摘要：
/* 输入：pushed = [1,2,3,4,5], popped = [4,5,3,2,1] 输出：true 解释：我们可以按以下顺序执行： push(1), push(2), push(3), push(4), pop() -> 4, push(5), pop() -> 5, pop() -> 阅读全文
摘要：
#include <iostream> #include <vector> using namespace std; struct Node{ int val; Node *next; Node(int x):val(x),next(NULL){} }; class LinkedList{ priv 阅读全文
摘要：
/* 循环队列 enqueue: tail_loc = (tail_loc+1)%queue_size dequeue: head = (head+1)%queue_size empty:head=tail full:(head+1)%queue_size = head curr queue siz 阅读全文
摘要：
#include <iostream> using namespace std; template <typename T> class Stack{ private: int size; int capacity; int top_loci; T *data; public: ~Stack(); 阅读全文
摘要：
Spark为什么比Hadoop要快？ Spark比hadoop快的原因，我认为主要是spark的DAG机制优于hadoop太多，spark的DAG机制以及RDD的设计避免了很多落盘的操作，在窄依赖的情况下可以在内存中完成end to end的计算，相比于hadoop的map reduce编程模型来说 阅读全文
摘要：
https://www.cnblogs.com/yaya-003/p/12665681.html 阅读全文
摘要：
一般在DL或者一些ML的算法中，在分类的时候，都需要把算法输出值映射到[0-1]的概率空间去，或者在网络内部，神经元激活的时候，都需要一个激活函数。 常见的激活函数有 多分类激活函数softmax 简而言之，softmax就是把一些输出映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之 阅读全文
摘要：
逻辑回归是什么 逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法，运用梯度下降来求解模型的参数，并通过sigmoid激活, 输出一个0~1的概率值, 来达到将数据二分类的目的。 公式&理解 下面我们开始LR的公式推理 LR的表达式如下 \(f(x)=\sigma(w^Tx+b)\) 其中, 阅读全文
摘要：
信息增益是树模型,比如ID3算法用来寻早最优特征分割点的计算标准了解信息增益之前, 需要了解熵 ###熵 信息增益与熵(entropy)有关，在概率论中，熵是随机变量不确定性的度量，熵越大，随机变量的不确定性就越大；假设$X$是取有限个值的离散随机变量，其概率分布为： \(P(X=x_i)=p_i, 阅读全文
摘要：
预剪枝 就是在决策树生成过程中，在每次划分时，考虑是否能够带来决策树性能的提升。如果可以提升决策树的性能则会进行划分。如果不能则会停止生长。 一般的方法有如下几种： 当树的深度达到一定的规模，则停止生长。 达到当前节点的样本数量小于某个阈值的时候。 计算每次分裂对测试集的准确性提升，当小于某个阈值， 阅读全文