chfe910-优快云博客

原创面试题[hash_map、字典树与倒排索引]: 全文检索

原始题目给定一篇英文文献，然后查某个单词在这篇文章中出现了多少次（忽略大小写）。注意这个查找会出现很多次，每一次查不同的单词，请问用什么数据结构和算法来实现尽可能快地查找？这个很容易想到首先对文章进行分词，然后利用hash_map来保存所有的单词和单词出现的次数。进阶一如果想要查找某一个字符串在所有单词的后缀中出现了多少次呢？比方说文章包含三个单词：”auto”, “goto”, “g

2015-03-23 21:41:15 2599

原创 [面试题][统计学] 放球问题

有100个球，其中50个红球、50个蓝球，有两个框，请问如何放置这100个球，使得从这两个框中任选一个，然后再从框里任选一个球时得到红球的概率最大？考虑到第一步选择每个框的概率都是1/2，那么可以先在一个框里放一个红球，然后把剩下的99个球都放在第二个框，这样选到红球的概率是最大的，概率是： 12∗1+12∗4949+50=14819812∗1+12∗4949+50=148198\f...

2018-05-07 21:17:18 2149

原创 [面试题][数学与概率]设计随机数生成器

假设你已经有一个随机数生成器，能够以概率p生成0，概率1-p生成1，请问如何设计算法以概率q等概率地生成0-6这七个数字中的一个？即每个数字的概率均为q,q<1/7.我们先从简单的情况开始考虑，假设需要生成0和1，二者概率均为q。那么我们可以让已有的随机数生成器产生两个数字，那么产生的数字及概率是： Number Prob 00 p2p2p^2...

2018-04-23 00:39:13 3044 1

原创 [面试题]机器学习算法工程师面试题

你的Word2Vec应用中用的是Skip-gram还是CBOW？请推导逻辑回归的损失函数？L1与L2的区别是什么？什么是Negative Sampling？

2018-04-19 21:55:21 822

原创 [面试题][统计学]等概率采集样本点

有一个非常非常大的数据集，有正样本，有负样本，仅知道数据集的size，不知道数据的分布，设计算法从中采样出40000个正样本、60000个负样本，使得样本是等概率被采集到的。思路：这可以理解为一个海量数据的问题，可以采用堆排序的方式来处理，而利用hash值来排序则可以获得随机性要求。解法：维护一个大小为40000的小根堆（或者大根堆）、一个大小为60000的小根堆（或者大根堆）。遍...

2018-04-19 20:19:11 1080

原创算法工程师面试题

决策树如何防止过拟合？剪枝算法随机森林一般情况下，如何防止过拟合？数据集扩增（Data Augmentation）:从数据源头采集更多数据；复制原有数据并加上随机噪声；重采样；根据当前数据集估计数据分布参数，使用该分布产生更多数据等。正则化方法提前终止训练（Early stopping） Dropout，只用于深度学习中。 Batch Normalization。...

2018-04-13 22:45:38 953

原创一张图看懂在北京买房不同贷款方式的差别

以一套总价300w的二手房为例：注：月供、利息等的计算可以通过链家的房贷计算器来帮助计算：https://bj.lianjia.com/tool.html?sub=0

2017-08-31 09:42:31 961

原创 LeetCode[Backtracking]: Letter Combinations of a Phone Number

Given a digit string, return all possible letter combinations that the number could represent. A mapping of digit to letters (just like on the telephone buttons) is given below. Inpu

2017-08-28 10:29:06 438

面试题：假如你有4个没有任何区别的抽屉，你每次放东西有60%的概率会放在这四个抽屉里的某一个抽屉，40%的概率放在这四个抽屉以外的其他地方。现在假设你需要找一份文件，你找了前三个抽屉都没有找到，请问这个文件在最后那个抽屉的概率是多少？思路：这个文件最后只有两种可能，一是在最后那个抽屉，一是在抽屉以外的其他地方，所以在最后那个抽屉的概率是：(60% * 25%) / (60% * 25% + 40%)

