SVM

vllbc 发布于 2021-09-20 收录于 Machine Learning 分类算法

SVM

kernel

介绍

其实核函数和映射关系并不大，kernel可以看作是一个运算技巧。

一般认为，原本在低维线性不可分的数据集在足够高的维度存在线性可分的超平面。

字符串的排列

vllbc 发布于 2021-09-18 收录于算法题

字符串的排列

题目：

https://leetcode-cn.com/problems/permutation-in-string/

思路：

滑动窗口加字典

代码：

class Solution(object):
    def checkInclusion(self, s1, s2):
        counter1 = collections.Counter(s1)
        N = len(s2)
        left = 0
        right = len(s1) - 1
        counter2 = collections.Counter(s2[0:right])
        while right < N:
            counter2[s2[right]] += 1
            if counter1 == counter2:
                return True
            counter2[s2[left]] -= 1
            if counter2[s2[left]] == 0:
                del counter2[s2[left]]
            left += 1
            right += 1
        return False

apply_along_axis

vllbc 发布于 2021-09-03 收录于 Pandas Api

类似于pandas的apply，就是在某一维上进行定义的函数操作

apply_along_axis(func1d, axis, arr, *args, **kwargs)

官网的例子

def my_func(a):
    return (a[0] + a[-1]) * 0.5
b = np.array([[1,2,3], [4,5,6], [7,8,9]])

np.apply_along_axis(my_func, 0, b)
# 结果
array([ 4.,  5.,  6.])

# 结果

array([ 2.,  5.,  8.])

采购方案

vllbc 发布于 2021-08-30 收录于算法题

采购方案

题目：

https://leetcode-cn.com/problems/4xy4Wx/

思路：

题目很简单，思想就是双指针，感觉是个双指针的典型例子就写了下来

先对数组进行从小到大排序，然后双指针从两边移动，如果一直大于target就一直左移right 然后right - left就是所有成立的数目，再移动left 进行筛选

只出现一次的数字

vllbc 发布于 2021-08-23 收录于算法题

位运算的一个应用

翻了翻以前用python刷leetcode的记录，最后刷的一道题是这样的

https://leetcode-cn.com/problems/single-number/

叫只出现一次的数字，当时看题感觉非常简单啊！直接搞就行了

当时一开始我的做法是这样的

交叉验证

vllbc 发布于 2021-08-15 收录于 Sklearn

import numpy as np
from sklearn.model_selection import train_test_split,cross_val_score
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier

data = datasets.load_iris()
X = data.data
Y = data.target

k_scores = []
for k in range(1,31):
    model = KNeighborsClassifier(n_neighbors=k)
    #scores = cross_val_score(model,X,Y,cv=10,scoring="accuracy") # for classification
    loss = -cross_val_score(model,X,Y,cv=10,scoring="neg_mean_squared_error") # for regression
    k_scores.append(loss.mean())
plt.plot(range(1,31),k_scores)
plt.show()

概率图模型概述

vllbc 发布于 2021-08-13 收录于 NLP 概率图模型

概率图模型概述

谱聚类

vllbc 发布于 2021-08-13 收录于 Machine Learning 聚类算法

B树

vllbc 发布于 2021-08-07 收录于面经

B树

B树就是B-树，以前还以为这是两种树，现在才知道这俩就是一个东西。

基本概念

所有的叶子结点都出现在同一层上，并且不带信息(可以看做是外部结点或查找失败的结点，实际上这些结点不存在，指向这些结点的指针为空)。
每个结点包含的关键字个数有上界和下界。用一个被称为 B-树的 最小度数 的固定整数 t≥2 来表示这些界，其中 t 取决于磁盘块的大小：
a.除根结点以外的每个结点必须至少有 t−1 个关键字。因此，除了根结点以外的每个内部结点有 t 个孩子。如果树非空，根结点至少有一个关键字。
1. 每个结点至多包含 2t−1 个关键字。
一个包含x个关键字的结点有x+1个孩子。
一个结点中所有的关键字升序排列，两个关键字\(k_1\)和\(k_2\)之间的孩子结点的所有关键字key在\((k_1, k_2)\)的范围内。

其中最小度数和B树的阶不一样：

和为s的连续正数序列

vllbc 发布于 2021-08-06 收录于算法题

和为s的连续正数序列

题目:

https://leetcode-cn.com/problems/he-wei-sde-lian-xu-zheng-shu-xu-lie-lcof/

思路：

滑动窗口即可，滑动窗口就是选取数组的一部分来进行操作，left 和 right只能向右移动

代码：

class Solution:
    def findContinuousSequence(self, target: int) -> List[List[int]]:
        res = []
        left,right = 1,2
        while left <= target // 2: # 优化 减少时间复杂度
            if sum(range(left,right+1)) < target: # 小于target 右指针移动
                right += 1
            elif sum(range(left,right+1)) > target: # 大于target 左指针移动
                left += 1
            else:
                res.append(list(range(left,right+1))) # 相等的话 两个指针都移动
                right += 1
                left += 1
        return res