weixin_51973156的博客

（1）高斯朴素贝叶斯（Gaussian Naive Bayes）（2）多项式朴素贝叶斯（Multinomial Naive Bayes）条件概率公式：事件A在另外一个事件B已经发生条件下的发生概率P(A|B)推出P(A|B) = P(B|A)P(A) / P(B) 朴素贝叶斯公式。（3）伯努利朴素贝叶斯（Bernoulli Naive Bayes）例子：这是我自己写的一个数据集 判断一个日落果的好坏(诶嘿。Q：预测 大的、圆的、橙色的日落果是好的还是坏的。

编程(Edit) -> .asm -> 编译(MASM) -> .obj -> 连接(LINK) -> .exe -> 加载(COMMAND) -> 内存中的程序 -> 运行(CPU) 👇下面以汇编语言 实验三为例（编程、编译、连接、跟踪） 编程（Edit）将程序保存位t1.asm文件 编译（MASM） 连接（link） 用Debug跟踪t1.exe的执行过程，写出每一步执行后，相关寄存器中的内容和栈顶的内容。 DS = 049..

硬链接： 如果A文件和B文件的关系是硬连接的关系，当用户修改了A文件的内容，那么B文件的内容也会发生更改。如果修改的B文件，那么A文件的内容也会发生更改。 特点： 1、硬链接不限于两个文件之间，可以在多个文件之间进行。ls -l命令显示了文件的硬链接数 2、不能对目录做硬链接 3、不能在不同的文件系统之间做硬链接 4、所有的硬链接，具有相同的Node节点号。 软链接： 类似于windows中的快捷方式，为一个源文件创建爱你一个快捷方式 1、如果源文件被删除了。也没有办法使用该快捷方式。

卷积神经网络是仿视觉中枢的，帮助计算机实现图像识别。 卷积神经网络分为： 卷积层：识别特定线条 池化层：减小图像的数据量，提升识别效率 全连接层：做最后的识别判断。 实例使用的灰度图像。 卷积层：设白色的像素点为0，黄色的像素点为1。 找一个3*3的卷积核，与图像左上角开始相应的像素点相乘，再相加。 依此类推，得到结果放在另一个表格中。 观察得出的表格：数值越大，表示越符合卷积和右下...

打印螺旋矩阵可以说在面试中出现频率较高的题目，本题并不涉及到什么算法，就是模拟过程，但却十分考察对代码的掌控能力。 首先从剑指 Offer 29. 顺时针打印矩阵 LCOF开始，理解easy的题目后面的 螺旋矩阵（54. Spiral Matrix）和螺旋矩阵II （59. Spiral Matrix II）就都轻而易举的拿下了。 模拟顺时针画矩阵的过程: 从左到右 从上到下 从右到左 从下到上 所以我们可以定义left、right、up和down来记录遍历的顺序。只...

参考：力扣 Krahets的解析 n-1 解析：二进制数字n最右边的1变为0，此1右边的0都变成1 n&(n-1) 解析：二进制数字n最右边的1变成0，其余不变。 1、二进制中的1的个数 int hammingWeight(int n) { res = 0; while(n) { res += 1; n &= (n-1); } return res; } 2、2的幂 由此可以观察出 若满足n&amp

已经下好了但是终端打不开mysql的朋友可以之间看后面：MySQL配置 MySQL :: MySQL Downloadshttps://www.mysql.com/downloads/ 进入官网 点击进入MySQL Community(GPL) Downloads 然后根据自己的mac版本选择 下载完成后 打开 接下来的步骤就跟着它就行了 MySQL基本安装到这里就结束了。 接下来就是简单的配置。 我估计很多朋友跟我一样看那些按照教程他们在terminal直接就...

首先需要在ui中加入一个button命名为FileButton lineEdit显示文件路径 textEdit显示文件中的内容。 方法一：相对比较麻烦 #include "mainwindow.h" #include "ui_mainwindow.h" #include <QFileDialog> MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent) , ui(new Ui::MainWindow) {

在很多语言中，都有优先队列或者堆的的容器可以直接使用去创建大根堆或小根堆。但是在面试中，面试官更倾向于让更面试者自己实现一个堆。所以建议大家掌握堆的实现方法，尤其要搞懂「建堆」、「调整」和「删除」的过程。 优先队列 //less 表示按照递减插入元素 priority_queue<int, vector<int>, less<int>> s; //greater 表示按照递增插入元素 priority_queue<int, vector&lt...

12.28 每日一题：472. Concatenated Words 如果读者对字典树不了解，可以先去做472. Concatenated Words然后接着往下阅读～ 首先介绍一下Trie，又称前缀树或字典树，除此之外Trie是一颗非典型的多叉树模型。它非常特殊，因为它与'a'~'z'这26个字母相关。 这是普通的多叉树： struct TreeNode { int value; //结点值 TreeNode* children[Num]; //指向孩子结点 };

在看这篇文章之前，我们先要了解图中拓扑排序的基本知识。 （如果不清楚的uu可以先去看一下相关资料：数据结构与算法-图论-拓扑排序） 总而言之，拓扑图（Directed Acyclic Graph简称DAG）是一个有向无环图 207. Course Schedule 210. Course Schedule II 其实这两道题类似 都套用一个模版 1.首先需要存储有向图和 存储入度的容器 vector<int> indegree(numCourses);

372. 超级次方 做这道题的前提是掌握快速幂算法。其中需要知道乘法在取模的意义下满足分配律 (a⋅b) mod m=[(a mod m)⋅(b mod m)] mod m 举个????：如图 所以根据这个我们可以写出 a%=mod; int res = pow(a,b[0]); for(int i=1;i<b.size();i++){ res = pow(res,10)*pow(a,b[i])%mod;

力扣每日一题438. 找到字符串中所有字母异位词 滑动窗口算法 具体操作如下： 根据题目要求，我们需要在字符串 s寻找字符串 p的异位词。所以我们可以在字符串 ss 中构造一个长度为与字符串 p 的长度相同的滑动窗口，并在滑动中维护窗口中每种字母的数量；当窗口中每种字母的数量与字符串 p中每种字母的数量相同时，则说明当前窗口为字符串 p的异位词。 详细过程已经注释了。 class Solution { public: vector<int> findAnagrams(s...

自用 好不容易通透如玉，先码住 如果我又忘记了去B站看 KMP字符串匹配算法2 void prefix_tabel(char pattern[],int prefix[],int n) { prefix[0]=0; int len=0; //比较长度 等于是pattern的下标 int i = 1; while(i < n){ if(pattern[i]==pattern[len]) { //这里不好理解就看