- 博客(24)
- 收藏
- 关注
RSS订阅原创 如何用标准SQL实现排序功能
@SQL那些事儿SQL排序说起SQL排序，大家首先想到的是rank()、dense_rank()、row_number()，而常用这3个函数的同学想必也非常清楚这三者间的区别：rank()：用于当存在相同位次的记录时，跳过之后的位次，如1，2，2，4，5…；dense_rank()：用于存在相同位次记录时不跳过之后的位次，如1，2，2，3，4…；row_number()：按照排序依次往下，如1，2，3，4，5…。那么问题来了，如果缺少了这几种函数的支持，我们如何利用标准的SQL来实现同样的目
2021-05-31 23:53:46
611
原创 leetcode——897.递增顺序查找树
题目描述：思路：利用列表先输出中序排列，再按照中序排列的方式重新构造一个树，重新构造的树只有右节点。# 定义树节点class TreeNode: def __inif__(self,x): self.val = x self.left = None self.right = Noneclass Solution: def increasingBST(self,root): # 中序遍历 def inorder(root): if not root: retur
2020-09-28 16:23:49
208
原创 leetcode589——N叉树的前序遍历
题目描述：给定一个 N 叉树，返回其节点值的前序遍历。思路：采用递归的思想，给1个节点，先把这个节点加入到列表，判断该节点是否有子节点，若有，把该节点的子节点加入列表后再加入其他节点。def preorder(self,root): res = [] def dfs(node): if node: res.append(node.val) for i in node.children: dfs(i) dfs(root) return res...
2020-09-25 10:56:50
176
原创 leetcode110——平衡二叉树
题目描述：给定一颗二叉树，判断是否是高度平衡的二叉树。高度平衡的二叉树定义：左右子树的高度差不超过1.思路：这个问题可采用递归的思想，首先计算每个节点的左右子树的高度差是否为1，再判断左右子树是否为平衡二叉树，若是，则为平衡二叉树，否则不是。伪代码：if abs(高度(node.left)-高度(node.right))<=1 and node.left is balanced and node.right is balanced: print('是平衡二叉树')else: print(
2020-09-25 10:33:00
142
原创 leetcode每日一题——数组中数字出现的次数
题目描述：一个整型数组 nums 里除两个数字之外，其他数字都出现了两次。请写程序找出这两个只出现一次的数字。要求时间复杂度是O(n)，空间复杂度是O(1)。示例：输入: nums = [4,1,4,6]输出: [1,6]或[6,1]解题过程：（1）首先考虑特殊情况，nums中只有1个数字出现1次其余均出现两次时，使用全员异或即可。原因在于相同的数字异或的结果为0.def singl...
2020-04-28 11:45:49
315
原创 算法——广度优先搜索(BFS)
广度优先搜索主要解决两类问题：（1）从A节点出发，有到B节点的路径么？（2）从A节点出发，到B节点的最短路径是什么？算法复杂度为O(V+E)，其中V为顶点，E为边数。例：假设你要在朋友中找一个芒果销售商，如果朋友中没有，则找朋友的朋友，即人际关系网。实现的是第一类问题，在你的人际关系王忠，能找到芒果销售商么？from collections import deque ...
2020-04-21 12:44:10
240
原创 算法——二分查找、选择排序、快速排序
二分查找二分查找的复杂度为O(nlogn)，使用二分查找的前提是该序列为一个有序数列。def binary_search(arr, item): low = 0 high = len(arr) - 1 while low <= high: mid = (low + high) // 2 guess = list[mid] if guess == item: ret...
2020-04-20 23:17:31
156
原创 Python内置函数及模块总结
1.Python内置函数abs()、delattr()、hash()、memoryview()、set()、all()、dict()、help()、min()、setattr()、any()、dir()、hex()、next()、slice()、ascii()、divmod()、id()、object()、sorted()、bin()、enumerate()、input()、oct()、stat...
