<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[github_37002236的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/github_37002236</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; github_37002236]]></copyright><item><title><![CDATA[机器学习---强化学习资料]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83901841</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83901841</guid><author>github_37002236</author><pubDate>Fri, 09 Nov 2018 18:26:48 +0800</pubDate><description><![CDATA[入门介绍：https://blog.youkuaiyun.com/cf2SudS8x8F0v/article/details/80796107

详细介绍：https://blog.youkuaiyun.com/gsww404/article/details/79763003]]></description><category></category></item><item><title><![CDATA[机器学习---规则学习]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83900018</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83900018</guid><author>github_37002236</author><pubDate>Fri, 09 Nov 2018 17:26:24 +0800</pubDate><description><![CDATA[基本概念

规则 
一条基本的规则如下： 
⊕←f1∧f2∧f3⋯∧fl
其中箭头右边的称为规则体，左边的部分称为规则头表示这条规则的结果。规则体有逻辑文字fkfk的合取式组成，其中的合取符号“∧∧”表示并且，每个fkfk都表示是一个对属性值布尔表达式。ll是规则提逻辑文字的个数，称为规则的长度。规则头“⊕⊕”表示规则所判定的目标类或者概念。
冲突 
规则集合中的每一条规则都可以看成是一个子模型，...]]></description><category></category></item><item><title><![CDATA[知识图谱---介绍]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83829908</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83829908</guid><author>github_37002236</author><pubDate>Wed, 07 Nov 2018 19:37:03 +0800</pubDate><description><![CDATA[1.各种知识图谱项目

谷歌知识图谱，百度之心，搜狗“知立方”，微软人立方，的脸谱兴趣图谱...

FreeBase，wordNet，DBpedia，wikedata，linkedgeodata ......

地理信息数据：https：//blog.youkuaiyun.com/github_37002236/article/details/81908446

2.定义

知识图谱本质上是一种语义网路，由结...]]></description><category></category></item><item><title><![CDATA[机器学习---特征选择]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83825376</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83825376</guid><author>github_37002236</author><pubDate>Wed, 07 Nov 2018 15:56:03 +0800</pubDate><description><![CDATA[当数据预处理完成后，我们需要选择有意义的特征输入机器学习的算法和模型进行训练。通常来说，从两个方面考虑来选择特征：

特征是否发散：如果一个特征不发散，例如方差接近于0，也就是说样本在这个特征上基本上没有差异，这个特征对于样本的区分并没有什么用。
	特征与目标的相关性：这点比较显见，与目标相关性高的特征，应当优选选择。除移除低方差法外，本文介绍的其他方法均从相关性考虑。
根据特征选择的形式又可以将...]]></description><category></category></item><item><title><![CDATA[leetcode(96-100)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83720472</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83720472</guid><author>github_37002236</author><pubDate>Mon, 05 Nov 2018 21:33:17 +0800</pubDate><description><![CDATA[96. 不同的二叉搜索树

给定一个整数 n，求以 1 ... n 为节点组成的二叉搜索树有多少种？

示例:


输入: 3
输出: 5
解释:
给定 n = 3, 一共有 5 种不同结构的二叉搜索树:

   1         3     3      2      1
    \       /     /      / \      \
     3     2     1      1...]]></description><category></category></item><item><title><![CDATA[leetcode(91-95)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83650342</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83650342</guid><author>github_37002236</author><pubDate>Sun, 04 Nov 2018 21:13:42 +0800</pubDate><description><![CDATA[91. 解码方法

一条包含字母 A-Z 的消息通过以下方式进行了编码：


'A' -&amp;gt; 1
'B' -&amp;gt; 2
...
'Z' -&amp;gt; 26


给定一个只包含数字的非空字符串，请计算解码方法的总数。

示例 1:


输入: &quot;12&quot;
输出: 2
解释: 它可以解码为 &quot;AB&quot;（1 2）或者 &quot;L&quot;（12）。


示例 2:


输入: &quot;226&quot;
输出: 3
解释: 它可以解...]]></description><category></category></item><item><title><![CDATA[机器学习---Apriori]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83686729</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83686729</guid><author>github_37002236</author><pubDate>Sun, 04 Nov 2018 16:51:27 +0800</pubDate><description><![CDATA[一、介绍

Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。

关联规则的经典故事：美国的妇女们经常会嘱咐她们的丈夫下班后为孩子买尿布，而丈夫在买完尿布后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起被购买的机会很多。这个举措使尿布和啤酒的销量双双增加，并一直为众商家所津津乐道。

