u011411283的专栏

并查集是我暑假从高手那里学到的一招，觉得真是太精妙的设计了。以前我无法解决的一类问题竟然可以用如此简单高效的方法搞定。不分享出来真是对不起party了。（party：我靠，关我嘛事啊？我跟你很熟么？）来看一个实例，杭电1232畅通工程首先在地图上给你若干个城镇，这些城镇都可以看作点，然后告诉你哪些对城镇之间是有道路直接相连的。最后要解决的是整幅图的连通性问题。比如随意给你两个点

排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。本文将依次介绍上述八大排序算法。算法一：插入排序 插入排序示意图插入排序是一种最简单直

阅读目录1. 顺序查找2. 二分查找3. 插值查找4. 斐波那契查找5. 树表查找6. 分块查找7. 哈希查找　　查找是在大量的信息中寻找一个特定的信息元素，在计算机应用中，查找是常用的基本运算，例如编译程序中符号表的查找。本文简单概括性的介绍了常见的七种查找算法，说是七种，其实二分查找、插值查找以及斐波那契查找都可以归为一类——插值查找。插值查找和

马尔可夫模型(Markov Model)是通过寻找事物状态的规律对未来事物状态进行预测的概率模型，在马尔可夫模型中假设当前事物的状态只与之前的n个状态有关。n=1时表示事物当前的状态只与上一个状态有关，这也是最简单的一阶马尔可夫模型。隐马尔科夫模型(Hidden Markov Model)是马尔可夫模型中的一种。马尔可夫模型的使用场景非常广泛，包括语言识别，自然语言处理和生物信息领域。Google

It’s not a bad time to be a Data Scientist. Serious people may find interest in you if you turn the conversation towards “Big Data”, and the rest of the party crowd will be intrigued when you mention

原文链接阅读目录1. 梯度下降法（Gradient Descent）2. 牛顿法和拟牛顿法（Newton's method & Quasi-Newton Methods）3. 共轭梯度法（Conjugate Gradient）4. 启发式优化方法 5. 解决约束优化问题——拉格朗日乘数法　　我们每个人都会在我们的生活或者工作中遇到各种各样的最优化

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学模型和参数求解方法，最后也会简单讨论下逻辑回归和贝叶斯分类的关系，以及在多分类问题上的推广。逻辑回归问题实际工作中，我们可能会遇到如下问题：预测一个用户是否点击特定的商品

贝叶斯方法=斯奥卡姆剃刀*极大似然估计机器翻译，语音识别，语义识别Siri=机器学习+云计算（即巨大的语料库用来统计先验概率）从朴素贝叶斯方法到隐含马尔科夫模型再到贝叶斯网络概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候，最喜欢到城里的计算机书店里面去闲逛，一逛就是好几个小时；有一次，在书店看到一本书，名叫贝叶斯方法。当时

作者：JESSE JARNOW机器之心编译参与：吴攀在这个科技公司不断推出新形式的魔法般的日常技术的时代，还有一个看起来尚未解决的问题：长篇转录（long-formtranscription）。当然，文件的语音听写（voice dictation）已被 Nuance 的 Dragon 软件征服。多亏了自我学习的递归神经网络和其它 21 世纪的神奇技术，我们的手机和智

利用Java实现的K-means聚类：k-means cluster关键词：从K近邻到最近邻，监督学习，数据带lable，效率优化（从线性搜索到kd树搜索），缺点是需要存储所有数据，空间复杂度大。可以利用kd数来优化k-means算法。学习了kNN和K-means算法后，仔细分析比较了他们之间的异同以及应用场景总结成此文供读者参阅。首先，kNN是分类算法，其主要任务是将实例

接口设计过程实现

1. 不同类型的角点在现实世界中，角点对应于物体的拐角，道路的十字路口、丁字路口等。从图像分析的角度来定义角点可以有以下两种定义：角点可以是两个边缘的角点；角点是邻域内具有两个主方向的特征点；前者往往需要对图像边缘进行编码，这在很大程度上依赖于图像的分割与边缘提取，具有相当大的难度和计算量，且一旦待检测目标局部发生变化，很可能导致操作的失败。早期主要有Rosenfeld和F

请问这是怎么实现的？实现一个简化的搜索提示系统。给定一个包含了用户query的日志文件，对于输入的任意一个字符串s，输出以s为前缀的在日志中出现频率最高的前10条query。由于是分布式系统，假设至少有26台机器，每个机器存储以26个字母开头的query日志文件（如机器1存的是a字母开头的，机器2存的是以b字母开头的……）每个机器上维护着一张哈希表，对于每条query, 在哈希

I found the Knapsack problem tricky and interesting at the same time. I am sure if you are visiting this page, you already know the problem statement but just for the sake of completion :Problem:

阅读目录1. 决策树的模型2. 决策树的基本知识3. ID3、C4.5&CART4. Random Forest5. GBDT6. 参考内容　　谈完数据结构中的树（详情见参照之前博文《数据结构中各种树》），我们来谈一谈机器学习算法中的各种树形算法，包括ID3、C4.5、CART以及基于集成思想的树模型Random Forest和GBDT。本文