題目來(lái)源：力扣（LeetCode）https://leetcode-cn.com/如有侵權(quán)請(qǐng)聯(lián)系作者刪除 1、給定一個(gè)整數(shù)數(shù)組 nums 和一個(gè)目標(biāo)值 target，請(qǐng)你在該...
發(fā)簡(jiǎn)信
IP屬地：安徽
-
LeetCode題集
-
[透析] 卷積神經(jīng)網(wǎng)絡(luò)CNN究竟是怎樣一步一步工作的？視頻地址：https://www.youtube.com/embed/FmpDIaiMIeA 文檔參閱：pdf [2MB] & ppt [6MB] & Web View & ...
-
常見(jiàn)面試問(wèn)題
1、SVM原理 支持向量機(jī)、二分類模型 學(xué)習(xí)策略：間隔最大化 可轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問(wèn)題 通過(guò)尋找有著最大間隔的超平面函數(shù)間隔、幾何間隔 函數(shù)間隔：（超平面確定的情況下，能夠...
-
圖像處理算法總覽圖像處理是通過(guò)計(jì)算機(jī)技術(shù)將圖像信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，進(jìn)而進(jìn)行處理的過(guò)程。其主要的圖像技術(shù)包括以下幾種：1.圖像濾波2.圖像增強(qiáng)3.圖像分割4.圖像復(fù)原和重建5.圖像特征提取6....
-
附、常見(jiàn)算法比較及應(yīng)用
決策樹 算法：ID3，C4.5，CART 優(yōu)點(diǎn)： 1、易于理解和解釋，可以可視化分析，容易提取出規(guī)則 2、可以同時(shí)處理標(biāo)稱型和數(shù)值型數(shù)據(jù) 3、測(cè)試數(shù)據(jù)集時(shí)，運(yùn)行速度比較快 4...
-
-
十三、支持向量機(jī)SVMSVM（Support Vector Machines） 近年已被深度學(xué)習(xí)所替代 SVM尋找區(qū)分兩類的超平面（hyper plane），使邊際（margin）最大 向...
-
十二、主成分分析PCA
PCA（Principal Component Analgesic） 降維、數(shù)據(jù)壓縮、可做數(shù)據(jù)可視化 降維分析：找到數(shù)據(jù)最重要的方向（方差最大的方向），第一個(gè)主成分就是從...
-
十一、聚類
聚類算法 可用于尋找優(yōu)質(zhì)客戶、社區(qū)發(fā)現(xiàn)、異常點(diǎn)監(jiān)控 K-MEANS -算法接受參數(shù)k；然后將事先輸入的n個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類，以便使得所獲得的聚類滿足：同一聚類中的對(duì)...
-
十、貝葉斯分析
貝葉斯統(tǒng)計(jì)學(xué) 基于（總體信息+樣本信息+先驗(yàn)信息）進(jìn)行統(tǒng)計(jì)推斷的方法和理論 先驗(yàn)信息：抽樣之前，有關(guān)推斷問(wèn)題中未知參數(shù)的一些信息，通常來(lái)自于經(jīng)驗(yàn)或歷史資料 貝葉斯定理： ...
-
九、神經(jīng)網(wǎng)絡(luò)代碼線性神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)——八例題 圖片： 單層感知器 圖片： 異或問(wèn)題 線性神經(jīng)網(wǎng)絡(luò)解決異或 圖片：
-
八、神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)（Neural Network） 爆發(fā)要素：大數(shù)據(jù)、計(jì)算能力（GPU）、算法 單層感知器 輸入節(jié)點(diǎn)：x1，x2，x3 輸出節(jié)點(diǎn)：y 權(quán)向量：w1，w2...
-
七、集成學(xué)習(xí)代碼二XGBoost回歸 圖片： sklearn-XGBoost回歸 XGBoost分類 圖片： sklearn-XGBoost分類 圖片： LightGBM 圖片：
-
七、集成學(xué)習(xí)代碼決策樹 圖片： 決策樹-cart算法 圖片： 決策樹線性二分類 圖片： 決策樹非線性二分類 圖片： Bagging 圖片： 隨機(jī)森林 圖片： stacking adaboos...
-
四、分類邏輯回歸（Logistic Regression） 用于處理分類問(wèn)題 Sigmoid Function / Logistic Function 邏輯函數(shù)： 將定義邏輯回歸的預(yù)...