- 博客(16)
- 收藏
- 关注
RSS订阅原创 leetcode 11. 盛最多水的容器
leetcode 11. 盛最多水的容器这道题用了双指针，首先双指针a,b分别指向x轴的头和尾，然后双指针也就是长度的范围，然后初始计算了一下有了一个值接下来就是把a，b中height值较矮的那个更新一下，如果是左指针就是右移，右指针左移。原理如下：反证法如果是height中较大的指针移动，那么总的高度最大不会超过原来height最小的值。长度又在减小，必然面积不会增大。所以移动height较小的指针，然后长度的范围减少1。重复这个步骤。有一种贪心的感觉。。。my feeling不知道为啥
2020-05-15 15:00:12
150
原创 leetcode 26. 删除排序数组中的重复项
leetcode 26. 删除排序数组中的重复项刚开始的思路就是把不重复的元素放到前面，然后新来一个元素，就与前面的不重复元素进行比较，重复就不管了，不重复就放到前面的不重复元素后一个。class Solution: def removeDuplicates(self, nums: List[int]) -> int: j = 0 for i in nums: flag = False for k in ran
2020-05-15 14:14:06
138
原创 leetcode70爬楼梯
leetcode 70.爬楼梯用斐波列那数列求解class Solution: def climbStairs(self, n: int) -> int: if n == 0: return 0 elif n ==1 : return 1 else: a = 1 b = 1 for i in range(n-1):
2020-05-15 13:38:09
118
原创 pandas_6
1.aimport pandas as pdimport numpy as npdf_car = pd.read_csv('data/2002年-2018年上海机动车拍照拍卖.csv')print(df_car.shape)print(df_car.info())print(df_car.head())#(a) 找出哪轮拍卖的中标率首次小于 5%df = df_car.copy(...
2020-05-01 23:55:47
144
原创 机器学习svm
学习内容SVM 硬间隔原理SVM 软间隔SMO 求解SVM代码设计1、硬间隔本文是需要一定基础才可以看懂的，建议先看看参考博客，一些疑惑会在文中直接提出，大家有额外的疑惑可以直接评论，有问题请直接提出，相互交流。SVM-统计学习基础一开始讲解了最小间距超平面：所有样本到平面的距离最小。而距离度量有了函数间隔和几何间隔，函数间隔与法向量w和b有关，w变为2w则函数间距变大了，于是提出...
2020-05-01 23:43:52
172
原创 pandas基础5
第五章1、(a)df1 = pd.read_csv('data/Employee1.csv')df2 = pd.read_csv('data/Employee2.csv')df1.head()df2.head()
2020-04-30 23:51:16
82
原创 随机场
条件随机场马尔可夫过程定义假设一个随机过程中，tnt_ntn 时刻的状态xnx_nxn的条件发布，只与其前一状态xn−1x_{n-1}xn−1 相关，即：P(xn∣x1,x2,...,xn−1)=P(xn∣xn−1) P(x_n|x_1,x_2,...,x_{n-1}) = P(x_n|x_{n-1})P(xn∣x1,x2,...,xn−1)=P(xn∣xn−1...
2020-04-29 23:34:51
211
原创 pandas基础3
1（a）df = pd.read_csv('data/Drugs.csv',index_col=['State','COUNTY']).sort_index()df.head()result = pd.pivot_table(df,index=['State','COUNTY','SubstanceName'] ,columns='YYYY' ...
2020-04-28 23:43:16
105
原创 pandas基础3
第三章目前阔以理解，熟练度待提高(a) 极差为17561df = pd.read_csv(‘data/Diamonds.csv’)df.head()df_r = df.query(‘carat>1’)[‘price’]df_r.max()-df_r.min()(b) 0-0.2分位数区间最多的为‘E’，其余区间都为‘G’bins = df[‘depth’].quantile(...
2020-04-26 23:41:28
121
原创 机器学习基础EM算法
前言EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题，E步：求期望（expectation）M步：求极大（maximization)深度在于它的数学推理涉及到比较繁杂的概率公式等，所以本文会介绍很多概率方面的知识，不懂的同学可以先去了解一些知识，当然本文也会尽可能的讲解清楚这些知识，讲的不好的地方麻烦大家评论指出，后续不断改进完善。EM算法引入...
2020-04-26 23:19:27
207
原创 机器学习基础2
知识点梳理相关概念（生成模型、判别模型)先验概率、条件概率贝叶斯决策理论贝叶斯定理公式极值问题情况下的每个类的分类概率下溢问题如何解决零概率问题如何解决？优缺点sklearn参数详解，Python绘制决策树明天补充1. 相关概念生成模型：在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布...
2020-04-23 23:50:38
167
原创 pandas基础2
pandas基础2先写练习题，明天再补知识点，好困，又是一个flag1、（a）df = pd.read_csv('data/UFO.csv')df.rename(columns={'duration (seconds)':'duration'},inplace=True)df['duration'].astype('float')df.head()df.query('duratio...
2020-04-23 23:45:23
81
原创 豆瓣爬取电影top250
爬取豆瓣电影豆瓣top250链接：https://movie.douban.com/top250每25个一页，第一页url:https://movie.douban.com/top250?start=0&filter=第二页url:URL变成了https://movie.douban.com/top250?start=50&filter=以此类推，修改url，start=...
2020-04-22 20:31:26
1178
原创 线性回归
Task01：线性回归（2天）线性回归的原理线性回归损失函数、代价函数、目标函数优化方法(梯度下降法、牛顿法、拟牛顿法)线性回归的评估指标sklearn参数详解• 模型建立：线性回归原理、线性回归模型• 学习策略：线性回归损失函数、代价函数、目标函数• 算法求解：梯度下降法、牛顿法、拟牛顿法等• 线性回归的评估指标• sklearn参数详解练习部分• 基...
2020-04-21 23:45:36
68
原创 pandas基础入门
问题1：Series 常用属性为 values , index , name , dtype , 还有一些访问数据的方法。DataFrame 常用属性和方法：pd.DataFrame() 构造一个 DataFramedf.rename() 修改行名和列名属性 index, columns, values, shape,列的删除 drop, del, pop列的添加 assign转至...
2020-04-20 23:38:32
101
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