Tianlock的博客

机器学习总结：决策树ID3 C4.5CART树（分类回归树） 决策树算法我们并不陌生，可以看做是if-then规则的集合，那么决策树算法的关键在于如何确定每次if的条件是最优的。 ID3 C4.5 信息熵是信息论里的概念，其表达式如下所示： 熵表征的是事物的混乱程度，熵越大，混乱程度越大。 信息增益： 其表达式比较易懂，由信息熵减去减去特征A条件下D的条件熵，这也比较好理解，其实就是在A条件下...

1.商汤 一面 1.25 主要是聊得项目，云从科技小目标人脸的，代码题为nms 二面 2.15 主要是代码 代码题 sgd拟合一条曲线wx+b，主要考察链式求导法则。非递减旋转数组求m的最小索引。需要递归 挂的原因：未知，运气太差，就当攒人品吧 ...

递归版本 def quick_sort(li, start, end): if start >= end: return left = start right = end mid = li[left] while left < right: while left < right and li[right...

递归 原理比较简单，就是有序数组的合并。 def merge(a, b): c = [] i = j = 0 while i < len(a) and j < len(b): if a[i] < b[j]: c.append(a[i]) i += 1 else: ...

二叉树遍历的python实现：递归与非递归先序遍历中序遍历后序遍历 先序遍历 class Solution: def postorderTraversal(self, root): """ :type root: TreeNode :rtype: List[int] """

机器学习（深度学习）缓解过拟合的方法——正则化L1范数和L2范数L1范数L2范数 过拟合的本质：模型对于噪声过于敏感，把训练样本里的噪声当做特征进行学习，以至于在测试集的表现不好，加入正则化后，当输入有轻微的改动，结果受到的影响较小。 正则化的方法主要有以下几种： 参数范数惩罚，比较好理解，将范数加入目标函数（损失函数），常见的有一范数，二范数 数据集增强 添加噪声 earlystopping，...

堆排序的python实现 def max_heapify(heap, heapSize, root): left = 2*root+1 right = left+1 larger = root if left < heapSize and heap[larger] < heap[left]: larger = left if ri...