- 博客(9)
- 收藏
- 关注
RSS订阅原创 算式转移
问题描述 给出一个仅包含加减乘除四种运算符的算式（不含括号），如1+2*3/4，在保持运算符顺序不变的情况下，现在可以进行若干次如下操作：如果交换相邻的两个数，表达式值不变，那么你就可以交换这两个数。 现在你可以进行人一次操作，使得算式的数字序列字典序最小，然后输出结果，数字之间的字典序定义为若 a < b 则 a 的字典序小于 b。 输入描述 第一行包含一个整数n,表示算式的长度，即包含n...
2019-08-28 16:56:11
314
原创 先验概率与后验概率，似然概率与条件概率，贝叶斯，最大似然估计（MLE）与最大后验概率估计（MAP）
先验概率与后验概率 根本区别：概率与事件发生的先后顺序，事件发生前则为先验概率，事件发生后则为后验概率。 先验概率： 事件发生前的预判概率。可以是基于历史数据的统计，可以由背景常识得出，也可以是人的主观观点给出。一般都是单独事件概率，如P(x),P(y)。 后验概率： 事件发生后求的反向条件概率；或者说，基于先验概率求得的反向条件概率。概率形式与条件概率相同。 具体说明如下所示： P(A)是一...
2019-07-19 17:53:31
1312
原创 机器学习---偏差VS方差
《机器学习》 2.5 偏差与方差 - 周志华 偏差与方差分别是用于衡量一个模型泛化误差的两个方面 - 模型的偏差，指的是模型预测的期望值与真实值之间的差； - 模型的方差，指的是模型预测的期望值与预测值之间的差平方和； 在监督学习中，模型的泛化误差可分解为偏差、方差与噪声之和。 偏差用于描述模型的拟合能力；方差用于描述模型的稳定性。 1 原因 偏差通常是由于我们对学习算法做了错误...
2019-07-17 22:01:38
383
1
原创 机器学习---监督学习VS无监督学习
机器学习按照方法来分类，可以分成四类，分别是：监督学习、无监督学习、半监督学习和强化学习。 1 基本概念 监督学习（supervised learning）： 利用训练集数据对其进行训练得到相应的正确对应关系，从而测试集数据在得到的对应关系下进行运算得到相应的正确结果。 无监督学习（unsupervised learning）： 数据并不被特别标识，学习模型是为了推断出数据的一些内在结构。 半...
2019-07-17 21:07:17
523
原创 k近邻法（k-nearest neighbor, kNN）
简介 k近邻法（k-nearest neighbor, kNN）是一种基本分类与回归方法，其基本做法是：给定测试实例，基于某种距离度量找出训练集中与其最靠近的k个实例点，然后基于这k个最近邻的信息来进行预测。 通常，在分类任务中可使用“投票法”，即选择这k个实例中出现最多的标记类别作为预测结果；在回归任务中可使用“平均法”，即将这k个实例的实值输出标记的平均值作为预测结果；还可基于距离远近进行加权...
2019-06-26 23:18:57
888
原创 感知机
1.感知机原理 感知机是Rosenblatt在1957年提出的，是神经网络与支持向量机的基础。 感知机是二分类的线性模型，其输入为实例的特征空间，输出为实例的类别，取+1和-1两个值，属于判别模型。 2.感知机模型 2.1 超平面的定义 令w1，w2，…wn，v都是实数® ，其中至少有一个wi不为零，由所有满足线性方程w1x1+w2x2+…+wnxn=v的点X=[x1,x2,…xn]组成的集合，称...
2019-06-03 22:32:51
553
翻译 【LeetCode】TO107. 二叉树的层次遍历 II
【LeetCode】TO107. 二叉树的层次遍历 II 难度： Easy 1. 题目描述 给定一个二叉树，返回其节点值自底向上的层次遍历。 （即按从叶子节点所在层到根节点所在的层，逐层从左向右遍历） 例如： 给定二叉树 [3,9,20,null,null,15,7], 3 / 9 20 / 15 7 返回其自底向上的层次遍历为： [ [15,7], [9,20], [3] ] 2...
2019-04-30 22:26:44
148
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人