合并区间 题目： ​ https://leetcode-cn.com/problems/merge-intervals/ 思路： ​ 一开始思路想的是，根据每一个区间的left排序后，然后比较每一个数，再向前更新，然后写了半天，一直WA，感觉这个思

TfidfTransformer() 输入：词频TF 输出：词频逆反文档频率TF-IDF（即词频TF与逆反文档频率IDF的乘积，IDF的标准计算公式为 ：idf=log[n/(1+

导入库 import pandas as pd import numpy as np 一维数组 arr = [0, 1, 2, 3, 4] s1 = pd.Series(arr) # 如果不指定索引，则默认从 0 开始 s1 0 0 1 1 2 2 3 3 4 4 dtype: int64 n = np.random.randn(5) # 创建一个随机 Ndarray 数组 index = ['a',

SVD奇异值分解 参考：https://www.cnblogs.com/pinard/p/6251584.html 特征值与特征向量 首先回顾特征

词嵌入 介绍 词嵌入是自然语言处理（NLP）中语言模型与表征学习技术的统称。概念上而言，它是指把一个维数为所有词的数量的高维空间嵌入到一个维数低

三数之和 题目： https://leetcode-cn.com/problems/3sum/solution/ 思路： ​ 第一眼看就想到了用双指针，注意重复数值的处理问题，算是一个滑动窗口问题 代码： class Solution: def threeSum(self, nums: List[int]) -> List[List[int]]: res = [] if len(nums) < 3: return [] nums.sort() for i,

# ROC曲线 了解什么是ROC曲线和AUC之前，要先了解什么是混淆矩阵。 混淆矩阵中有着Positive、Negative、True、False