zhang35-CSDN博客

原创 Mac端口5000被ControlCe占用问题解决方法

问题Mac上运行flask应用时提示端口5000已被占用。查看占用情况：$ lsof -i:5000COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAMEControlCe 70052 jiaqi 24u IPv4 0xa620acf2cebbe09f 0t0 TCP *:commplex-main (LISTEN)ControlCe 70052 jiaqi 25u IPv6 0xa6

2022-04-01 13:14:13 6483 5

原创 leetcode[6029] 射箭比赛中的最大得分 python3实现（两种方法：动态规划+路径还原；二进制枚举）

题目6029. 射箭比赛中的最大得分Alice 和 Bob 是一场射箭比赛中的对手。比赛规则如下：Alice 先射 numArrows 支箭，然后 Bob 也射 numArrows 支箭。分数按下述规则计算：箭靶有若干整数计分区域，范围从 0 到 11 （含 0 和 11）。箭靶上每个区域都对应一个得分 k（范围是 0 到 11），Alice 和 Bob 分别在得分 k 区域射中 ak 和 bk 支箭。如果 ak >= bk ，那么 Alice 得 k 分。如果 ak < bk ，

2022-03-20 22:25:14 805

原创 leetcode第 284 场周赛（AC 3道，排名818 / 8483）

题目找出数组中的所有 K 近邻下标统计可以提取的工件K 次操作后最大化顶端元素得到要求路径的最小带权子图题解只做出来前3道，最后一题只知道用dijkstra算法，但没有太多时间进一步考虑，还是不够熟练。6031 找出数组中的所有 K 近邻下标class Solution: def findKDistantIndices(self, nums: List[int], key: int, k: int) -> List[int]: key_index = []

2022-03-13 13:47:11 3011

原创 leetcode[2196]根据描述创建二叉树（学习优雅解法，哈希+建树+找根，defaultdict+set）

# 给你一个二维整数数组 descriptions ，其中 descriptions[i] = [parenti, childi, isLefti] 表示 # parenti 是 childi 在二叉树中的父节点，二叉树中各节点的值互不相同。此外： # # # 如果 isLefti == 1 ，那么 childi 就是 parenti 的左子节点。 # 如果 isLefti == 0 ，那么 childi 就是 parenti 的右子节点。 # # # 请你根据 desc

2022-03-12 10:19:09 237

原创 leetcode[2195]向数组中追加 K 个整数 python3实现（通过率低，排序加模拟，求连续区间和）

# 给你一个整数数组 nums 和一个整数 k 。请你向 nums 中追加 k 个未出现在 nums 中的、互不相同的正整数，并使结果数组的元素和最# 小。 # # 返回追加到 nums 中的 k 个整数之和。 # # # # 示例 1： # # 输入：nums = [1,4,25,10,25], k = 2# 输出：5# 解释：在该解法中，向数组中追加的两个互不相同且未出现的正整数是 2 和 3 。# nums 最终元素和为 1 + 4 + 25 + 10 +

2022-03-12 09:42:34 473

原创 word2vec的算法思想详解（cbow+skipgram+negative sampling））

参考：https://easyai.tech/ai-definition/word2vec/https://jalammar.github.io/illustrated-word2vec/Word2vec 是 Word Embedding 词嵌入的方法之一。Word Embedding 就是将「不可计算」「非结构化」的词转化为「可计算」「结构化」的向量。Word2vec 有 2 种训练模式。CBOW(Continuous Bag-of-Words Model)通过上下文来预测当前值。相当于一

2022-03-09 07:37:38 682

原创 Kaggle Learn 数据泄露（data leakage）的几个例子

数据泄露数据泄露是指，在训练数据中包含目标信息，但在预测时没有可用的类似数据。这会使得训练数据（或者验证数据）效果比较好，但实际生产（预测）时效果特别差。有两种泄露类型：target leakage（目标泄露）和 train-test contamination（训练测试污染）当测试集上的预测结果准确率特别高，比如95%以上时，要检查一下是否数据泄露了。target leakage预测包含未来才知道的数据时，会发生目标泄露。train-test contamination比如在切分训练集

2022-03-08 06:52:25 1333

原创 leetcode[504]七进制数 python3实现（经典进制转换，注意python的负数取余，注意特殊值0）

# # 给定一个整数 num，将其转化为 7 进制，并以字符串形式输出。 # # # # # # # # 示例 1: # # # # # # 输入: num = 100# # 输出: "202"# # # # # # 示例 2: # # # # # # 输入: num = -7# # 输出: "-10"# # # # # # # # # # 提示： # # # # # # -10⁷ <= num <= 10⁷ # # # # Related To

