决策边界 最大化margin(2d) 超参数： SVM模型有两个非常重要的参数C与gamma。其中 C是惩罚系数，即对误差的宽容度。c越高，说明越不能容忍出现误差,容易过拟合。C越小，容易欠拟合。C过大或过小，泛化能力变差 gamma是选择RBF函数作为kernel后，该函数 阅读全文
摘要：
什么是决策树 什么是决策树 什么是决策树 非参数学习方法 可以解决分类问题 天然可以解决多分类问题 也可以解决回归问题 非常好的可解释性 复杂度 预测：O(logm)训练: O(n*m*logm)剪枝：降低复杂度，解决过拟合 import numpy as np import matplotlib. 阅读全文
摘要：
浅层神经网络： 神经网络的输出 神经网络的输出 神经网络的输出 神经网络的输出 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 多层感知器识别手写数字： 关键点： 阅读全文
摘要：
多项式回归：升维 多项式回归：升维 多项式回归：升维 原有数据特征下新增维度 # 数据 import numpy as np import matplotlib.pyplot as plt x = np.random.uniform(-3,3,size=100) X = x.reshape(-1 阅读全文
摘要：
经检测速度大幅度上升，不枉费我折腾了这么久，最坑的就是网上教程、书都没有写将cuda的bin加入全局变量，还是根据报错信息推出来的。 1.cuda9.0下载安装 https://developer.nvidia.com/cuda-90-download-archive?target_os=Windo 阅读全文
摘要：
梯度下降法 在使用梯度下降法前，最好进行数据归一化 不是一个机器学习算法 是一种基于搜索的最优化方法 作用：最小化损失函数 梯度上升法，最大化一个效用函数 η称为学习率 η的值影响获得最优解的速度 η取值不合适甚至得不到最优解 η是梯度下降法的一个超参数 优势 特征越多的情况下，梯度下降相比于正规方 阅读全文