winper001的博客

原创 机器学习面试常见问题整理

文章目录常见的损失函数梯度消失和梯度爆炸如何防止过拟合RF,SVM，神经网络的优缺点Batch NormalizationK-means总结常见的损失函数通常机器学习每一个算法中都会有一个目标函数，算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中，通常使用损失函数（代价函数）作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。不...

原创 leetcode刷题汇总

文章目录1 两数之和2 两数相加(链表)（[回到目录](#目录)）3 无重复字符的最长子串（[回到目录](#目录)）4 两个排序数组的中位数5 最长回文子串（[回到目录](#目录)）6 Z字形变换（[回到目录](#目录)）7 反转整数8 字符串转整数 (atoi)（[回到目录](#目录)）9 回文数10. 正则表达式匹配（[回到目录](#目录)）11 盛水（[回到目录](#目录)）12 整数转换成...

原创 leetcode刷题B部分

目录文章目录目录50. Pow(x, n)（[回到目录](#目录)）54 螺旋矩阵(59)（[回到目录](#目录)）58 最后一个单词的长度（[回到目录](#目录)）59 螺旋矩阵 II(54)（[回到目录](#目录)）62 不同路径（[回到目录](#目录)）方法1方法263 不同路径 II（[回到目录](#目录)）98. 验证二叉搜索树（[回到目录](#目录)）120 三角形最小路径和（[回到...

原创 leetcode刷题A部分

文章目录1 两数之和2 两数相加(链表)（[回到目录](#目录)）3 无重复字符的最长子串（[回到目录](#目录)）4 两个排序数组的中位数5 最长回文子串（[回到目录](#目录)）6 Z字形变换（[回到目录](#目录)）7 反转整数8 字符串转整数 (atoi)（[回到目录](#目录)）9 回文数10. 正则表达式匹配（[回到目录](#目录)）11 盛水（[回到目录](#目录)）12 整数转换成...

原创 leetcode二分搜索法总结

第一类： 需查找和目标值完全相等的数这是最简单的一类，也是我们最开始学二分查找法需要解决的问题，比如我们有数组[2, 4, 5, 6, 9]，target = 6，那么我们可以写出二分查找法的代码如下：int find(vector<int>& nums, int target) { int left = 0, right = nums.size(); wh...

原创 leetcode 二叉树总结

目录文章目录目录基本的遍历方式94 二叉树的中序遍历（144，145）（[回到目录](#目录)）144 二叉树的前序遍历145 二叉树的后序遍历广度优先搜索102 二叉树的层次遍历构造二叉树二叉树的平衡108 将有序数组转换为二叉搜索树（[回到目录](#目录)）109 有序链表转换二叉搜索树110 平衡二叉树（[回到目录](#目录)）基本的遍历方式前序遍历：总是先访问根节点，再左子树，最后右...

原创 leetcode 动态规划

目录文章目录目录53 最大子序和62 不同路径（[回到目录](#目录)）方法1方法263 不同路径 II（[回到目录](#目录)）64 最小路径和（[回到目录](#目录)）70 爬楼梯答（[回到目录](#目录)）91 解码方法96 不同的二叉搜索树（[回到目录](#目录)）120 三角形最小路径和（[回到目录](#目录)）121 买卖股票的最佳时机（[回到目录](#目录)）198 打家劫舍213...

原创 inception v1-v4

inception v1-v4v1模型inception v1的模型是将1X1,3X3,5X5的卷积层和3X3的pooling层堆在一起。主要考虑到两个方面，一是增加了网络的宽度，另一方面是增加了网络对尺度的适应性。第一张图是论文中提出的最原始的版本，所有的卷积核都在上一层的所有输出上来做，那5×5的卷积核所需的计算量就太大了，造成了特征图厚度很大。为了避免这一现象提出的inceptio...

原创 for循环里的递归

目录文章目录目录17 电话号码的字母组合（[回到目录](#目录)）39 组合总和 I（[回到目录](#目录)）40 组合总和 II（[回到目录](#目录)）46 全排列47 全排列II（[回到目录](#目录)）77 组合（[回到目录](#目录)）78 子集（[回到目录](#目录)）90 子集 II（[回到目录](#目录)）131 分割回文串（[回到目录](#目录)）17 电话号码的字母组合（回...

原创 C++中cin getline() cin.getline()的用法

C++中cin getline() cin.getline()的用法cin用法1： 输入一个数字或者字符#include <iostream>using namespace std;int main (){ int a,b; cin>>a>>b; cout<<a+b<<endl; return ...

原创 c++常见基础知识

目录文章目录目录编译器和预处理器（[回到目录](#目录)）typedef使用基本解释用法注意点优点c++中常见数据结构的基本操作stackqueuevectorvector的六种初始化方式基本操作c++ map基本操作pair类型pair类型的定义和初始化pair对象的一些操作map对象的定义和初始化map的一些操作map元素插入map中元素的查找和读取从map中删除元素c++万能头文件C++的...

原创 bagging boosting stacking原理介绍

本文分别介绍bagging boosting stacking三种方法。boosting: 减少偏差对于提升方法来说，需要解决两个问题：如何在每一轮中改变训练集数据的权重值或者是概率分布：提高那些在前一轮弱分类器分错了的样本的权值，使得分错的样本的在后一轮的分类器中得到更多的关注。如何将弱分类器组合成一个强分类器：加大分类误差小的弱分类器的权重，使得它在表决中起到更大的作用...

原创 RoC曲线

原创 1*1卷积作用

主要有两点作用：1x1 卷积可以压缩信道数。池化可以压缩宽和高。1x1卷积给神经网络增加非线性，从而减少或保持信道数不变，也可以增加信道数。如下图可以形象表示：实现跨通道的交互和信息整合1×1的卷积层（可能）引起人们的重视是在NIN的结构中，论文中林敏师兄的想法是利用MLP代替传统的线性卷积核，从而提高网络的表达能力。文中同时利用了跨通道pooling的角度解释，认为文中提出的ML...

转载 VC维理解

在机器学习里我们常常看到这样的说法：一般而言, VC 维 越大, 学习能力就越强,学习也越复杂；可以通过 VC 维 计算学习风险的上界。但进一步对VC维的介绍却不多，例如，VC维是什么？如何计算VC维？我们认为2D线性分类器的VC维为3，而不是4。即，2D线性分类器可以打散集合大小为3的样本集合，不能打散有4个样本的集合。1.集合大小为3的样本集合。存在两种情况：a. 3个点不