2017-08-23 20:32:37 1613

原创 [面试题] 用最快的方法找到唯一一个不连续成对出现的字母

面试题：除了某一个字母以外，其他字母都是连续成对出现的，比方说“AABBCCDDEFFGGHH”，用最快的方法找到其中的“E”。思路：最快的方法肯定不是顺序遍历整个字符串，因为那样做的时间复杂度是O(n)。仔细观察这个字符串，实际上是很有规律的，前面正常成对出现的字母存在这样一个规律——偶数下标的字母必然与它的下一个字母相同，后半部分正常出现的字母也存在一个规律——奇数下标的字母必然和它的下一个字母

2017-08-23 20:09:07 863

原创 [面试题] 不用算术运算符实现两个数的加法

思路：将两个数当作二进制数来处理，比方说6(110)+5(101)=11(1011)，可以将二进制的加法过程分成两部分来处理：先不考虑进位求得两数的和（即两数按位异或），然后再将产生的和与进位结果（即两数按位与然后左移一位）相加，后面这一相加过程可以递归调用add函数来实现。代码如下：int add(const int a, const int b){ return b == 0 ? a

2017-08-23 16:53:20 647

原创 Python package安装指南

Download whls from http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpypip install numpy-1.13.1+mkl-cp27-cp27m-win_amd64.whlpip install scipy-0.19.1-cp27-cp27m-win_amd64.whlpip install gensim-2.3.0-cp27

2017-08-02 20:26:04 763

原创 Python 多进程

import sysimport osimport timeimport multiprocessingdef ProcessFunction(job): print jobdef RunWithMultiprocessing(inputJobs): multiprocessing.freeze_support() pool = multiprocessing.Pool

2017-04-16 22:30:57 370

原创 Python 多线程

import sysimport osimport timeimport threadingimport Queueimport multiprocessingclass WorkerThread(threading.Thread): def __init__(self, jobQueue): threading.Thread.__init__(self)

2017-04-16 22:17:04 398

翻译 Class-Based N-Grams

Class-Based N-grams，又被称为Cluster N-grams，是一种基于词的类别信息或族信息的N-gram变体。它针对训练语料的稀疏性特征可以起到良好的效果。比方说针对一个航班预定系统，我们希望预测“到上海”的bigram概率，但是“到上海”从来没有出现在训练预料中。但是我们的训练语料中有“到北京”、“到长沙”、“到深圳”。如果我们知道它们都是城市，并且假设“上海”在其他上下文语料

2017-03-03 18:40:53 1418 1

原创 Ubuntu使用alias配置命令别名

vim ~/.bashrcadd your alias at the end of this file: alias ~=’cd ~’ alias ..=’cd ..’ alias …=’cd ../..’ alias ….=’cd ../../..’ alias …..=’cd ../../../..’ alias ……=’cd ../../../../..’

2017-02-17 14:15:56 857

原创 Ubuntu上使用ssh

新安装的Ubuntu上自动安装好了openssh-client: 但是并未安装openssh-server：解决方法： sudo apt-get install openssh-server

2017-02-13 14:25:26 336

原创在Windows下访问Ubuntu共享文件夹

1. Install samba >sudo apt-get install samba >sudo apt-get install smbclient2. 修改配置文件 >sudo vim /etc/samba/smb.conf在文件末尾添加以下内容： [share] comment = Shared Folder require password path =

2016-12-11 12:25:47 7128

原创 C++学习：去掉字符串的首尾指定字符

template inline StrType BinaryDecisionTree::LeftTrimString(const StrType& strSource, const StrType& strDrop); template inline StrType BinaryDecisionTree::RightTrimString(const StrType& strSource, c

2016-09-10 16:25:26 2845 1

原创 Git命令简明清晰版

分类命令功能说明本地修改git init初始化仓库 git status查看工作区状态 git diff 查看修改内容 git add [-f] 添加修改文件“-f”:强制添加

2016-07-13 09:04:43 469

原创 C++学习：字符串分割函数

C++实现字符串分割有多种方式，个人认为下面这种实现比较科学：void splitString(const std::string &s, const std::string &seperator, std::vector<std::string> &result){ std::string::size_type pos1 = 0, pos2 = s.find(seperator);

