ML

• 為什么L1正則等價于參數(shù)為拉普拉斯先驗分布，L2正則等價于參數(shù)為高斯先驗分布？
• focal loss 與 CE loss

算法題

• 用雙指針法求解nSum問題
• 線性篩法： 時間為O(n)。

flags = [True] * (n + 1)
primes = []
pnum = 0
for i in range(2, n):
    if flags[i]:
        pnum += 1
        primes.append(i)
    for j in range(pnum):
        ind = primes[j] * i 
        if ind > n:
            break
        flags[ind] = False
        if i % primes[j] == 0:
            break

任意一個合數(shù)均可以表示為素數(shù)的乘積，線性篩法確保一個合數(shù)由其最小的因子來消除，這樣可以確保其只被標記一遍。上述代碼中，一個數(shù)k表示為, 由于primes數(shù)組是有序的，故可以確保k是被其最小因子消除的；當i有一個因子為primes[j]時，就不能繼續(xù)標記了，因為primes中接下來的質(zhì)數(shù)肯定比i的因子大，就不符合標記準則了。比如k=90, primes[j]=3, i = 2 * 3 * 5 = 30時就不標記,直到在primes[j]=2, i = 3 * 3 * 5 = 45,這樣就解決了重復標記的問題；
時間復雜度分析：因為避免了重復標記問題，所以標記操作總共為O(n)，單次循環(huán)平均為O(1);外層循環(huán)復雜度為O(n)。所以總體復雜度為O(n);
Eratosthenes篩法(埃式篩法)時間復雜度分析

調(diào)和級數(shù)
調(diào)和級數(shù)部分和

數(shù)學

• 對偶