2022-03-07 10:37:42 1109

原创 python的负数除法的求余结果——区分取模还是取余

参考：python负数求余不正确？——取模 VS 取余 - 偷天神猫的文章 - 知乎# java的整除与求余7/4 = 1-7/4 = -17/-4 = -1-7/-4 = 17%4 = 3-7%4 = -37%-4 = 3-7%-4 = -3# python3下的整除与求余7//4 = 1-7//4 = -27//-4 = -2-7//-4 = 17%4 = 3-7%4 = 17%-4 = -1-7%-4 = -3在C/C++, C#, JAVA, PHP这几

2022-03-07 10:19:18 863

原创什么是MAP（mean average percision）——机器学习算法评价指标（带python源码）

什么是MAPAP:average percision先从AP说起。假如从5男5女当中找出所有女生，搜索结果如下：系统1：1234567女男男男女女女准确率：4/7召回率：4/5系统1：1234567女女女女男男男准确率：4/7召回率：4/5系统１和系统２的正确率和召回率相同，但明显第二个检索系统更好，因为还要考虑顺序。一个良好的检索系统当然希望越相关的排在越前面越好，因此就出现了AP这个概念。

2022-03-05 13:54:59 1334

原创 leetcode[2016]增量元素之间的最大差值 python3实现（一次遍历，记录左侧最低，计算最大差值）

# 给你一个下标从 0 开始的整数数组 nums ，该数组的大小为 n ，请你计算 nums[j] - nums[i] 能求得的最大差值，其中 0 <= # i < j < n 且 nums[i] < nums[j] 。 # # 返回最大差值。如果不存在满足要求的 i 和 j ，返回 -1 。 # # # # 示例 1： # # 输入：nums = [7,1,5,4]# 输出：4# 解释：# 最大差值出现在 i = 1 且 j = 2 时，nu

2022-02-26 21:01:06 230

原创 leetcode[537]复数乘法 python3实现（简单模拟，map函数的应用）

# 复数可以用字符串表示，遵循 "实部+虚部i" 的形式，并满足下述条件： # # # 实部是一个整数，取值范围是 [-100, 100] # 虚部也是一个整数，取值范围是 [-100, 100] # i² == -1 # # # 给你两个字符串表示的复数 num1 和 num2 ，请你遵循复数表示形式，返回表示它们乘积的字符串。 # # # # 示例 1： # # # 输入：num1 = "1+1i", num2 = "1+1i"# 输出："0+2i

2022-02-25 22:58:57 225

原创 leetcode[1706]球会落何处 python3实现（dfs，官方题解for else语法）

# 用一个大小为 m x n 的二维网格 grid 表示一个箱子。你有 n 颗球。箱子的顶部和底部都是开着的。 # # 箱子中的每个单元格都有一个对角线挡板，跨过单元格的两个角，可以将球导向左侧或者右侧。 # # # 将球导向右侧的挡板跨过左上角和右下角，在网格中用 1 表示。 # 将球导向左侧的挡板跨过右上角和左下角，在网格中用 -1 表示。 # # # 在箱子每一列的顶端各放一颗球。每颗球都可能卡在箱子里或从底部掉出来。如果球恰好卡在两块挡板之间的 "V" 形图案，或者被一

2022-02-24 22:44:45 155

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week11 学习笔记（Problem Description and Pipeline）

Photo OCR pipeline将机器学习问题分解成多个模块、流程。以下是例子：文字识别（Optical Character Recognition，OCR）Photo OCR问题流程：文本区域识别字符分段字符分类可以将该问题分成多个模块：遇到一个问题，要思考如何将问题分解成几个流程和步骤，以便团队协作。滑动窗口用一个人形窗口检查是否是一个人。根据步长移动窗口。步长为1像素时最精确，相当于遍历所有位置：然后用更大的方框扫描：最终能检查出行人：回到OCR问题，第

2022-02-24 22:07:43 406

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week10 学习笔记（Learning With Large Datasets）

sanity check大数据量带来高计算代价，所以首先得确定，是不是大数据量有帮助？检查Jcv 和 Jtrain 的学习曲线。如果如左图，有高方差，则说明过拟合了，增加数据量有帮助；如果如右图，增加数据量没有太大帮助。随机梯度下降法（Stochastic Gradient Descent）普通的梯度下降，当m很大时，下面蓝色方框的计算会耗时很高。普通的梯度下降，又称为batch gradient descent，每次都需要读取所有数据。这里就引出了随机梯度下降法。...

