<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chfe910的专栏]]></title><description><![CDATA[Stay hungry, stay foolish.]]></description><link>https://blog.youkuaiyun.com/chfe007</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chfe007]]></copyright><item><title><![CDATA[[面试题][统计学] 放球问题]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/80231712</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/80231712</guid><author>chfe007</author><pubDate>Mon, 07 May 2018 21:17:18 +0800</pubDate><description><![CDATA[
  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...]]></description><category></category></item><item><title><![CDATA[[面试题][数学与概率]设计随机数生成器]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/80045166</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/80045166</guid><author>chfe007</author><pubDate>Mon, 23 Apr 2018 00:39:13 +0800</pubDate><description><![CDATA[
  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&amp;lt;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


...]]></description><category></category></item><item><title><![CDATA[[面试题]机器学习算法工程师面试题]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/80011613</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/80011613</guid><author>chfe007</author><pubDate>Thu, 19 Apr 2018 21:55:21 +0800</pubDate><description><![CDATA[
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？
]]></description><category></category></item><item><title><![CDATA[[面试题][统计学]等概率采集样本点]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/80010281</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/80010281</guid><author>chfe007</author><pubDate>Thu, 19 Apr 2018 20:19:11 +0800</pubDate><description><![CDATA[
  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...]]></description><category></category></item><item><title><![CDATA[算法工程师面试题]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/79935593</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/79935593</guid><author>chfe007</author><pubDate>Fri, 13 Apr 2018 22:45:38 +0800</pubDate><description><![CDATA[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。
...]]></description><category></category></item><item><title><![CDATA[一张图看懂在北京买房不同贷款方式的差别]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/77736393</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/77736393</guid><author>chfe007</author><pubDate>Thu, 31 Aug 2017 09:42:31 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[LeetCode[Backtracking]: Letter Combinations of a Phone Number]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/77643241</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/77643241</guid><author>chfe007</author><pubDate>Mon, 28 Aug 2017 10:29:06 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[[面试题] 从抽屉找东西的概率学问题]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/77511497</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/77511497</guid><author>chfe007</author><pubDate>Wed, 23 Aug 2017 20:32:37 +0800</pubDate><description><![CDATA[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%)]]></description><category></category></item><item><title><![CDATA[[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]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/77511150</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/77511150</guid><author>chfe007</author><pubDate>Wed, 23 Aug 2017 20:09:07 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[[面试题] 不用算术运算符实现两个数的加法]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/77508119</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/77508119</guid><author>chfe007</author><pubDate>Wed, 23 Aug 2017 16:53:20 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[Python package安装指南]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/76596070</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/76596070</guid><author>chfe007</author><pubDate>Wed, 02 Aug 2017 20:26:04 +0800</pubDate><description><![CDATA[Download whls from http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
pip install numpy-1.13.1+mkl-cp27-cp27m-win_amd64.whl
pip install scipy-0.19.1-cp27-cp27m-win_amd64.whl
pip install gensim-2.3.0-cp27]]></description><category></category></item><item><title><![CDATA[Python 多进程]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/70198907</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/70198907</guid><author>chfe007</author><pubDate>Sun, 16 Apr 2017 22:30:57 +0800</pubDate><description><![CDATA[import sys
import os
import time
import multiprocessingdef ProcessFunction(job):
    print jobdef RunWithMultiprocessing(inputJobs):
    multiprocessing.freeze_support()
    pool = multiprocessing.Pool]]></description><category></category></item><item><title><![CDATA[Python 多线程]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/70198784</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/70198784</guid><author>chfe007</author><pubDate>Sun, 16 Apr 2017 22:17:04 +0800</pubDate><description><![CDATA[import sys
import os
import time
import threading
import Queue
import multiprocessingclass WorkerThread(threading.Thread):
    def __init__(self, jobQueue):
        threading.Thread.__init__(self)]]></description><category></category></item><item><title><![CDATA[Class-Based N-Grams]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/60144733</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/60144733</guid><author>chfe007</author><pubDate>Fri, 03 Mar 2017 18:40:53 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[Ubuntu使用alias配置命令别名]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/55509627</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/55509627</guid><author>chfe007</author><pubDate>Fri, 17 Feb 2017 14:15:56 +0800</pubDate><description><![CDATA[vim ~/.bashrc
add your alias at the end of this file:
  alias ~=’cd ~’ 
  alias ..=’cd ..’ 
  alias …=’cd ../..’ 
  alias ….=’cd ../../..’ 
  alias …..=’cd ../../../..’ 
  alias ……=’cd ../../../../..’]]></description><category></category></item><item><title><![CDATA[Ubuntu上使用ssh]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/55048478</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/55048478</guid><author>chfe007</author><pubDate>Mon, 13 Feb 2017 14:25:26 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[在Windows下访问Ubuntu共享文件夹]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/53572477</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/53572477</guid><author>chfe007</author><pubDate>Sun, 11 Dec 2016 12:25:47 +0800</pubDate><description><![CDATA[1. Install samba
  >sudo apt-get install samba 
  >sudo apt-get install smbclient
2. 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 =]]></description><category></category></item><item><title><![CDATA[C++学习：去掉字符串的首尾指定字符]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/52486623</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/52486623</guid><author>chfe007</author><pubDate>Sat, 10 Sep 2016 16:25:26 +0800</pubDate><description><![CDATA[template 
inline StrType BinaryDecisionTree::LeftTrimString(const StrType& strSource, const StrType& strDrop); 
template 
inline StrType BinaryDecisionTree::RightTrimString(const StrType& strSource, c]]></description><category></category></item><item><title><![CDATA[Git命令简明清晰版]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/51894582</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/51894582</guid><author>chfe007</author><pubDate>Wed, 13 Jul 2016 09:04:43 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[C++学习：字符串分割函数]]></title><link>https://blog.youkuaiyun.com/chfe007/article/details/50419747</link><guid>https://blog.youkuaiyun.com/chfe007/article/details/50419747</guid><author>chfe007</author><pubDate>Mon, 28 Dec 2015 16:17:18 +0800</pubDate><description><![CDATA[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);]]></description><category></category></item></channel></rss>