2020-04-16 21:41:14
306
原创 numpy总结
ndarray的数组切片作用的是原数组，若想直接复制的话采用arr[5:8].copy()array的转置有两种：arr.T、arr.transpose((1,0,2))、arr.swapaxes(1,2)numpy的通用函数：一元：abs/fbs、sqrt、square、exp、log、sign、ceil(大于等于该值的最小整数)、floor(小于等于该值的最大整数)、rint(四舍五入...
2020-04-15 11:18:03
248
原创 Task5——模型融合
数据竞赛过程中若仅采用一种方法是不能得到很好的效果的，通常要进行模型融合。模型融合通常包括3种方式：简单加权融合：（1）回归：算数平均融合、几何平均融合；（2）分类：投票；（3）综合：排序融合、log融合。stacking/blending：构建多层模型，并利用预测结果再拟合预测。boosting/bagging：多树的提升方法。stacking理论stacking是将用初始训练数据...
2020-04-04 21:14:17
244
原创 task4——模型和调参
数据挖掘竞赛中通常用到的模型包括xgboost、lightgbm，SVM等。掌握每种模型的原理是学会应用模型的前提条件。因此，本篇文章主要用于梳理线性回归模型、决策树模型、GBDT模型、XGBoost模型以及LightGBM模型的原理及模型的调参方法。1.线性回归模型线性回归模型是入门机器学习的经典模型。其基本形式为： hθ(x)=∑i=1nθixi=θTX\ h_{\theta}...
2020-04-01 17:04:08
172
原创 每日刷题——leetcode912.排序数组
题目描述：给定一个数组nums，将数组升序排序。示例：输入：[5，2，3，1]输出：[1，2，3，5]解法一：插入排序思想：从数组的第二个数开始与前一个数进行比较，如果后面的数比前面的数小，则进行交换。算法复杂度为O(n2n^2n2)题解：def sortArray(self, nums): for i in range(1,len(nums)): for j in rang...
2020-03-31 09:42:47
328
原创 Task3——特征工程
特征工程在数据挖掘中是非常重要的一步，如果特征构建的比较好，对结果将有极大的提升。一般而言，特征工程通常包括7个步骤：异常处理、特征归一化/标准化、数据分桶、缺失值处理、特征构造、特征筛选、降维等。我将各步骤可用的方法整理成了思维导图上传至了百度网盘链接：https://pan.baidu.com/s/1Hs2x8aJ63NoRmMu2RdZt8Q提取码：5e7s有需要的伙伴可自取哦。ste...
2020-03-28 21:35:55
123
原创 Task2——数据分析
1. 赛题理解此次数据挖掘的目标为二手车交易价格预测，该问题本质上是一个回归问题。（1）数据集介绍数据总量超过370000条，随机抽取其中10万条作为训练数据集，5万条作为测试集A，5万条作为测试集B。数据共包含20个特征变量。（2）评估指标对于分类和回归的问题应当采用不同的评估指标。分类：二分类：accuracy, precision, recall, F-score, pr曲线...
2020-03-24 21:37:29
188
原创 求一个区间内的素数
如果给定一个区间范围，有几种方法可以计算出该区间内的素数呢？——有四种方法！在介绍方法之前，先了解一下下面这个函数。1.filter函数filter(function, iteration)filter函数用于过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，转换成列表可以用list()fiter函数的功能在于将iteration的每个元素作为参数传递到function中进行判...
2020-03-09 18:00:33
2174
原创 动手学深度学习——语言模型
语言模型一段自然语言文本可以看作是一个离散时间序列，给定一个长度为TTT的词的序列ω1,ω2,...,ωT{\omega_{1},\omega_{2},...,\omega_{T}}ω1,ω2,...,ωT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率。假设序列的每个词是依次生成的，则：P(ω1,ω2,...,ωT)=Πt=1TP(ωt∣ω1,...,ωt−1)=P(ω1)P...
