- 博客(125)
- 资源 (4)
- 问答 (4)
- 收藏
- 关注
RSS订阅原创 记录Scala中的集合引用问题
关于scala中集合添加与引用的问题map中mp1 = mp2, 是引用此时put 与 +=作用相同list中l1=l2,也是引用此时append += 作用相同但是:+=却不是返回相同引用类型 def main(args: Array[String]): Unit = { println("-----put-----") var mp1 = m...
2018-12-12 22:34:50
311
1
原创 几种二分-java
/** * 各种 二分 * 相同key最小下标,最大下标 * 小于key的最大下标 * 大于key的最小下标 * 数组升序排序, 找不到都返回-1 * * @author: Guanpx [email protected] * @create: 2018-11-26 09:35:50 **/public class BinSearch { //查找相同k...
2018-11-26 12:00:21
302
1
原创 用python写单链表
# 节点类class Node: def __init__(self, v=None, next=None): self.nextNode = next self.value = v# 链表类class LinkedList: def __init__(self): self.__head = Node() # 头节点 私有...
2018-11-22 17:31:47
410
1
原创 CentOS(linux)常见常用命令2
基本命令21. SSH 免密登录ssh:一种协议标准，与其他协议telnet,ftp等相比，ssh优势在于安全远程登录openssh:是ssh安全远程登录的开源实现（软件）使用openssh软件实现 hdp01登录到hdp02# 全部安装ssh客户端yum -y install openssh-cilents# 生成公钥私钥ssh-keygen -t rsa -P...
2018-09-11 20:39:06
293
原创 237. 删除链表中的节点(Delete Node in a Linked List) - Leetcode
237. 删除链表中的节点请编写一个函数，使其可以删除某个链表中给定的（非末尾）节点，你将只被给定要求被删除的节点。 现有一个链表 – head = [4,5,1,9]，它可以表示为: 4 -> 5 -> 1 -> 9示例 1:输入: head = [4,5,1,9], node = 5 输出: [4,1,9] 解释: 给定你链表中值为 5 的第二个节...
2018-08-31 20:28:45
252
原创 203. 删除链表中的节点(Remove Linked List Elements) - Leetcode简单题解
203. 删除链表中的节点删除链表中等于给定值 val 的所有节点。示例:输入: 1->2->6->3->4->5->6, val = 6 输出: 1->2->3->4->5思路:先处理head节点,因为此题head节点也存在数据 在继续处理后续的其他节点 这里使用了前驱节点进行删除的辅助操作...
2018-08-31 18:06:30
226
原创 189. 旋转数组（Rotate Array）- Leetcode简单题解
189. 旋转数组题目链接给定一个数组，将数组中的元素向右移动 k 个位置，其中 k 是非负数。示例 1: 输入: [1,2,3,4,5,6,7] 和 k = 3 输出: [5,6,7,1,2,3,4] 解释: 向右旋转 1 步: [7,1,2,3,4,5,6] 向右旋转 2 步: [6,7,1,2,3,4,5] 向右旋转 3 步: [5,6,7,1,2,3,4]示例 ...
2018-08-29 11:56:30
288
原创 696. 计数二进制子串(Count Binary Substrings) - Leetcode简单题解
696. 计数二进制子串描述 给定一个字符串 s，计算具有相同数量0和1的非空(连续)子字符串的数量，并且这些子字符串中的所有0和所有1都是组合在一起的。 重复出现的子串要计算它们出现的次数。示例 1 : 输入: “00110011” 输出: 6 解释: 有6个子串具有相同数量的连续1和0：“0011”，“01”，“1100”，“10”，“0011” 和 “01”。 请注意，一...
2018-08-29 09:28:51
245
原创 890. 查找和替换模式( Find and Replace Pattern) - leetcode简单题解
890. 查找和替换模式描述  你有一个单词列表 words 和一个模式 pattern，你想知道 words 中的哪些单词与模式匹配。   如果存在字母的排列 p ，使得将模式中的每个字母 x 替换为 p(x) 之后，我们就得到了所需的单词，那么单词与模式是匹配的。（回想一下，字母的排列是从字母到字母的双射：每个字母映射到另一个字母，没有两个字...
2018-08-28 10:53:36
466
原创 在windows系统下进行pip换源
在windows系统下有时候pip install xxxx 来安装某包会很慢，这个问题可以通过换源来解决部分国内pypi源清华：https://pypi.tuna.tsinghua.edu.cn/simple阿里云：http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simpl...
