發(fā)簡信
IP屬地：新疆
-
-
推薦系統(tǒng)遇上深度學習(六十七)-計算廣告中的COEC簡介最近工作中接觸比較多的是COEC（Click on Expected Click），本篇文章就來簡單介紹一下其概念。 在《計算廣告》一書中，已對其概念做出了介紹，感興趣的同學...
-
mac book pro 外接移動硬盤完成讀寫功能
打開terminal輸入如下命令： 你會得到如下的硬盤uuid： 將上述的uuid替換命令內(nèi)的硬盤序列號，并輸入你的mac密碼： 結(jié)果如下： 拔下硬盤再接回去 打開finde...
-
10.【鏈表】合并有序鏈表
題目鏈接：https://leetcode-cn.com/problems/merge-two-sorted-lists/submissions/描述：將兩個有序鏈表合并為一...
-
9.【動態(tài)規(guī)劃】編輯距離
題目鏈接：https://leetcode-cn.com/problems/edit-distance/描述：給定兩個單詞 word1 和 word2，計算出將 word1 ...
-
8.【鏈表】反轉(zhuǎn)鏈表
題目鏈接：https://leetcode-cn.com/problems/reverse-linked-list/描述：反轉(zhuǎn)一個單鏈表。 代碼：
-
6.【動態(tài)規(guī)劃】最長公共子序列與最長公共子串寫在前面 首先解釋一下二者的區(qū)別，最長公共子序列(LCS)允許兩個公共的子序列在原有的兩個字符串中不連續(xù)，即ABCFD與EACFB，二者的最長公共子序列為ACF；而最長公共子...
-
5.【排序】快速排序遞歸與非遞歸
描述：題目鏈接：https://leetcode-cn.com/problems/sort-an-array/給定一個整數(shù)數(shù)組 nums，將該數(shù)組升序排列。 提示： 遞歸： ...
-
4.【樹】二叉樹的先序、中序、后序遍歷-遞歸和非遞歸
1. 先序遍歷給定一個二叉樹，返回它的 前序 遍歷。題目鏈接：先序遍歷示例: 輸出: [1,2,3]進階: 遞歸算法很簡單，你可以通過迭代算法完成嗎？ 遞歸：遞歸形式比較簡單...
-
刷題目錄
數(shù)組 滑動窗口的最大值 連續(xù)子數(shù)組的最大和 最大乘積子序列 樹 二叉樹的先序、中序、后序遍歷-遞歸和非遞歸 排序 快速排序遞歸與非遞歸 動態(tài)規(guī)劃 最長公共子序列與最長公共子串...
-
3.【數(shù)組】最大乘積子序列
題目鏈接：https://leetcode-cn.com/problems/maximum-product-subarray/描述：給定一個整數(shù)數(shù)組 nums ，找出一個序列...
-
2.【數(shù)組】連續(xù)子數(shù)組的最大和
題目鏈接：https://leetcode-cn.com/problems/maximum-subarray/ 描述：給定一個整數(shù)數(shù)組 nums ，找到一個具有最大和的連續(xù)子...
-
1. 回歸案例分析1. Regression回歸的應用 股票預測、自動駕駛的角度預測、推薦系統(tǒng)的用戶購買可能性。 2. 損失函數(shù) 平方損失函數(shù)如右圖，我們的目的是找到一個使得損失函數(shù)最小的w和...
-
1.【數(shù)組】滑動窗口的最大值
描述：給定一個數(shù)組 nums，有一個大小為 k 的滑動窗口從數(shù)組的最左側(cè)移動到數(shù)組的最右側(cè)。你只可以看到在滑動窗口內(nèi)的 k 個數(shù)字?；瑒哟翱诿看沃幌蛴乙苿右晃?。 返回滑動窗口...
-
2. Anomaly Detection異常檢測(一)1. 問題定義 異常檢測的目的就是，當新進來一個樣本的時候，我們需要辨識這個樣本和現(xiàn)有的訓練集合{}是否相似，如果相似就是正常的，如果不相似，那就是異常的。 2. 異常檢測的...
-
1.機器學習的下一步1. 機器是否知道“我不知道”這件事。 當我們的訓練語料中都是“貓”的圖片，當我們在測試的時候，出現(xiàn)了一個沒見過的圖片，那機器是將其歸納為與訓練語料中最相似的貓，還是說“我不...
-
感謝一下樓主的分享。
請問樓主：
"可以直接將詞典導進分詞器的，將類別作為詞性標注的標簽進行標注，這樣既做了分詞也做了標注。"這個詞典是怎么獲得的？像jieba這種分詞器可以直接放入詞典，完成上述帶有B、I前綴的標注嗎？（四）序列標注——實體識別LSTM-CRF（上）
在做這個任務的時候是17年的9月份，當時是在一家金融公司實習做基于大量金融數(shù)據(jù)（年報，研報）的中文實體識別任務，用的模型就是LSTM-CRF模型，這是一個比較簡單經(jīng)典...
-
評論較多，簡書回復也不太方便，如有問題麻煩關注下面的公眾號，加入我的微信群一起討論。公眾號ID：小小挖掘機
-
iOS Developer<br>Blog: <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fleelom.github.io%2F" target="_blank">https://leelom.github.io/</a>
