摘要：
预测为正 预测为负 实际为正 TP FN 实际为负 FP TN 精确率（针对预测结果而言） = \(\frac{TP}{TP+FP}\) 召回率（针对原始样本而言） =\(\frac{TP}{TP+FN}\) F1 = \(\frac{2*精准率*召回率}{精准率+召回率}\) Roc曲线的横坐标为 阅读全文
摘要：
为什么归一化？ 1 处理不同量纲的数据，将其缩放到相同的数据区间和范围。 2 加快计算素的，提高计算精度 归一化的方法？ 1 极差变换法（最大最小值变换） \(y_{i} = \frac{x_{i}-min(x)}{max(x)-min(x)}\) 缺点：归一化过程中容易受到极端值的影响 2 0均值 阅读全文
摘要：
numpy中copy和view的区别 （1）a = b 完全不复制，a、b是同一个ndarry对象的两个不同名字而已 （2）a = b.view() 视图与浅拷贝，共享一个数据，指向同一片内存，数据改变会相互影响（无需额外的空间） （3）深复制 copy() ,不仅创建新的对象，而且实现了对内存数据 阅读全文
摘要：
1 梯度下降法 以线性回归为例： \(h_0 = \sum_{j=0}^{n}\theta_j * x_j\) 损失函数为： \(J(\theta) = \frac{1}{2m}\sum_{i=1}^{m}(y^{(i)}-h_{\theta}(x^{(i)}))*x_{j}^{i}\) 1.1 批 阅读全文
摘要：
1 八大排序算法的时间复杂度和空间复杂度 排序算法 稳定性 平均时间复杂度 最差时间复杂度 空间复杂度 备注 堆排序 不稳定 O(nlogn) O(nlogn) O(1) n大时较好 快速排序 不稳定 O(nlogn) O(n^2) O(nlogn) n较大时好 希尔排序 不稳定 O(nlogn) 阅读全文
摘要：
一个工厂制造的产品形状都是长方体，它们的高度都是h，长和宽都相等，一共有六个型号，他们的长宽分别为1×1、2×2、3×3、4×4、5×5、6×6。这些产品通常使用一个 6×6×h 的长方体包裹包装然后邮寄给客户。因为邮费很贵，所以工厂要想方设法的减小每个订单运送时的包裹数量。他们很需要有一个好的程序 阅读全文
摘要：
leetcode 200 岛屿问题 给你一个由 '1'（陆地）和 '0'（水）组成的的二维网格，请你计算网格中岛屿的数量。 岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。 此外，你可以假设该网格的四条边均被水包围。 示例 1： 输入：grid = [ ["1","1 阅读全文
摘要：
1 beam search beam search 在每次预测的时候是选择概率最高的top_k个路径。 要点： 是基于贪心算法的思想，当k = 1时就是贪心算法 常用于搜索空间非常大的情况，如语言生成任务，每一步选择一个词，而词表非常大，beam search可以大大减少计算量 beam searc 阅读全文
摘要：
import numpy as np import numpy def qucikSort(nums,left=None,right=None): left = 0 if not isinstance(left,(int,float)) else left right = len(nums)-1 i 阅读全文
摘要：
1.viterbi算法的原理 维特比算法是一种动态规划算法，比如在有向无环图中，维特比算法到达每一列都会删除不符合最短路径要求的路径，大大降低了时间复杂度。 算法的思路（和李航的统计学习方法上一样） 输入：模型$\lambda = (A,B,\pi)$ 和观测$O = （O_1,O_2,...,O_ 阅读全文