2022-02-24 17:07:16 1047

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week9 学习笔记（异常检测，推荐系统）

异常检测（Anomaly detection）建立模型p，类似表示属于正常情况的概率，小于某个值就认为它是异常的。应用场景诈骗检测异常零件检测数据中心电脑工作情况监控高斯分布 / 正态分布(Gaussian Distribution)参数估计给你一组x，假设它们服从高斯分布，计算出μ和σ的值。这样就能算出新成员的概率。密度估计假设x的各个特征是独立的，p(x)就可以用以下公式计算。计算p(x)的过程也被称为密度估计。异常检测算法利用x的密度估计，计算它的概率，看是否

2022-02-23 19:31:36 597

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week8 学习笔记（Unsupervised Learning）

无监督学习本周课程开始进入无监督学习。一个重要应用是聚类问题：K-Means算法随机找K个中心点（红×和蓝×），将样本标记为最近的中心点：计算每个类别里样本的平均值（mean），作为新的中心点：循环执行上面两个步骤，直到中心点不再变化，得到聚类结果：算法伪代码如下：注意：有可能出现某个类别中没有点的情况，这时通常就删掉这个中心点，就变成了k-1个类别。（如果还是需要k个类别，可以再重新随机出一个中心点）K-means优化目标这里的J也被称为Distortion函数。目标就是找

2022-02-14 23:41:13 1046

原创 leetcode[540]有序数组中的单一元素 python3实现（二分法，细节拉满）

# 给你一个仅由整数组成的有序数组，其中每个元素都会出现两次，唯有一个数只会出现一次。 # # 请你找出并返回只出现一次的那个数。 # # 你设计的解决方案必须满足 O(log n) 时间复杂度和 O(1) 空间复杂度。 # # # # 示例 1: # # # 输入: nums = [1,1,2,3,3,4,4,8,8]# 输出: 2# # # 示例 2: # # # 输入: nums = [3,3,7,7,10,11,11]# 输出: 10#

2022-02-14 18:15:42 189

原创 leetcode[1189]“气球” 的最大数量 python3实现（counter两行代码)

# 给你一个字符串 text，你需要使用 text 中的字母来拼凑尽可能多的单词 "balloon"（气球）。 # # 字符串 text 中的每个字母最多只能被使用一次。请你返回最多可以拼凑出多少个单词 "balloon"。 # # # # 示例 1： # # # # 输入：text = "nlaebolko"# 输出：1# # # 示例 2： # # # # 输入：text = "loonbalxballpoon"# 输出：2# # # 示

2022-02-13 09:46:51 202

原创 leetcode[1020]飞地的数量 python3实现（bfs，连通子树搜索）

# 给你一个大小为 m x n 的二进制矩阵 grid ，其中 0 表示一个海洋单元格、1 表示一个陆地单元格。 # # 一次移动是指从一个陆地单元格走到另一个相邻（上、下、左、右）的陆地单元格或跨过 grid 的边界。 # # 返回网格中无法在任意次数的移动中离开网格边界的陆地单元格的数量。 # # # # 示例 1： # # # 输入：grid = [[0,0,0,0],[1,0,1,0],[0,1,1,0],[0,0,0,0]]# 输出：3# 解释：有三个

2022-02-12 15:37:56 112

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week7 学习笔记（Support Vector Machines）

支持向量机SVM在线性可分的情况下，训练数据集的样本点中与分离超平面距离最近的数据点称为支持向量(support vector)。代价函数和逻辑回归比较相似：又称为大间隔分类器，能找到最佳的线性分类位置：向量内积的物理意义，相当于一个向量在另一个上面的投影长度的乘积：svm决策边界，核（相似度）函数SVM擅长解决线性不可分的分类问题。描述某个样本与标记点的相似度（距离）。相当于映射到一个更高的维度。高斯核函数高斯核函数用来测量一对样本的距离，例如（xi, xj)的距离。核