二、基本概念

项与项集：设itemset={item1, item_2, …, item_m}是...]]></description><category></category></item><item><title><![CDATA[机器学习---降维方法]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83713496</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83713496</guid><author>github_37002236</author><pubDate>Sun, 04 Nov 2018 16:03:01 +0800</pubDate><description><![CDATA[1.PCA

介绍

主成分析(PCA)：将高纬的特征向量合并称为低纬度的特征属性，是一种无监督 的降维方法。 算法目标是通过某种线性投影，将高维的数据映射到低维的空间中表 示，并且期望在所投影的维度上数据的方差最大（最大方差理论），以此使用较 少的数据维度，同时保留较多的原数据点的特性。



线性变换=&amp;gt;新特征轴可由原始特征轴线性变换表征
	线性无关=&amp;gt;构建的特征轴是正交的
	主要...]]></description><category></category></item><item><title><![CDATA[机器学习---kmeans]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83686471</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83686471</guid><author>github_37002236</author><pubDate>Sat, 03 Nov 2018 13:49:06 +0800</pubDate><description><![CDATA[一、简介

K均值算法是一种聚类算法。 K均值聚类算法是发现给定数据集k个簇的算法。

聚类是一种无监督的学习，将相似的对象归到同一个簇中。聚类与分类的最大不同在于分类的目标事先已知，而聚类则不知道。



二、算法

1.步骤

1）随机在图中取K个种子点，或称为质心。（这里K=2）

2）然后对图中的所有点求到这K个种子点的距离，假如点Pi离种子点Si最近，那么Pi属于Si点群。（下图中，我们...]]></description><category></category></item><item><title><![CDATA[机器学习---随机森林]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83651219</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83651219</guid><author>github_37002236</author><pubDate>Sat, 03 Nov 2018 12:30:17 +0800</pubDate><description><![CDATA[一、介绍

随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。随机森林的名称中有两个关键词，一个是“随机”，一个就是“森林”。“森林”我们很好理解，一棵叫做树，那么成百上千棵就可以叫做森林了，这样的比喻还是很贴切的，其实这也是随机森林的主要思想–集成思想的体现。“随机”的含义我们会在下...]]></description><category></category></item><item><title><![CDATA[机器学习---adaboost]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83650646</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83650646</guid><author>github_37002236</author><pubDate>Fri, 02 Nov 2018 10:12:50 +0800</pubDate><description><![CDATA[一、介绍

AdaBoost是一种迭代型的算法，其核心思想是针对同一个训练集训练不同的学习算法，即弱学习算法，然后将这些弱学习算法集合起来，构造一个更强的最终学习算法

adaboost希望在下一轮训练时被上一个子分类器正确分类的样本权重和与被错误分类的样本权重和相等



二、算法

1.图解



2.算法流程



3.算法解释

3.1.权重α





3.2权重更新D





三、优...]]></description><category></category></item><item><title><![CDATA[机器学习---集成学习]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83650479</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83650479</guid><author>github_37002236</author><pubDate>Fri, 02 Nov 2018 09:31:53 +0800</pubDate><description><![CDATA[1.集成学习内容



2.数学支撑



集成学习的思想背后有比较成熟的数学理论作支撑，也即Valiant和Kearns提出的PAC (Probably approximately correct) 学习框架下的强可学习和弱可学习理论。 该理论指出：在PAC 的学习框架中，一个概念如果存在一个多项式的学习方法能够学习它，并且如果预测正确率很高，那么就称这个概念是强可学习的；如果正确率仅比随机猜测...]]></description><category></category></item><item><title><![CDATA[leetcode(86-90)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83624828</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83624828</guid><author>github_37002236</author><pubDate>Thu, 01 Nov 2018 20:42:51 +0800</pubDate><description><![CDATA[86. 分隔链表

给定一个链表和一个特定值 x，对链表进行分隔，使得所有小于 x 的节点都在大于或等于 x 的节点之前。

你应当保留两个分区中每个节点的初始相对位置。

示例:


输入: head = 1-&amp;gt;4-&amp;gt;3-&amp;gt;2-&amp;gt;5-&amp;gt;2, x = 3
输出: 1-&amp;gt;2-&amp;gt;2-&amp;gt;4-&amp;gt;3-&amp;gt;5


/**
 * Definition f...]]></description><category></category></item><item><title><![CDATA[leetcode(81-85)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83478083</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83478083</guid><author>github_37002236</author><pubDate>Sun, 28 Oct 2018 23:35:24 +0800</pubDate><description><![CDATA[81. 搜索旋转排序数组 II

假设按照升序排序的数组在预先未知的某个点上进行了旋转。

( 例如，数组 [0,0,1,2,2,5,6] 可能变为 [2,5,6,0,0,1,2] )。

编写一个函数来判断给定的目标值是否存在于数组中。若存在返回 true，否则返回 false。

示例 1:


