- 博客(30)
- 收藏
- 关注
RSS订阅原创 最长同值路径
给定一个二叉树，找到最长的路径，这个路径中的每个节点具有相同值。 这条路径可以经过也可以不经过根节点。注意：两个节点之间的路径长度由它们之间的边数表示。 5 / \ 4 5 / \ \ 1 1 5输出为2 1 / \ 4 5 / \ \ 4 4 5输出为3题目分析：根据题目我们可以清晰的分析出每个节点有三种情况例如
2020-09-20 13:13:02
317
1
原创 二叉搜索树的范围和
给定二叉搜索树的根结点 root，返回 L 和 R（含）之间的所有结点的值的和。二叉搜索树保证具有唯一的值。操作很简单，深度优先遍历两步操作：第一，判断当前节点是否为空，如果不为空执行下一步，为空不执行第二，判断当前的节点的值是否符合题意在L和R之间，如果符合将该值加入到总和中。，并执行该点的左右孩子第三，继续往下判断，根据二叉搜索树的特性，如果该值小于L，搜索该节点的右孩子，如果大于R搜索左孩子。 int count=0; public int rangeSumBST (Tr
2020-09-13 15:03:21
195
原创 青蛙跳台阶
青蛙跳台阶：一只青蛙一次可以跳上1级台阶，也可以跳上2级台阶。求该青蛙跳上一个 n 级的台阶总共有多少种跳法。递归：设想子问题只有两种情况：1、上次跳1级台阶到n，我只需要计算n-1的跳法2、上次跳2级台阶到n，我只需要计算n-2有多少种跳法以此类推递归的出口当n为1时返回1当n为2时返回2 public int skip (int n) { if (n==1) { return 1; }
2020-09-13 11:19:01
185
原创 快排的复习
快排的主要思想还是在递归上面。第一步先来了解一下快排的子公式是什么:1、现在有一个数组，快排主要做的就是对数组进行一次调节数据顺序，在数组中找最后一个数(或者随机一个数)n，将数组内数据的顺序变成n的左边全部是比n小的数，n的右面全部是比n大的数。2、具体操作:设最后一个数为R，第一个数为L，当L开始与进行对比，那么就会有3种情况:该数比R大，比R小，等于R。当L比R大时，我们知道此时的L应该放在最右面，所以让最右面的数与L进行交换，此时的L指向的是被交换过来的数，那么应该再次比较。当L比R小时
2020-09-12 11:37:54
89
原创 堆排的学习
堆排没有用到递归，一般堆排是两个步骤，1、建立堆2、不断的调整堆，进行排序首先，我们学习堆排就必须了解什么是堆，堆其实是一种比较特殊的数据结构，分为大根堆和小根堆，堆有两个性质1、它是一个完全二叉树，每个节点都比它的子树所有节点大(大根堆)2、由于他是一个完全二叉树，那么它的每个位置都与数组的每个下标一一对应由于这两种性质，我们就可将数组看做一个完全二叉树，第一步(大根堆)，将这个完全二叉树转换成堆，从第一个节点开始，与他的父节点比较大小，如果比他的父节点要大，那么他就和父节点进行交换，然后继
2020-09-12 11:33:07
58
原创 使用定长数组实现队列
使用定长数组实现队列方法很简单：我们需要：4、1、一个数组2、一个能表示数组中还有多少容量的变量3、一个能表示队首的变量4、一个能表示队尾的变量`入队先判断队列还有多少容量，如果容量为0表示队满，则不能在入队。如果容量不为0.则表示队列还有容量。然后再判断入队后，队尾是不是数组的最后一个节点，如果是，入队后队尾变为0，如果不是队尾+1；出队表示同样的道理：如果容量为数组的大小，则表示队列中暂无数据，不能出队，如果容量小于数组则表示，队列存在数据。可以出队。出队时判断队首是否是数组的最后一
2020-09-06 19:27:56
613
原创 有序链表的合并
两个有序链表进行合并，两个链表进行一一比较，小的放入新的链表中，最后那个链表还剩数据，就全部导入进去。package train;public class 有序拼接链表 { public class Node { public Node next; public int value; public Node (int data){ this.value = data; } } publi
