charie411的博客

目标这次的作业主要是完成多个数据的查找(nSum)：排序和对撞指针多个点共线、距离相等：查表滑动数组多个数据的查找问题是在给定数组nums内找出和为target的n个数组合(n=2,3,4…)，甚至有结果最接近target的n个数组合。思路1是2Sum中的查找表法：遍历数组过程中，当遍历到元素v时，可以只看v前面的元素时候含有target-v的元素存在，如果没有就将v放入查找表中，继续查找下一个解，否则查找成功返回解。思路2是将数组排序后，采用两指针对撞的方法找到l和r使得nums[l

小结这次共有10道题，主要是学习map、set和dict等数据结构，以及二分查找。查找的问题的关键是找对数据结构、准确的二分查找套路条件还有诸如持续输出个位数的小技巧。学习目的完成查找相关经典题：35. 搜索插入位置202. 快乐数205. 同构字符串242. 有效的字母异位词290. 单词规律349. 两个数组的交集350. 两个数组的交集 II 410. 分割数组的最大值451. 根据字符出现频率排序540. 有序数组中的单一元素；学习灵活应用map、set和dict数据结构。活用二分法的

无关紧要从这次接触的题目角度看，动态规划是在递归的基础上进行运算效率的优化，也就是通过存储中间计算结果减少重复计算。递归的问题的关键是找到可以不停迭代的结果相关变量【状态】、迭代过程之间的关系【状态转移方程】。求解过程就是先解决边界位置的小问题，然后不断递推解决上层问题。虽然预留的时间够长，但我每天2道题的计划下还是因为拖拉呀、理解慢呀、代码出错呀，浪费时间而没有收获，不如以大神写的算法介绍帖为主，学习精神和模式，学会怎么用吧学习目的完成动态规划相关经典题：5最长回文子串 72编辑距离 198打

python调包很方便，数据结构学着总是半途而废，所以一直没有学完。DataWhale的Leetcode练习，对我来说很难，每个题我基本上只会常用库API函数实现，但想着有伴可以一起做这件事，有专业的引导，有拼比，有相互扶持，好像艰难的事情变得不那么难了。【话说的太早，笑到最后才是成功，加油！】50 Pow(x, n)边界情况：n = 0→任何值x的0次幂结果为1n < 0→转换成1/x的-n次幂的问题三个思路，思路1：xn=x∗x∗x∗...∗xx^n = x*x*x*...*xx

t分布当总体符合正态分布，σ2σ^2σ2未知，且可供支配的样本很小（n≤30）时，样本符合t分布。【因为仅从样本无法精确反映总体方差的真实值】t分布形状取决于样本大小，当样本很大时，t分布外形接近正态分布，当样本很小时，曲线较为扁平。t分布只有一个参数→自由度v=n-1.标准分T=(x−μ)/(s/sqrt(n))T=(x-μ)/(s/sqrt(n))T=(x−μ)/(s/sqrt(n))...

是什么？有什么用？怎么做？是什么？卡方分布：n个独立同分布(标准正态分布N(0,1))变量的平方和服从自由度为n的卡方分布。不同自由度的卡方分布的概率密度函数图示python代码import numpy as npimport seaborn as snsimport matplotlib.pyplot as pltx1 = np.random.normal(0,1,10000...

PCA主成分分析，一种将一组可能相关的变量转变为一组线性不相关的新变量的降维手段。用于去除数据中的噪声，以利于其他机器学习算法。PCA的原理：降维是通过将矩阵映射到基所表示的空间中去，由于基的数量少于矩阵本身的维数，从而达到降维的效果。为了最大程度保留源数据信息，确保源数据到基上投影值尽可能分散。而单一维度分散程度用方差进行度量，高维多个基上的分散程度用协(xiang)方(guan)差(...

决策树根据wikipedia的定义，决策树学习方法是一种通过决策树实现从某几个特征属性（分枝）到目标值（叶节点）的预测模型。一种实现方法是贪心算法：数据源按照属性测试条件分割为子集，然后在生成的每个子集上递归执行递归分割过程，直到该节点所有子集具有相同的目标变量。用途：分类模型特征选取，属性测试条件（Attribute value tests）最优结果是数据集的强相关特征。CART...

集成模型Boosted trees:针对之前模型判断错误的实例进行训练，递归生成多个决策树，并加权求和的方法获得集成模型。一种典型方法是AdaBoost.Boostrap aggregated trees:随机有放回的方式取样，搭建多个决策树，并通过投票的方法输出预测结果。一种典型的方法是随机森林。...

引用线性回归最小二乘法举例简单线性回归引用线性回归——最小二乘法2线性回归简单线性回归：对数据做散点图后，发现有线性相关趋势，因此利用线性回归方法获取散点拟合直线方程式，拟合指标是误差平方和。 利用matlab或者Octave进行线性拟合时，可以用polyfit(x,y,n)函数，但线性回归计算方法是什么呢？根据引用网站，线性回归有最小二乘法、梯度下降法、最小似然法，这里先学习最小二乘法。