baoguaalalei的博客

损失函数 Loss Function 也可称为代价函数 Cost Function,用于衡量预测值与实际值的偏离程度。我们机器学习的目标就是希望预测值与实际值偏离较小，也就是希望损失函数较小，也就是所谓的最小化损失函数。 几种常见的损失函数如下： 1.0-1损失 ：可用于分类问题，该函数用户衡量误分类的数量，但是由于该函数由于是非凸的，在最优化过程中求解不方便，有阶跃，不连续，所以使用不...

有一个数组，某些数字出现了N次，只有一个出现了M次，求出该数字。 将所有的二进制位一一列出来，按照位进行对齐。如果要找到数据在该位上是0，那么其他所有的数把这个位上所有的0 1加起来之和，对N取模一定是等于0的，也就是一定能整除出现的次数。按照这个思路去判定要找的那个数，找出那个数据各个位是0还是1，最后转换为十进制数据就可以得到我们要的结果。注意保存目标数据位数的容器要超过数组中最大数据的二进

信号的拟合方法有多种，对信号进行拟合也就是回归分析的方法有多种。通常用于预测分析，时间序列模型以及发现变量之间的因果关系。 回归分析是建模和分析数据的重要工具，进行曲线拟合使得曲线或线到数据点的差异达到最小。 各种各样的回归技术用于预测，这些技术主要有三个度量（自变量的个数，因变量的类型以及回归线的形状） http://www.youkuaiyun.com/article/2015-08-19/

堆排序是一种不稳定的排序方法， 平均性能是O(N*logN)，速度还算可以。 #include  void HeapAdjust(int array[],int i,int Nlength)  { int nChild; int Temp; for (; 2*i+1 { nChild = 2*i+1; if (nChild if (array[nC

转自https://www.cnblogs.com/ModifyRong/p/7744987.html1.简介    gbdt全称梯度下降树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个，一是效果确实挺不错。二是即可以用于分类也可以用于回归。三是可以筛选特征。这三点实在是太吸引人了，导致在面试的时候大家...

#采用动态规划算法 class Solution(object): def rob(self, nums): """ :type nums: List[int] :rtype: int """ if len(nums)==0: return 0 if len(nums)...