2020-09-06 18:56:21
142
原创 反转链表（递归/非递归）
反转链表一般有两种方式1、将链表中的每个节点取出，使用头插法建立一个新的链表2、采用递归的方式进行反转。头插法反转链表package train;public class 反转链表 { public class Node { public Node next; public int data; public Node (int value) { this.data = value; }
2020-09-06 17:36:09
250
原创 括号的匹配
非常简单的一道算法题，使用栈来进行辅助，如果是左边的括号，压人栈中，如果是右面的就进行出栈，并判断是否与当前括号匹配，不匹配直接结束方法，如果全部判定完毕栈空则匹配成功，如果栈不空则有多余的括号import java.util.Stack;public class 有效括号 { public static boolean isValid(String s) { char[] sArray = s.toCharArray(); Stack <Char
2020-09-06 15:45:26
91
原创 使用栈实现队列
栈的特性是先进后出，队列的特性是先进先出，这就照成这两种数据结构不同的性质1、将一个栈中的元素转移到另一个栈中，数据的顺序会发生变化2、将一个队列的数据转移到另一个队列中，数据的顺序不会发生变化因此使用栈实现队列，使用两个栈，一个栈用来接收数据，并将接收的数据转移到另一个栈用来抛出数据。这样就完成了先进先出的特点...
2020-09-06 15:20:31
87
原创 使用队列实现栈
使用队列实现栈使用队列实现一个栈的主要思想就是采用两个队列，一个为存放数据，一个为辅助，为什么会是这个样子的呢？因为栈是先进后出，而队列是先进先出假设现在有两个队列：data和help入栈时：将数据压入data队列出栈时：将data的数据除最后一个外，全部压人help中，这么做只是为了把最后一个数据拿出来根据队列的性质此时的help中的数据只是比原来的data少最后一个数据其他的都没有变化此时data队列只剩一个数据，也就是最后压入的数据，将该数据出队，最后将help与data进行交换，p
2020-09-06 15:08:10
475
原创 对于哈希的一些学习第一版
标题哈希的特性1、 输入域无穷大2、 输出域有穷尽3、 当你输入参数固定，返回值固定4、 输入不一样，输出可能会出现相同（哈希碰撞）5、 输入很多不同值，将会在s域上均匀的布置。普通哈希表的扩容：如：将容量为17的哈希表扩容到100，主要是将原哈希表的数据重新进行哈希计算，获得哈希值后存到扩容后的哈希表哈希表的应用：大文件中的重复数据怎么处理：1、准备多个机器2、读入数据，并计算对应的hash表3、将相同的hash值放在同一个机器中4、在每个机器进行去重操作哈希表的缺点：1、占
2020-09-05 15:51:07
143
原创 句法分析详解
首先在了解句法分析，我们先来思考一个问题：人是怎样理解一个句子的？1、从语法的角度（主谓宾）2、从感觉的角度（语言模型）所以句法分析理解起来很简单，就是从语法的角度分析每个词之间的关系，在一句话中那个词是主语，那个词是谓语，等等而且用树的形式来表示。假设现在有一句话：北京是属于中国的那么用句法分析后就是下图的样子：我们先不管怎么构成这样的一个句法树，我们先看一下这棵树的特点：叶子...
2020-03-07 14:43:13
10153
原创 实体消歧、实体统一和指代消歧
实体消歧实体消歧主要是指：一个词可能含有多个意思，不同的上下文表达的含义可能也不一样例如：今天苹果发布了新手机对于“苹果”我们怎么判断？对于实体消歧来说我们得有一个实体库，库中包含每个实体，以及它所包含的意思，例如：“苹果”在实体库中有两个含义：苹果：水果的一种苹果：美国的一家高科技公司那么对于：今天苹果发布了新手机。这样一句话我们提取“苹果”前后大约30个词左右和并利用两个含义形...