2018-08-07 10:33:30
422
原创 Java之单例模式
什么是单例？通俗的解释：一个类只允许有一个对象，且作为全局的访问点提供使用；Java实现饿汉式//所谓饿汉式，就是先创建一个私有对象，等着被使用；//饿汉式是线程安全的class Singleton{ //创建私有对象 private static Singleton singleton = new Singleton(); //私有化构造函数，...
2018-08-02 20:51:34
194
原创 Java运算符小记
java运算符优先级计算表达式的值int n=2,m=3,u=1,o=0;o = n++ - --m + (u++ - n--);/* * 先考虑优先级，优先级相同考虑结合性 * 先考虑优先级低的，排除其，然后再看高的（操作） * 1.先考虑=，利用排除法，右结合性，先算=的右边 * 2.再考虑()外的-+,根据左结合性， * 3.算n++ n=3 n++=2 *...
2018-07-28 14:39:18
202
原创 阿里天池大赛[人工智能辅助糖尿病遗传风险预测]赛后总结
题目以及数据介绍人工智能辅助糖尿病遗传风险预测初始思想1.从头开始，先看一下初始数据以及数据的简单分析吧训练数据，最后一列是血糖： A榜测试数据 第九个特征与标签的关系分布 第三十八个 各个特征计数（有点糊） 各个特征(标签)的标准差 热力图(反应相关性) 标签数量分布(简单取整) 2. 对以上数据分析一下： 1）特征的数据分布...
2018-03-06 20:11:13
5064
原创 去除读文件的换行
用strip() 不用split()>>> a = ' 123'>>> a.strip()'123'>>> a='\t\tabc''abc'>>> a = 'sdff\r\n'>>> a.strip()'sdff'
2017-12-06 21:51:49
1342
原创 基于sklearn的序列处理 : LabelEncoder 与 OneHotEncoder
LabelEncoder直接上代码# coding:utf-8from sklearn import preprocessinglabel_encode = preprocessing.LabelEncoder() # 建立模型label_encode.fit([[-1], [13], [456]])# label_encode.transform([1]) # 错误 数据不可"无中生有"p
2017-12-02 21:11:46
2286
原创 Antenna Placement poj3020（二分图最大匹配/最小路径覆盖）
Antenna PlacementTime Limit: 1000MS Memory Limit: 65536KTotal Submissions: 9279 Accepted: 4584DescriptionThe Global Aerial Research Centre has been allotted the
2017-12-02 17:52:56
283
原创 Asteroids poj3041 （二分图最大匹配 / 二分图中最小点覆盖问题）
AsteroidsTime Limit: 1000MS Memory Limit: 65536KTotal Submissions: 21522 Accepted: 11697DescriptionBessie wants to navigate her spaceship through a dangerous
2017-12-02 17:52:40
324
原创 Period poj1961（kmp 进阶 next数组使用）
PeriodTime Limit: 3000MS Memory Limit: 30000KTotal Submissions: 17279 Accepted: 8328DescriptionFor each prefix of a given string S with N characters (each charact
2017-12-02 17:51:29
255
原创 阿里天池大赛[商场中精确定位用户所在店铺]赛后总结
题目以及数据介绍商场中精确定位用户所在店铺 主要就是根据各种信息确定某个user到底是在那个shop中 具体的csv文件 AB榜测试集合: user训练数据: mall shop对照表: 初始思想1.首先 拿过来一看 就是进行特征分析， 这么多特征 先从经纬度考虑….. 毕竟是定位赛题目….. so 看看经纬度分布的图片 AB榜测试集经...