2020-02-14 21:17:47
368
原创 动手学深度学习——循环神经网络
循环神经网络循环神经网络（RNN）主要用于预测任务：基于当前和历史输入序列，预测序列的下一个字符。循环神经网络相对于普通神经网络而言，最大的特点在于颖仓变量HHH的引进，用HtH_{t}Ht表示HHH在时间步ttt的值，该变量记录了到当前字符为止的序列信息。历史信息的使用使得预测更为精确。循环神经网络的示意图：循环神经网络模型假设Xt∈Rn×d\boldsymbol{X_{t} \in ...
2020-02-14 20:53:42
448
原创 动手学深度学习——文本预处理
文本预处理文本预处理是NLP中不可或缺的一项任务。文本预处理通常包括四个步骤：读入文本、分词、建立字典、将文本从词序列转换为索引序列。（1）读入文本import collectionsimport redef read_time_machine(): with open('/home/kesci/input/timemachine7163/timemachine.txt', '...
2020-02-14 19:41:05
367
1
原创 动手学深度学习——多层感知机
多层感知机多层感知机是一种简单的神经网络，包含输入层、隐藏层以及输出层。如下图所示。多层感知机的计算过程输入层为小批量样本X∈Rn×d\boldsymbol{X} \in \mathbb{R}^{n \times d}X∈Rn×d，批量大小为nnn，输入个数为ddd。上述图的多层感知机为单隐藏层，隐藏层输出为HHH，H∈Rn×h\boldsymbol{H} \in \mathbb{R}^{...
2020-02-14 18:49:58
408
原创 动手学深度学习——softmax与分类模型
softmax基本概念softmax是单层神经网络，与线性回归相同，通常用于离散的分类问题。掌握softmax需要掌握模型、数据集、损失函数和优化函数四个方面。softmax的使用场景softmax一般用于离散分类问题，使用softmax主要解决两个问题：（1）不采用softmax层直接使用输出层会使得输出值的范围不确定，难以通过直观意义确定输出数值的意义。（2）数据集的真实标签是离...
2020-02-14 17:49:06
394
原创 动手学深度学习——线性回归的概念及实现
线性回归的基本要素深度学习的基本要素包括模型、数据集、损失函数、优化函数。线性回归作为深度学习的基础模型，其基本要素也涵盖上述四方面。模型线性回归的模型是线性函数，通常可表示为如下形式：(向量形式）y= WTX+B .\\y = \ W^{T}X+B\,.y= WTX+B.以预测房价的案例为例，X={面积、房龄}，则预测房价的表达式为：price=ω1∗are...
2020-02-14 16:28:10
263
原创 利用Python正向/逆向输出乘法口诀表
首先祝大家新年快乐！新的一年要福旺财旺运气旺！愿看到这条博客的小伙伴们在新的一年都能心想事成，万事大吉！今天要更新的内容是利用Python实现乘法口诀表的正向输出和逆向输出1.乘法口诀表正向输出代码：for i in range(1,10): for j in range(1,i+1): print(str(i) + '*' + str(j) + '=' + str(i*j) +...
2020-02-11 11:23:43
2312
原创 SQL进阶教程(一)——CASE表达式
SQL进阶教程之CASE表达式在掌握了基础的标准SQL语法后，可做一些简单的SQL练习题加深记忆和巩固基础知识。然而，SQL基础教程仅仅是帮助零基础的同学入门，要想在面试或工作中用好SQL，需进一步学习进阶教程，从而从初级迈向中级。在这个阶段我参考的书仍然是MICK先生所著的==《SQL进阶教程》==，这本书主要以案例为主，通过不同的案例帮助读者快速了解不同情况下SQL语句的使用策略，对于时间比...
2019-12-21 21:28:28
1429
原创 SQL零基础入门
@SQL基础教程SQL基础教程思维导图本文主要是对MICK所著的《SQL基础教程》的知识点进行了归纳和总结，并且以思维导图的形式呈现。在帮助我学习和复习的过程中希望也能帮助到正在学习SQL的小伙伴们。这本书作为入门级读物，非常适合零基础且想要入门SQL的同学，因此在进行总结时我也尽量做到详述。下面的链接是完整的思维导图，有需要的朋友烦请自取。链接: 链接：https://pan.baidu....
2019-12-19 21:32:34
2719
2
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