2022-02-12 14:50:29 929

原创 leetcode[1984]学生分数的最小差值 python3实现（排序，一次遍历）

# 给你一个下标从 0 开始的整数数组 nums ，其中 nums[i] 表示第 i 名学生的分数。另给你一个整数 k 。 # # 从数组中选出任意 k 名学生的分数，使这 k 个分数间最高分和最低分的差值达到最小化。 # # 返回可能的最小差值。 # # # # 示例 1： # # 输入：nums = [90], k = 1# 输出：0# 解释：选出 1 名学生的分数，仅有 1 种方法：# - [90] 最高分和最低分之间的差值是 90 - 90

2022-02-11 21:24:10 102

原创 leetcode[1447]最简分数 python3实现（判断互质，gcd求最大公约数）

# 给你一个整数 n ，请你返回所有 0 到 1 之间（不包括 0 和 1）满足分母小于等于 n 的最简分数。分数可以以任意顺序返回。 # # # # 示例 1： # # 输入：n = 2# 输出：["1/2"]# 解释："1/2" 是唯一一个分母小于等于 2 的最简分数。 # # 示例 2： # # 输入：n = 3# 输出：["1/2","1/3","2/3"]# # # 示例 3： # # 输入：n = 4# 输出：["1/2","1/3

2022-02-10 09:57:33 388

原创 leetcode[2006]差的绝对值为 K 的数对数目 python3实现（Counter计数，一次遍历）

# 给你一个整数数组 nums 和一个整数 k ，请你返回数对 (i, j) 的数目，满足 i < j 且 |nums[i] - nums[j]| == k 。# # # |x| 的值定义为： # # # 如果 x >= 0 ，那么值为 x 。 # 如果 x < 0 ，那么值为 -x 。 # # # # # 示例 1： # # 输入：nums = [1,2,2,1], k = 1# 输出：4# 解释：差的绝对值为 1 的数对为：# - [

2022-02-09 13:20:28 252

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week6 学习笔记（Advice for Applying Machine Learning）

评估假设函数如果发现训练出的模型结果不好，一般会从以下方面找问题：扩充训练集减少特征集使用额外的特征使用多项式特征增减λ测试集为了评估假设函数，一般会将数据集分为两部分：70%的训练集和30%的测试集。用训练集获得Theta，用测试集评估效果。测试集的误差计算方法：线性回归：分类：其中：验证集参考：一文看懂 AI 数据集：训练集、验证集、测试集（附：分割方法+交叉验证）验证集是用来调整超参数的，如果无需调整超参数，可以不使用验证集，只用训练+测试集。

2022-02-07 16:09:11 1125

原创 leetcode[1405]最长快乐字符串 python3实现（贪心法，字典排序）

# 如果字符串中不含有任何 'aaa'，'bbb' 或 'ccc' 这样的字符串作为子串，那么该字符串就是一个「快乐字符串」。 # # 给你三个整数 a，b ，c，请你返回任意一个满足下列全部条件的字符串 s： # # # s 是一个尽可能长的快乐字符串。 # s 中最多有a 个字母 'a'、b 个字母 'b'、c 个字母 'c' 。 # s 中只含有 'a'、'b' 、'c' 三种字母。 # # # 如果不存在这样的字符串 s ，请返回一个空字符串 ""。 #

2022-02-07 15:04:50 583

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week5 学习笔记

神经网络的代价函数定义L = 神经网络总层数sl = 第l层的单元数（不包含bias unit）K = output units/classes的数量普通逻辑回归代价函数：神经网络代价函数：后面的正则化部分，θ矩阵的：列数=当前层的节点数（包含bias unit）行数=下一层的节点数（不包含bias unit）反向传播先正向推导：再反向求代价：D：delta矩阵，它正好是J(θ)的偏导函数有点复杂。暂不深究细节，先会用。反向传播和正向传播很像，只是换了个方向：

2022-02-06 10:18:43 774

原创 leetcode[1748]唯一元素的和 python3实现（一次遍历，两个集合）

# 给你一个整数数组 nums 。数组中唯一元素是那些只出现恰好一次的元素。 # # 请你返回 nums 中唯一元素的和。 # # # # 示例 1： # # 输入：nums = [1,2,3,2]# 输出：4# 解释：唯一元素为 [1,3] ，和为 4 。# # # 示例 2： # # 输入：nums = [1,1,1,1,1]# 输出：0# 解释：没有唯一元素，和为 0 。# # # 示例 3 ： # # 输入：nums = [1,