2020-03-07 09:58:39
5089
2
原创 命名实体识别（特征工程）
命名实体识别也叫实体抽取是指从文本信息中抽取实体，这样的实体包括：人，地名等等。对于特定领域还要抽取特定的实体，比如医疗领域：药物，蛋白质，医院名称等等实体抽取在自然语言领域有着非常大的作用，是很多实现任务目标的基础，在知识图谱领域，实体抽取是首要任务，其次才是关系抽取，指代消解，实体统一和实体消解等任务的实现。举个例子：假设我们在做智能对话系统：\quad\quad你好，请问北京到济南怎么走...
2020-03-05 20:14:53
2224
原创 朴素贝叶斯（分类）推导
传统的分类器朴素贝叶斯很多人都知道怎么用，但是有没有想过它的原理，它是怎么样被一步一步的推导出来的。今天咱们就推导一下朴素贝叶斯模型。现在有数据集D={(x1,y1),(x2,y2),...,(xn,yn)}D=\{(x^1,y^1),(x^2,y^2),...,(x^n,y^n)\}D={(x1,y1),(x2,y2),...,(xn,yn)}xxx表示的是一个文档的所有单词yyy表示的是...
2020-03-04 17:02:19
304
原创 逻辑回归(推导)
逻辑回归其实就是一个判别模型，什么意思呢？也就是给定一组数据我们将其判别它属于某一类的概率，或者判别好坏，也就是p(y∣x)p(y|x)p(y∣x)对于这样的模型我们首先想到的是p(y∣x)=wTx+bp(y|x)=w^Tx+bp(y∣x)=wTx+b但是我们可以清楚地看到公式并不成立：0≤p(y∣x)≤10\leq p(y|x)\leq10≤p(y∣x)≤1还有∑yp(y∣x)=1\sum_yp...
2020-03-04 12:18:27
184
原创 正则的详细解释以及灵活运用（包含Lasso）
正则的介绍正则一开始是用来限制参数的，例如在逻辑回归中，目标函数：p(y=1∣x;w)=11+e−wTx+bp(y=1|x;w)=\dfrac{1}{1+e^-{w^Tx+b}}p(y=1∣x;w)=1+e−wTx+b1越大越好参数，p(y=0∣x;w)=1−11+e−wTx+bp(y=0|x;w)=1-\dfrac{1}{1+e^-{w^Tx+b}}p(y=0∣x;w)=1−1+e−wTx+...
2020-03-02 18:53:37
988
原创 凸函数
今天主要来学习的是凸函数：包括是什么是凸函数，凸函数的判断，对于非凸函数的处理。凸函数先来看看什么是凸函数：如图左边的是一个凸函数，右边的不是凸函数，从图片我们也可以清楚的看到凸函数的一个显著的特点，也就是对于凸函数来说只有一个最低点，也就是极值点就是最值点，而非凸函数有多个极值点。因此在人工智能领域，如果遇到一个问题，我们的目标函数是一个凸函数，也就是说我们可以找到一个全局的最优解，如果...
2020-03-01 12:54:26
10228
1
原创 SVM详细推导（包含dual-form的推导过程）
线性可分SVM关于二分类问题的算法，也就是将一组数据线性的分成两类，什么是线性的分成两类呢？就是像图（1）这样的数据用一条线可以进行一分为二。像图（2）这种数据使用一条线是分不开的，那么这种数据就成为线性不可分的数据，对于这种数据SVM就没有办法了吗？当然有办法了不然也不会在早期这么流行的。SVMmargin的概念假设现在有这样一组数据，D={(x1,y1),(x2,y2),(x3,...
2020-02-28 12:26:02
2064
原创 CRF(条件随机场)详解（内含推导）
和之前讲的HMM模型一样，CRF是一个时序模型，我们先来看一下这个模型的结构吧！CRF模型结构看上去和HMM比较相似，但还是有一些不同之处，HMM中我们使用了有向图，在CRF中使用的是无向图，区别是什么呢？CRF与HMM算法的区别我们知道HMM中的两大规则1、齐次一阶的马尔科夫假设 2、观测独立假设。我们来分析一下这两个规则合不合理哈：观测独立性假设：主要是指观测值之间假设是独立的，...