2017-11-28 19:31:49
3561
原创 Ubuntu16.04+丽台K620+CUDA8.0+cuDNN6.0搭建Tensorflow-GPU
基本步骤驱动更新看你的电脑是否支持CUDA 一般英伟达的新卡都支持需要更新电脑的显卡驱动（貌似CUDA内含有驱动） 系统设置->软件和更新->附加驱动 选择一个nvidia驱动应用更新（u16.04使用375未见循环登录情况）下载1.下载cuda官网下载 https://developer.nvidia.com/cuda-80-download-archive 建议下载runfile安装1
2017-11-01 10:55:52
3428
原创 python 中赋值 copy() 与 ' = ' 号以及比较符'=='号 与 'is'
关于比较符号’==’号 与 ‘is’这里主要是为下文铺垫 == 比较操作符：用来比较两个对象是否相等，value做为判断因素 is 同一性运算符：比较判断两个对象是否相同，id做为判断因素关于copy()与 =主要是今天在写数组的时候发现了 这个问题 想到了 python中的数组赋值以及对象问题 简单的写一下 好记性不如烂笔头 直接上代码 ：import copya = [1,2,3]
2017-10-19 21:52:32
837
原创 PAT - 1107. Social Clusters (30) 并查集
1107.Social Clusters (30)When register on a social network, you are always asked to specify your hobbies in order to find some potential friends with the same hobbies. A “social cluster” is a set of pe
2017-09-16 11:27:05
315
1
原创 关于sklearn.svm.SVC与.NuSVC的区别以及参数介绍
0. 区别SVC与NuSVC是类似的方法，但是接受稍微不同的参数集合并具有不同的数学公式 ，并且NuSVC可以使用参数来控制支持向量的个数 , 以下代码默认的是多分类1. SVC# coding:utf-8from sklearn import svmfrom numpy import *X = array([[0], [1], [2], [3]])y = array([0, 1, 2, 3]
2017-08-24 22:05:06
12148
原创 关于数据降维函数sklearn-PCA的使用
1. PCA介绍PCA是主成分分析，用来降维，用少量的变量去解释大部分变量，使得变量维度减少，从而减少计算量。2. 调用方法 以及 参数的简单介绍# 先看看PCA构造函数中的默认参数'''def __init__(self, n_components=None, copy=True, whiten=False, svd_solver='auto', tol=0
2017-08-23 22:03:33
2964
原创 利用Apriori算法进行关联分析
1. Apriori算法Apriori算法是一种挖掘关联规则的频繁项集算法，这些关系有两种形式 : 频繁项集和关联规则。 举个例子就知道了：著名的”尿布与啤酒”。 这就是通过关联分析来获取到的结果。2. 名词解释前后文中存在的名词都放在这里了 1. 频繁项集 ： 在事件集合中出现频繁的项目 2. 关联规则 ： 尿布-啤酒 关联等等 说明有很大的几率同时出现 3. 支持度：该项出现的次
2017-08-19 15:45:29
1170
原创 AdaBoost元算法数据集
# 训练集'''2.000000 1.000000 38.500000 66.000000 28.000000 3.000000 3.000000 0.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 3.000000
2017-08-17 16:45:06
594
原创 利用AdaBoost元算法提高分类性能
1. 元算法介绍做重要决定时，大家可能会考虑多个权威的意见而不是一个人的意见，机器学习中也是如此，这就是元算法的背后思想。元算法是对其他算法组合的一种方式。优点：泛化错误低，易编码，可以用在大部分分类器上，无参数调整问题缺点：对离群点敏感2. AdaBoost思想 以及 涉及公式2.1 简单理解AdaBoost是adaptive boosting(自适应boosting)的缩写，是利用弱分类
2017-08-17 16:43:25
1151
原创 神经网络NN简单理解以及算法
1.什么是神经网络1.1 背景 :以人脑中的神经网络为启发，历史上出现过很多不同版本最著名的算法是1980年的 backpropagation 1.2 多层向前神经网络(Multilayer Feed-Forward Neural Network)Backpropagation被使用在多层向前神经网络上多层向前神经网络由以下部分组成： 输入层(input layer), 隐藏层 (hid
2017-08-15 16:07:42
5555
4
原创 简单Trie树
#include #include #include using namespace std;const int maxn=500010;int num;int indegree[maxn];int root[maxn];char sx[12],sy[12];typedef struct trie{ int cnt; int exist; trie
2017-08-12 15:05:34
351
原创 Power Strings poj2406 （kmp 进阶 next数组使用）
Power StringsTime Limit: 3000MS Memory Limit: 65536KTotal Submissions: 46647 Accepted: 19516DescriptionGiven two strings a and b we define a*b to be their concate
