qq_34741686的博客

面试准备1.手撕代码2.常用算法（推导）3.常用函数（算法细节，损失函数，梯度等）4.特征工程（信息增益，tfidf，距离，卡方，PCA）5.集成算法原理及比较6.深度学习框架7.计算机基础：1.手撕代码排序—常考快排，堆排序，归并；查找—常考二分，hash, B树；树和图–先序，后序，中序，深度，广度；数据结构—栈和队列，括号计算等，字符串匹配；2.常用算法（推导）算法分类，算法原理...

1.逻辑回归2.随机森林3.Adaboost4.GBDT5.XgBoostadaboost和随机森林的区别：1，二者都是自助法选取样本。2，二者都是要训练很多棵决策树。3，adaboost后面树的训练，其在变量抽样选取的时候，对于上一棵树分错的样本，抽中的概率会加大。4，随机森林在训练每一棵树的时候，随机挑选了部分变量作为拆分变量，而不是所有的变量都去作为拆分变量。5，在预测新...

14年的时候有人做过一个实验，比较在不同数据集上（121个），不同的分类器（179个）的实际效果。论文题为：Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?算法XGBOOSTGBDTSVMRFAdaboostOther分类随机森林放回抽...

算法：以wx+b=0为基础的算法：感知机->误分点（xi,yi | i->m）到wx+b的距离和最小，求最优解；支持向量机->最大间隔；逻辑回归->将wx+b的值作为逻辑函数输入，进行分类；线性回归->勾画线性曲线，对未知量预测；以P(Y|X)=P(Y)P(X|Y)/P

//二分int erfen(int arr[], int k){ int low=0, high=sizeof(arr)/sizef(int); while(low<=high){ mid = (low+high)/2; if( arr[mid]==k ) return mid; if( arr[mid]>k ) high = mid-1; else low = ...

栈实现队列，队列实现栈，push和pop是否合规，排序，数组实现栈，求两个数组的第K大数，数组中两个数和为n，三个数和为n，只出现一次的数字（其余都出现2次）// 位异或，最后的结果为单值；扩展：a = b^c-->b = a^cc//// k = n-ai 遍历或查找是否有k；// //奇数栈1，偶数栈2；满时扩展//栈排序：入第一个，如果堆顶小于目标值，弹出堆至堆顶大于目标值...

1. 链表：定义，翻转，第k，删除节点k，合并，换位，环，相交，模拟加法，去重struct ListNode{ int data; ListNode next;}//翻转：每一次操作三个节点：新链表的头节点，原链表的新头节点，元链表新头节点的nextListNode* fanzhuan(ListNode* head){ ListNode* newhead = null; ListN...

1. 决策树原理：递归的选择最优特征，并用最优特征对数据集分割；每个子集递归调用此方法，直到满足约束条件（关键在特征选择和停止分裂的约束条件）步骤：特征选择、决策树的生成和决策树的修剪特征：ID3信息增益；对可取值较多的特征有偏好，会导致泛化能力差；不能处理连续值；不能处理缺失值；过拟合C4.5信息增益率；减少信息增益中由特征值较多带来的影响；可处理连续值；可处理缺失值，赋值均值–计算量...

1.快排：1.找到界点：两端比较，左段<界点<右段；递归；结束条件：左段指针与右段指针重叠。int quick(int a[], int low, int high){ int tmp = a[low]; while(low<high){ while(low<high && a[high]>=tmp) --high; a[low] =

select * from 表名称 // **表示返回所有列select distinct 列名称 from 表名称 // 去重select 列名 from 表名 where 列 运算符 值 // between（范围），like（模式）// 文本需加单引号，数值不需。//and or 可以连接多重选择条件。order by 对指定列进行排序：select * from 表 or...