woshicao11的博客

目前的博客还是侧重于数学公式，方便自己复习，等忙过秋招就尽量做到雅俗共赏~~1 HMM定义隐马尔可夫模型是什么？有什么作用？数学公式是什么？隐马尔可夫模型是一种时序（时间上的联系）的概率模型，用在词性标注，记住一个东西，例子+图。例子就是，通过可看见的推测不可看见的，比如医生问诊，根据你身体状况（可以观察的到的，外在表现）来判断疾病。韩梅梅医生不仅要看你目前的身体状况，还会问你昨天...

1 回溯法应用回溯法，顾名思义，生活中有一类人，很执拗，比如我，不到黄河心不死，到了黄河怎么办？往回走呗，难不成跳下去？回溯法解决的问题有全排列，全组合，枚举什么的。比如，给定一串不重复字母，让你按字典顺序进行排列，这是个全排列的问题，很好理解，但编程很麻烦。如果给定的字母可以重复，让你按字典的顺序排列，这个问题是不是更复杂了呢？回溯法，跟数一样，随机取出一个元素，此时情况有N种，...

动态规划算法通常用于求解具有某种最优性质的问题．这类题目技巧性较大，如果没有使用过动态规划，有时侯会觉得素手无策．动态规划问题需要找到状态和状态转移方程．困难的地方在于  状态如何描述  以及  状态转移方程如何定义举个例子把～如果我们有面值为1元、２元和5元的硬币若干枚，如何用最少的硬币凑够11元？令d(i) = j表示状态，表示凑该i元最少需要j个硬币．如d(i=0) = 0个,d(i...

链表的题，感觉会了链表的操作应该是没什么问题．链表的访问都是基于while.１　链表中倒数第ｋ个节点题目描述输入一个链表，输出该链表中倒数第k个结点。解题思路：两种方法，第一种是先访问一便链表，知道链表长度ｎ，然后走到ｎ－ｋ的结点就是．第二个就是先让一个走ｋ步，然后２个一起走，第一个走到头，返回第二个当前所在的结点．由于时间复杂度都一样,就第一种．class Solution...

树的题目的技巧：树的题几乎都可以用递归(除了广度优先)，做这类题目，非常重要的是知道如何访问二叉树！所以一定要会前序、中序和后续，要非常了解！(后续有时间会加上初步接触者的如何理解以及自己曾遇到哪些想不通的地方)1 重建二叉树题目描述输入某二叉树的前序遍历和中序遍历的结果，请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,...

朴素贝叶斯没有参数估计，给堆数据直接求，属于生成模型，不用优化模型求最佳参数，这区别于判别模型。我遇到的困惑（1）“后验概率最大”和“极大似然”这二者有什么区别和联系吗？（2）朴素贝叶斯和EM这二者有什么区别和联系吗？答案：（1） 朴素贝叶斯是根据后验概率最大来分类的，在LR和最大熵模型的时候你肯定记得“极大似然估计”，“后验概率最大”和“极大似然”这二者有什么区别和联系吗？...

决策树是属于推导公式较少的一类分类器，但有些概念比较多。决策树优点：计算速度快、可读性强。缺点嘛，大概准确率会差点，容易过拟合。决策树你可以理解为它是一个归纳的过程，从特殊到一般。决策树概念还是需要了解一下的：决策树（boosting）是一种基本的分类和回归方法。呈属性结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以被认为是if-then规则的集合，也可以认为是定义在特征空间与...

秋招即将过去，结果不好不坏，希望每位致力工作的能尽早安排。重新整理博客，一般从通俗理解，再到进阶，后期可能会加上动手搭建。写在前面的话：这些公式都不难！推导的时候，又不懂的一定不要跳过，想方设法理解。推荐一个博客，我觉得写得很好，把我内心疑惑的特别小的点也提到了，推导的时候，多问自己很多细节的问题。https://blog.youkuaiyun.com/macyang/article/deta...

统计学习方法一般看中的是模型 、策略与计算方法（梯度法、牛顿法）。而Logistic回归模型是广义线性模型，策略是条件概率，计算方法是梯度法、牛顿法等。1 LR模型二项LR模型是如下的条件概率分布：是参数与输入变量x的内积如果你有疑惑P为什么是这个公司，这是因为：因为LR是基于伯努利分布，属于概率模型，可以引用最大熵模型的结论，而伯努利属于指数分布族，也是广义线性模型，所以...

第一次听到这个问题，大概大脑停顿了片刻，这是个问题吗？因为sigmoid值在0-1之间符合概率分布，处处可导，关键是在0附近变化很快...这些都只是sigmoid的优点。为什么LR不用别的也具有这些优点的激活函数呢？这是数学公式推导出来的——最大熵模型！证明Logistic回归激活函数为什么是Sigmoid？假设我们已经证明：最大熵模型中，条件概率 其中，wi是参数，f为特征函数(...