2017-08-12 15:04:58
437
原创 支持向量机(SVM)理解以及在sklearn库中的简单应用
1. 什么是支持向量机英文Support Vector Machines，简写SVM . 主要是基于支持向量来命名的，什么是支持向量后面会讲到…….最简单的SVM是用来二分类的，在深度学习崛起之前被誉为最好的现成分类器，”现成”指的是数据处理好，SVM可以直接拿来使用 …2. 名词解释2.1线性(不)可分 ， 超平面 上图 线性可分(绿色荧光笔直线)，即一条直线完美分类，虽然有不同的分割法，
2017-08-12 12:12:43
4427
4
原创 支持向量机-数据集
# 训练集'''1.000000 0.067732 3.1765131.000000 0.427810 3.8164641.000000 0.995731 4.5500951.000000 0.738336 4.2565711.000000 0.981083 4.5608151.000000 0.526171 3.9295151.000000 0.378887 3.526170
2017-08-12 09:08:14
2224
1
原创 树回归问题
1. 树回归基于之前的线性回归，树回归归根结底也是回归，但不同的是，树回归可以更好的处理多特征的非线性回归问题，其基本思想就是切分数据集，切分至易拟合的数据集后进行线性回归建模。（复杂数据的局部建模）1.1回归树 节点为数值型/标称型 模型树 节点为线性模型2.优缺点优点: 可以对复杂的非线性数据建模 缺点: 结果不易理解，抽象化3.伪代码'''部分核心代码伪代码1.建树creatTree
2017-08-10 16:03:01
662
原创 回归算法之岭回归
1. 岭回归首先，说一下岭回归名字的由来，w^=(XTX+λI)−1⋅XTy\hat{w} = (X^TX + \lambda I)^{-1}·X^Ty，其中，I 是单位矩阵(对角线全是1，像”山岭“)，λ\lambda 是岭系数(顾名思义…改变其数值可以改变单位矩阵对角线的值)其次，岭回归是基于最小二乘法 w^=(XTX)−1⋅XTy\hat{w} = (X^TX)^{-1}·X^Ty
2017-08-06 20:04:15
7397
原创 线性回归以及局部加权回归
0回归的含义 1线性回归1-1 数学公式1-2 误差以及公式最小二乘法 1-3 伪代码 1-4 代码 见下文2-4 1-5 图像以及结果 1-6 优缺点与改进 2 局部加权回归 2-1 数学公式 图像 以及 思想 2-2 伪代码 2-3 代码 包含本文所有代码 2-4 图像 附 测试数据 0.回归的含义回归 英文:regress 用了倒推的含义，利用了数学的归纳思想，
2017-08-02 18:20:56
3726
原创 朴素贝叶斯算法
1.朴素贝叶斯算法优缺点优点：在数据较少的情况下依然有效，可以处理多类别问题缺点：对输入数据的准备方式敏感适用数据类型：标称型数据2.算法思想： 比如我们想判断一个邮件是不是垃圾邮件，那么我们知道的是这个邮件中的词的分布，那么我们还要知道：垃圾邮件中某些词的出现是多少，就可以利用贝叶斯定理得到。 朴素贝叶斯分类器中的一个假设是：每个特征同等重要3.算法伪代码计算每个类别中的文档
2017-07-31 22:08:06
738
原创 Check the difficulty of problems （概率DP）poj2151
Check the difficulty of problemsTime Limit: 2000MS Memory Limit: 65536KTotal Submissions: 7104 Accepted: 3078DescriptionOrganizing a programming contest is not an
2017-07-31 17:16:58
445
原创 层次聚类算法
-*- coding:utf-8 *import numpydef getMax(x, y): if x > y: return x else: return ydef getMin(x, y): if x > y: return y else: return xdef
2017-07-30 23:01:53
570
原创 logistics回归--梯度上升算法以及改进--用于二分类
1.sigmoid函数应用logistics回归是用来分类的，并且属于监督学习，分类也是仅限于二分类，就是结果非0即1 (这种函数通常称作跃阶函数)这个时候就出现问题了 01之间的分界点怎么处理？引入sigmoid函数 图像见下图2.算法中的数学思想举个引例：求 函数y = -x^2+3x+1 的最大值 很简单 求得导数 y’ = -2x+3 当且仅当x=1.5时函数y取得最大值 然而
2017-07-30 22:15:32
1267
原创 Kmeans以及优化的二分Kmeans
利用kmeans算法进行非监督分类1.聚类与kmeans引例:2004美国普选布什51.52% 克里48.48% 实际上，如果加以妥善引导，那么一有小部分人就会转换立场，那么如何找到这一小部分人以及如何在有限预算采取措施吸引他们呢？答案就是聚类(<<机器学习实战>>第十章)kmeans,k均值算法,属于聚类算法中的一种，属于非监督学习。聚类中的一个重要的知识就是”簇”，简单说簇就是相似数据的集
2017-07-27 21:52:37
1721
1
scala-intellij IDEA 插件
2018-08-29
scala 2.11.12 window64 + linux版本
2018-08-28
python 简单的爬虫登陆问题没有验证码怎么破 与验证码怎么破
2017-05-31
跪求 下图实现方法或指导文章 就是类似虾米音乐首页这种~
2016-10-26
core dumped 跪求解答Lf函数为什么有bug
2016-10-17
排序二叉树建立后中序输出请问错在哪里，求大神
2016-08-11
TA创建的收藏夹 TA关注的收藏夹
TA关注的人