justsolow的博客

分治算法例题leetcode 23给你一个链表数组，每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中，返回合并后的链表。示例 1：输入：lists = [[1,4,5],[1,3,4],[2,6]]输出：[1,1,2,3,4,4,5,6]解释：链表数组如下：[1->4->5,1->3->4,2->6]将它们合并到一个有序链表中得到。1->1->2->3->4->4->5->6# Defini

数位算法快速幂#快速幂class Solution: def myPow(self, x: float, n: int) -> float: a = 1 flag = 1 if n<0: flag = 0 n = abs(n) while n: if n&1: a = a*x n &g

动态规划算法专题买卖股票系列这是一类特殊的一维数组动态规划问题。换一种思路。综合一下一共有三种状态dp[i][k][j]，dp[i][k][j]代表当前所拥有的金钱或股票。i用来遍历数组元素，k表示交易次数，j代表当前拥有的是金钱还是股票。然后后续可能还有冷冻期，手续费等。冷冻期的话每次循环遍历前需要提前存储一下casetemp，循环结束前再把tempprecase然后再状态转移方程里面用precase操作即可。手续费的话随便在动态转移方程里面减去即可。状态转移方程如下：dp[i][j][0] =

回文算法总结最长回文子串## @lc app=leetcode.cn id=5 lang=python3## [5] 最长回文子串## @lc code=startclass Solution: def longestPalindrome(self, s: str) -> str: size = len(s) if size < 2: return s # 至少是 1

堆栈算法再讲算法之前先说一下堆与栈的区别两个栈实现队列# -*- coding:utf-8 -*-class Solution: def __init__(self): self.stack1 = [] self.stack2 = [] def push(self, node): # write code here self.stack1.append(node) def pop(s

数组算法总结二维有序数组的查找（从每一行最后一个找起）# -*- coding:utf-8 -*-class Solution: # array 二维列表 def Find(self, target, array): # write code here if not array: return None row = len(array) -1 col = len(array[0]) -1

字符串算法总结替换空格（没什么好说的，白给题）class Solution: # s 源字符串 def replaceSpace(self, s): # write code here l = len(s.split(' ')) a = '' for i in range(l-1): a += s.split(' ')[i] + '%20' a = a+s.split(' ')[l-1

链表总结做链表的题最终的要的是记录每一个新链表的头结点以便最后返回。从尾到头打印链表(因为递归说白了就是从最后一步一步找到最头的节点)# -*- coding:utf-8 -*-# class ListNode:# def __init__(self, x):# self.val = x# self.next = Noneclass Solution: # 返回从尾部到头部的列表值序列，例如[1,2,3] def printListF

朴素贝叶斯下面是一些总结，再放两个大佬详细例子的举例。例子一（基本的朴素贝叶斯）例子二（拉普拉斯优化的朴素贝叶斯）贝叶斯公式：机器学习中的贝叶斯公式：因为在求P的时候会涉及多个特征概率的问题，所以我们假设特征之间相互独立，所以这种基于特征之间相互独立的贝叶斯叫做朴素贝叶斯。然后代入公式求解即可。但是还有两个问题没有解决？？？1、连续的数据怎么办？2、有缺失值的数组怎么办？对于第一个问题，我们得实现用极大似然估计求出其概率模型，一般是正态函数，然后将x带入高斯函数得出相应的概率进行计

感知机算法的推导感知机感知机是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别（取+1和-1）。感知机对应于输入空间中将实例划分为两类的分离超平面。感知机旨在求出该超平面，为求得超平面导入了基于误分类的损失函数，利用梯度下降法对损失函数进行最优化。如果我们将sign称之为激活函数的话，感知机与logistic regression的差别就是感知机激活函数是sign，logistic regression的激活函数是sigmoid。sign(x)将大于0的分为1，小于0的分为-1；sigm

非极大值抑制(NMS)和soft-nms，及其代码实现NMS算法的大致思想：对于有重叠的候选框：若大于规定阈值（某一提前设定的置信度）则删除，低于阈值的保留。对于无重叠的候选框：都保留。注释很详细了，应该能看得懂。# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltdef NMS(arr, thresh): # 首先数据赋值和计算对应矩形框的面积 # arr的数据格式是arr = [[ xm

python的一些高级用法生成器和迭代器在讲生成器之前需要先了解一下一个高级的用法，也是我在面试过程中被问到的一个问题，当时没搞明白面试官要考察我什么，就没答出来，有点尴尬。问题是：怎么用一行程序生成一个1-10数字的平方的一个列表。答：用列表生成式，[x * x for x in range(1, 11)]。通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝

正则表达式推荐两个正则表达式的介绍网站和可视化网站。（记录备忘），另外多说一句，正则表达式这东西还得自己拍脑袋实际去用。介绍可视化

决策树三种算法的剖析（id3，c4.5，cart）决策树大家应该都听说过，说白了就是通过建树来处理分类和回归问题。对于信息论的基本知识我就不多讲了，说实话我也不太清楚，我认为其实也没必要去了解，学到什么不懂学什么就好了。进入正题！！！id3先来说一下最简单的id3算法。首先我们需要知道一个算法他的度量函数也就是损失函数是什么？这是很重要的一个问题。id3的损失函数叫做信息增益，信息增...

目标检测算法之AAAI2019 Oral论文GHM Loss大佬微信（https://mp.weixin.qq.com/s?__biz=MzA4MjY4NTk0NQ==&mid=2247484222&idx=1&sn=a48d224819535fa7c4df15a13e7db1d2&chksm=9f80b9a8a8f730be9fb7d0c5c1e81972bb4...

python界面显示K-means迭代过程科大模式识别大作业。用到了python中比较简单的GUI，tkinter。纯手工代码比较简单，注释也挺详细，凑乎着看吧。源代码链接感觉有用的话，可以赏几个积分。import numpy as npimport matplotlib.pyplot as pltimport tkinterfrom tkinter import ttkfrom...

由于lambda语法是固定的，其本质上只有一种用法，那就是定义一个lambda函数。在实际中，根据这个lambda函数应用场景的不同，可以将lambda函数的用法扩展为以下几种：1、将lambda函数赋值给一个变量，通过这个变量间接调用该lambda函数。例如，执行语句add=lambda x, y: x+y，定义了加法函数lambda x, y: x+y，并将其赋值给变量add，这样变量ad...

这几天写代码的时候碰到一个python中的小问题，找了好半天才解决，所以记录下来。class A(object): def __init__(self): self.x = [] y = [] def __call__(self): for i in range(5): self.x.append(i)...