2022-02-06 08:53:16 759

原创 leetcode[1219]黄金矿工 python3实现（dfs，回溯）

# 你要开发一座金矿，地质勘测学家已经探明了这座金矿中的资源分布，并用大小为 m * n 的网格 grid 进行了标注。每个单元格中的整数就表示这一单元格中的黄# 金数量；如果该单元格是空的，那么就是 0。 # # 为了使收益最大化，矿工需要按以下规则来开采黄金： # # # 每当矿工进入一个单元，就会收集该单元格中的所有黄金。 # 矿工每次可以从当前位置向上下左右四个方向走。 # 每个单元格只能被开采（进入）一次。 # 不得开采（进入）黄金数目为 0 的单元格。 # 矿工

2022-02-05 11:36:57 692

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week4 学习笔记

背景当目标函数非线性时（比如下图明显需要一条曲线），就需要增加高次项来获得曲线，当特征数量比较多时，增加高次项会使特征数量爆炸式增长。比如图像识别问题，对50 * 50像素的图像，如果将每个像素作为特征，增加二次特征就会产生约3 * 10 ^ 6个特征（C22500 = 2500 * 2499 / 2）这种情况下，若要使用普通逻辑回归学习所有特征，计算量就过大了。此时用神经网络学习这种复杂的非线性假设函数，就比较合适了。神经网络首先学习几个术语：dendrite: 树突（输入）cell

2022-02-04 16:23:56 1167

原创 leetcode[1725]可以形成最大正方形的矩形数目 python3实现（一次遍历，找最值数量）

# 给你一个数组 rectangles ，其中 rectangles[i] = [li, wi] 表示第 i 个矩形的长度为 li 、宽度为 wi 。 # # 如果存在 k 同时满足 k <= li 和 k <= wi ，就可以将第 i 个矩形切成边长为 k 的正方形。例如，矩形 [4,6] 可以切成边长最大为 # 4 的正方形。 # # 设 maxLen 为可以从矩形数组 rectangles 切分得到的最大正方形的边长。 # # 请你统计有多少个矩形能够切出边长为 m

2022-02-04 09:07:09 268

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week3 学习笔记

分类问题例如对肿瘤的分类问题：0：良性1：恶性二元分类问题（binary classification problem）只需要两个结果：0和1。有时候也用-和+表示，所以y(i) 也被称为标签。逻辑回归一些术语：asymptotes 渐近线使用sigmoid函数g(z)将线性函数h(x)的值域映射到(0, 1)，g(z)的函数图：新的h(x)就表示结果为1的概率。例如肿瘤分类的例子，假如hθ (x) = 0.7，就表示输出结果为1，即肿瘤为恶性的概率为70%。相应的，输出结果为0

2022-02-03 15:49:21 940

原创 leetcode[1414]和为 K 的最少斐波那契数字数目 python3实现（贪心法）

# 给你数字 k ，请你返回和为 k 的斐波那契数字的最少数目，其中，每个斐波那契数字都可以被使用多次。 # # 斐波那契数字定义为： # # # F1 = 1 # F2 = 1 # Fn = Fn-1 + Fn-2 ，其中 n > 2 。 # # # 数据保证对于给定的 k ，一定能找到可行解。 # # # # 示例 1： # # 输入：k = 7# 输出：2 # 解释：斐波那契数字为：1，1，2，3，5，8，13，……# 对于 k = 7

2022-02-03 13:13:22 449

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week2 学习笔记

多维特征（Multiple Features）多元线性回归，即包含多个变量，比如房子的房龄、面积、房间数等，标记如下：假设函数就变成了：可以理解为：θ0表示基础价格θ1为每平方价格，X1为平米数θ2为每层价格，X2为层数假设函数简写为：梯度下降就变成了：左图是之前单变量时的梯度下降，右图是多变量的梯度下降，二者对比如下：特征值预处理当几个特征的量级相差过大时，会出现左图的情况，收敛路径复杂且缓慢；最好将特征都缩放到接近[-1, 1]，就能像右图一样收敛形成圆润的等高线，加快

2022-02-02 17:21:40 1518

原创 Machine Learning - Coursera 吴恩达机器学习教程 Week1 学习笔记

机器学习的定义Arthur Samuel 传统定义Arthur Samuel: “the field of study that gives computers the ability to learn without being explicitly programmed.” This is an older, informal definition.让计算机无需明确编程，就有学习能力。Tom Mitchell 现代定义Tom Mitchell: “A computer program is s

2022-02-01 17:49:01 1138

Partrition Manager 绿色版

空空如也