输入: nums = [2,5,6,0,0,1,2], target = 0
输出: true

...]]></description><category></category></item><item><title><![CDATA[leetcode(76-80)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83377184</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83377184</guid><author>github_37002236</author><pubDate>Sun, 28 Oct 2018 20:43:10 +0800</pubDate><description><![CDATA[76. 最小覆盖子串

给定一个字符串 S 和一个字符串 T，请在 S 中找出包含 T 所有字母的最小子串。

示例：


输入: S = &quot;ADOBECODEBANC&quot;, T = &quot;ABC&quot;
输出: &quot;BANC&quot;

说明：

如果 S 中不存这样的子串，则返回空字符串 &quot;&quot;。
	如果 S 中存在这样的子串，我们保证它是唯一的答案。

class Solution {
public:
    st...]]></description><category></category></item><item><title><![CDATA[leetcode(71-75)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83374696</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83374696</guid><author>github_37002236</author><pubDate>Thu, 25 Oct 2018 11:37:01 +0800</pubDate><description><![CDATA[71. 简化路径

给定一个文档 (Unix-style) 的完全路径，请进行路径简化。

例如，path = &quot;/home/&quot;, =&amp;gt; &quot;/home&quot;path = &quot;/a/./b/../../c/&quot;, =&amp;gt; &quot;/c&quot;

边界情况:

你是否考虑了 路径 = &quot;/../&quot; 的情况？
	在这种情况下，你需返回 &quot;/&quot; 。
	此外，路径中也可能包含多个斜杠 '/' ]]></description><category></category></item><item><title><![CDATA[leetcode(66-70)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83310514</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83310514</guid><author>github_37002236</author><pubDate>Wed, 24 Oct 2018 01:36:36 +0800</pubDate><description><![CDATA[66. 加一

给定一个由整数组成的非空数组所表示的非负整数，在该数的基础上加一。

最高位数字存放在数组的首位， 数组中每个元素只存储一个数字。

你可以假设除了整数 0 之外，这个整数不会以零开头。

示例 1:


输入: [1,2,3]
输出: [1,2,4]
解释: 输入数组表示数字 123。


示例 2:


输入: [4,3,2,1]
输出: [4,3,2,2]
解释: 输入数组表...]]></description><category></category></item><item><title><![CDATA[leetcode(61-65)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83308076</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83308076</guid><author>github_37002236</author><pubDate>Tue, 23 Oct 2018 17:21:53 +0800</pubDate><description><![CDATA[61. 旋转链表

给定一个链表，旋转链表，将链表每个节点向右移动 k 个位置，其中 k 是非负数。

示例 1:


输入: 1-&amp;gt;2-&amp;gt;3-&amp;gt;4-&amp;gt;5-&amp;gt;NULL, k = 2
输出: 4-&amp;gt;5-&amp;gt;1-&amp;gt;2-&amp;gt;3-&amp;gt;NULL
解释:
向右旋转 1 步: 5-&amp;gt;1-&amp;gt;2-&amp;gt;3-&amp;gt;4-&amp;gt;NULL
向右]]></description><category></category></item><item><title><![CDATA[leetcode(56-60)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83305294</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83305294</guid><author>github_37002236</author><pubDate>Tue, 23 Oct 2018 15:46:53 +0800</pubDate><description><![CDATA[56. 合并区间

给出一个区间的集合，请合并所有重叠的区间。

示例 1:


输入: [[1,3],[2,6],[8,10],[15,18]]
输出: [[1,6],[8,10],[15,18]]
解释: 区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6].


示例 2:


输入: [[1,4],[4,5]]
输出: [[1,5]]
解释: 区间 [1,4] 和 [4,5]...]]></description><category></category></item><item><title><![CDATA[leetcode(51-55)]]></title><link>https://blog.youkuaiyun.com/github_37002236/article/details/83246972</link><guid>https://blog.youkuaiyun.com/github_37002236/article/details/83246972</guid><author>github_37002236</author><pubDate>Tue, 23 Oct 2018 10:45:53 +0800</pubDate><description><![CDATA[51. N皇后

n 皇后问题研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。



上图为 8 皇后问题的一种解法。

给定一个整数 n，返回所有不同的 n 皇后问题的解决方案。

每一种解法包含一个明确的 n 皇后问题的棋子放置方案，该方案中 'Q' 和 '.' 分别代表了皇后和空位。

示例:


输入: 4
输出: [
 [&quot;.Q..&quot;,  // 解法 ...]]></description><category></category></item></channel></rss>