2015-12-28 16:17:18 589

原创 Scrapy学习

学习Scrapy不要到网上找这种那种学习资料了，直接从官方文档开始吧（关键是中文的！）：http://scrapy-chs.readthedocs.org/zh_CN/latest/intro/overview.html

2015-05-04 16:40:17 1285

原创 Ubuntu在任一路径下打开终端

sudo apt-get install nautilus-open-terminal安装完毕之后即可在任一路径下打开终端了：

2015-05-04 15:54:08 877

原创判定两个集合是否相同

寻找合适的算法判定两个集合是否相同，要求时间复杂度为O(N)，空间复杂度为O(1)，集合中的元素有可能是int，也有可能是string等。解决方法：计算着每个集合所有元素的信息指纹（MD5或者SHA1算法），然后累加起来，判定两个和是否相等，若相等则集合相同，否则集合不同。

2015-04-20 18:18:22 3883

原创统计起始日期之间有多少个2月29日

题目：统计起始日期之间有多少个2月29。#include <iostream>#include <string>using namespace std;class Date{private: int month; int day; int year; static int getMonthFromString(const string &s) {

2015-04-19 23:50:12 1300

原创面试题:旋转数组

这是搜狐2015年实习生招聘研发岗位笔试的第一道编程题. 题目描述:输入一个数组,将其循环旋转k个位置,要求时间复杂度为O(N),空间复杂度越低越好.以一个例子来说明: 初始数组: 1,2,3,4,5 k=2 首先倒置整个数组:5,4,3,2,1 然后倒置前k个:4,5,3,2,1 然后倒置后面剩下的:4,5,1,2,3 以上得到的结果即为所求.代码实现如下:void revers

2015-04-16 21:17:14 837

原创解决Ubuntu安装jdk之后的"java/lang/NoClassDefFoundError: java/lang/Object"错误

按照我的这篇博客安装完jdk1.8.0_31之后,报这个错误:解决方法: 将jdk1.8.0_31/lib/ tools.pack 转为 tools.jar 将jdk1.8.0_31/jre/lib/rt.pack 转为 rt.jar具体操作命令如下: >unpack200 tools.pack tools.jar >unpack200 rt.pack rt.jar操作完成

2015-04-16 16:49:33 4525

原创面试题[后缀数组]: 最长重复子串

题目：给定一个字符串，求出最长重复子串。这个题目可以用后缀数组来解：对后缀数组排好序，这样重复的子串就在相邻的后缀中找就可以了。我的C++代码实现如下：class Solution{public: string LongestRepeatingSubstring(string str) { size_t len = str.size(); vec

2015-03-31 19:26:21 945

原创 printf非常奇怪的参数问题

以下代码在VS2013上可以通过编译，但是运行到最后一行才出错。 char *s1 = "hello"; char *s2 = "world"; printf("%x %x\n", s1, s2); printf("%x %x %x\n", s1, s2); printf("%s %s\n", s1, s2); printf("%s %s %s\n",

2015-03-30 00:14:54 1334

原创 LeetCode[Dynamic Programming]: Maximum Product Subarray

Find the contiguous subarray within an array (containing at least one number) which has the largest product. For example, given the array [2,3,-2,4], the contiguous subarray [2,3] has the largest

2015-03-27 17:20:32 715

原创《Effective C++》学习笔记

在operator=中处理“自我赋值”在operator=最前面需要进行“证同测试”达到“自我赋值”的检验目的：Widget& Widget::operator=(const Widget &rhs){ if (this == &rhs) return *this; delete pb; pb = new Bitmap(*rhs.pb); return *this;

2015-03-27 17:13:22 783

原创面试题[动态规划]: 最长公共子序列

问题：输入两个字符串，返回最长公共子序列。最长公共子序列问题（Longest Common Subsequence）是经典的动态规划问题，可以通过以下方式来求解较小规模的问题：在找A和B的公共子序列时：如果有am-1==bn-1，则进一步解决一个子问题，找“a0，a1，…，am-2”和“b0，b1，…，bm-2”的一个最长公共子序列；如果am-1!=bn-1，则要解决两个子问题：找出“