2020-02-26 19:10:02
3257
原创 HMM算法详解（内含推导）
时序模型大致上分为（ML）版本和（DL）版本ML：HMM和GRFDL：RNN/LSTM今天就讲解一下隐马尔科夫模型HMM算法HMM结构由上图可知观测值（x）和隐含状态（z）在这里举个例子说明xxx和zzz的关系例子：假设现在有两枚硬币{A，B}分别有正反两面，这时有两个人：“小明”和”小华”现在将两个人隔开，“小明负责扔硬币”，“小华负责观察硬币的正反面”。但是小华是看不到小明是扔的...
2020-02-25 12:43:32
8160
4
原创 EM算法详解（内含详细推导）
前言对于隐变量模型，我们不仅有可观测值xxx,还有隐含状态：zzz，而我们的目的就是最大化P(x,z∣θ)P(x,z|\theta)P(x,z∣θ)，θ\thetaθ表示模型的参数。如果zzz是已知的那么我们可以采用传统MLE的计算方式 确认目标函数，采用梯度下降法优化参数：argmaxlogP(x,z∣θ)=logP(z∣θ)+logP(x∣z,θ)argmax\quad \log P...
2020-02-23 13:49:58
1040
原创 Word2vec详细解释（内含推导）
文章目录词向量one-hotword2vecword2vec详解Skip-gram目标函数的转化负采样求参数梯度评估词向量one-hot在Word2vec出现之前，在nlp中最常用的是one-hot（独热）编码，先来解释一下什么是独热的编码：假设我们数据集为，“今天天气特别晴朗”，“六月的天气是多变的”，对应词库{“今天”，“天气”，“特别”，“晴朗’，“六月”，“是”，“多变”}。那么每...
2020-02-22 21:29:59
1504
原创 神经网络详细解释（包含BP算法的推导）
神经网络是在人工智能界是比较流行的一种模型。发展到今日已经有很多变种，想cnn，rnn，LSTM，对抗神经网络，等等很多网络结构，网上也有很多比较详细的解释，最近系统的学习了一下神经网络，包括网络结构细节，激活函数，正向传播，反向传播的推导，梯度的计算，过拟合的解决方式等等，想要系统的学习神经网络的同学看过来吧。嘿嘿！单层神经网络结构先从最简单的开始理解神经网络，如图（1），这是一个最简单的神...
2020-02-21 20:23:02
1350
1
原创 一文让你由浅入深的理解Transform模型
简单解释Transform是在神经网络之后又发展的一个比较流行的深度模型，今天就给大家解释一下这个模型的原理。首先先抛出一个问题？神经网络有哪些缺点，或者是LSTM有什么不足之处以，至于让我们又发展了Transform这个深度模型？在这里我自己总结出了几点：1、 难解释性，神经网络的一个通病，做出来的好坏都比较难解释，2、 梯度消失和梯度爆炸的问题。3、 LSTM只能串行计算，不能并行，因...
2020-02-19 12:58:33
13758
4
原创 siamese模型码详解（每一句代码都有解释！！！）
最近在研究Siamese模型来进行文本相似度的计算，今天就做一期代码详解，每一行的代码都会做出相应的解释，对于初学LSTM的人来说读懂代码是非常有必要的，Siamese模型就是将两个句子（训练数据）通过embeding层（word2vec）分别输入到LSTM进行运算，并共享参数，利用损失函数不断的进行正向传播和反向传播来优化参数，最终达到成为一个比较优秀的模型原理就不在细说了，这里主要是把代码解...
2020-02-18 10:38:14
3309
4
原创 一文让你由浅入深了解bert的来龙去脉和原理以及bert代码实战（文本相似度为例）
目录预训练word2vecelmo和bert早期的语言模型n-gramskip-grim 和CBOWword2vec的局限性elmo的局限性Bert原理Masked LMtransformNext Sentence PredictionBert的输入mask的规则【CLS】和【SEP】Bert的使用（文本相似度为例）下载代码输入数据地址传递训练集，验证集和测试集...
2020-02-14 11:32:05
1990
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人