2015-03-25 15:19:47 893

原创研发工程师（C/C++）面试问答题集锦

C++什么是多态？多态可以用来做什么？static关键词起什么作用？new和malloc的区别？C++中有哪几种数据存储区？堆区存放什么？栈区存放什么？什么是栈溢出？哪些情况下比较容易出现栈溢出？“#include”后面跟引号与尖括号的区别？你了解哪些编译器？STLmap和hash_map的内部实现原理？解决哈希冲突有哪些方法？什么情况下适合用map，什么情况下适合用hash_map？哈希表的不稳定

2015-03-24 15:10:41 3379

原创面试题[数学与概率]: 从数据流中随机选取样本

题目：输入一段int型数据流，输入未完成之前并不知道数据流的长度，要求在O(1)空间复杂度的前提下随机选出一个元素，并保证每一个元素被选中的概率是一样的。我的解法如下：假如输入的数据流依次是10、20、30、40、……收到10时：以概率1选择10；收到20时：以概率1/2选择10，以概率1/2选择20；收到30时：以概率2/3选择上一次选到的元素，以概率1/3选择30；...

2015-03-23 20:21:01 1657

原创面试题[堆排序]: 二维数组的Top(N)

题目：一个二维数组，每一行都是升序排列的，但每一列每一列并不一定是升序排列的，设计算法找出最大的N个数。这类Top(N)算法，很容易想到堆排序，那么建什么堆呢？建多大的堆呢？这个题目有个特点就是矩阵的最后一列是每一行的最大元素，那么整个矩阵的最大元素必然也在最后一列，所以我们可以考虑将最后一列元素建一个大根堆，建好之后，堆顶就是目前最大的元素，pop出最大的元素之后，将该最大元素的所在行的前一个元

2015-03-23 20:10:02 2119

原创 LeetCode[Backtracking]: Subsets

Given a set of distinct integers, S, return all possible subsets. Note: Elements in a subset must be in non-descending order. The solution set must not contain duplicate subsets. For exampl

2015-03-23 15:54:15 1019

原创归并排序

如果归并排序中待归并的两个相邻序列分别Wi是r[start]~r[mid]和r[mid+1]~r[end]，需要将其归并成一个新序列r1[start]~r1[end]：void merge(int r[], int r1[], int start, int mid, int end){ int i = start, j = mid + 1, k = start; while (i

2015-03-09 17:40:30 624

转载 C++学习：单例模式

模式介绍单例模式也称为单件模式、单子模式，可能是使用最广泛的设计模式。其意图是保证一个类仅有一个实例，并提供一个访问它的全局访问点，该实例被所有程序模块共享。有很多地方需要这样的功能模块，如系统的日志输出，GUI应用必须是单鼠标，MODEM的联接需要一条且只需要一条电话线，操作系统只能有一个窗口管理器，一台PC连一个键盘。单例模式有许多种实现方法，在C++中，甚至可以直接用一个全局变量做到这一点，但

2015-03-09 11:35:13 529

原创 TopN算法

TopN算法：从已经存在的数组中，找出最大（或最小）的前n个元素。算法（以找最大的n个元素为例）： 1. 取出数组的前n个元素，创建长度为n的小根堆； 2. 从n开始循环数组的剩余元素，如果当前元素比小根堆的根节点大，则将当前元素设置成小根堆的根节点，并通过调整让堆保持小根堆； 3. 循环完成后，小根堆中的所有元素就是需要找的最大的n个元素； 4. 根据需要对小根堆中的所有元素继续利用堆排序

2015-03-08 18:13:48 11202

原创快速排序

本文选择第一个元素作为轴值，从小到达排序。快速排序算法的一趟排序如下：int Partion (int data[], int first, int end) { int i = first, j = end; int privot = data[i]; while (i < j) { while (i < j && data[j] > privot) --j

2015-03-08 16:29:56 703

空空如也

空空如也