- 博客(41)
- 收藏
- 关注
RSS订阅原创 847. 访问所有节点的最短路径（无向连通图的最短路径）
无向连通图的最短路径！！！参考：https://www.cnblogs.com/MrSaver/p/9465181.html思路：from collections import deque, namedtupleclass Solution(object): def shortestPathLength(self, graph): """ :ty...
2019-04-10 21:14:45
7647
1
原创 112. 路径总和
思路：找到递归结束的判决条件： if not root: return False if not root.left and not root.right and root.val == s: return True代码如下：# Definition for a binary tree node.# class...
2019-04-10 20:39:00
180
原创 113. 路径总和 II
思路：运用递归，首先要判断递归结束的条件。1. 限制条件是从根到叶子结点！if not node: return # 只要没达到叶子结点，就一路存储结点 tmp.append(node.val) 2. 找到需要的道路(判决条件)： # 需要的道路(判决条件)：到达叶子结点且道路总和为sif not node.left and not node.right a...
2019-04-10 20:13:44
128
原创 437. 路径总和 III
思路：一：# Definition for a binary tree node.# class TreeNode(object):# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution(obje...
2019-04-10 19:33:19
234
原创 103. 二叉树的锯齿形层次遍历
思路：层次遍历：下面这中方式复杂化了：变动了结点# Definition for a binary tree node.# class TreeNode(object):# def __init__(self, x):# self.val = x# self.left = None# self.right = Non...
2019-04-10 16:26:34
150
原创 102. 二叉树的层次遍历
# Definition for a binary tree node.# class TreeNode(object):# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution(object): ...
2019-04-10 11:30:45
120
原创 111. 二叉树的最小深度
思路：递归# Definition for a binary tree node.# class TreeNode(object):# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution(obje...
2019-04-10 11:13:00
103
原创 104. 二叉树的最大深度
思路：递归实现：# Definition for a binary tree node.# class TreeNode(object):# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution(o...
2019-04-10 10:53:07
95
原创 332. 重新安排行程
思路：方法一：dfs加回溯class Solution: def findItinerary(self, tickets: List[List[str]]) -> List[str]: from collections import defaultdict graph = defaultdict(list) for i in ...
2019-04-10 10:20:11
452
原创 310. 最小高度树
对于一个具有树特征的无向图，我们可选择任何一个节点作为根。图因此可以成为树，在所有可能的树中，具有最小高度的树被称为最小高度树。给出这样的一个图，写出一个函数找到所有的最小高度树并返回他们的根节点。思路：最小高度的树的根一定不会在叶子节点取得！(怎么判断是叶子呢？它的邻边数量为1)每一轮修剪一次剩余的所有叶子节点，一旦节点数量只有1或者2，停止修剪，返回答案。class Solut...
2019-04-08 17:17:20
291
原创 997. 找到小镇的法官
class Solution(object): def findJudge(self, N, trust): """ :type N: int :type trust: List[List[int]] :rtype: int """ res = [0] * N res_1 = ...
2019-03-30 11:48:37
207
原创 485. 最大连续1的个数
方法一：class Solution(object): def findMaxConsecutiveOnes(self, nums): """ :type nums: List[int] :rtype: int """ res = ''.join(str(x) for x in nums).split('0...
2019-03-30 10:54:47
98
原创 973. 最接近原点的 K 个点
class Solution(object): def kClosest(self, points, K): """ :type points: List[List[int]] :type K: int :rtype: List[List[int]] """ res = [] ...
2019-03-30 10:36:31
137
原创 837. 新21点
思路：动态规划类似爬楼梯的问题，每次可以跨[1,W]个楼梯，当一共爬了K个和以上的台阶时停止，问这个时候总台阶数<=N的概率。使用动态规划，dp[i]表示得到点数i的概率，只有当现在的总点数少于K的时候，才会继续取数。那么状态转移方程可以写成：1. 当i <= K时，dp[i] = （前W个dp的和）/ W；(爬楼梯得到总楼梯数为i的概率）2. 当K < i <...
2019-03-30 10:28:14
154
转载 967. 连续差相同的数字
思路：N位数，可以先找到满足条件的一位数、二位数、三位数。。。直到N维数。class Solution(object): def numsSameConsecDiff(self, N, K): """ :type N: int :type K: int :rtype: List[int] """ ...
2019-03-30 08:55:14
193
原创 72. 编辑距离
动态规划：将大问题分解为小问题。用一个二维数组dp[i][j]表示word1的前i个字符匹配到word2的前j个字符需要几次操作。class Solution(object): def minDistance(self, word1, word2): """ :type word1: str :type word2: str ...
2019-03-29 15:53:08
87
原创 787. K 站中转内最便宜的航班（加权有向图的最短路径）
题目：思路： 加权图的最短路径1. 首先将航线转化为字典形式存储。(当前城市–下一城市–费用）2. 建一个双向队列，元素为元组形式。(当前城市，src到当前城市的费用，中转次数)3. 记录src到目的地dst的最小费用cheapest=1e6。(先设置为一个很大的数，这样在最后若cheapest=1e6，则说明没有从src到dst的路径，此时，返回-1)4. 然后处理队列：4...
2019-03-29 10:54:39
658
原创 665. 非递减数列
思路： 遍历整个数组，如果遇到nums[i]>nums[i+1]的情况，则要么修改nums[i]，要么修改nums[i+1]。若修改一次就能成功，则去掉nums[i]或者num[i+1]，剩下的数组必然是非递减的。class Solution: def checkPossibility(self, nums): """ :type nums: Li...
2019-01-04 16:20:19
112
原创 210. 课程表 II
现在你总共有 n 门课需要选，记为 0 到 n-1。在选修某些课程之前需要一些先修课程。 例如，想要学习课程 0 ，你需要先完成课程 1 ，我们用一个匹配来表示他们: [0,1]给定课程总量以及它们的先决条件，返回你为了学完所有课程所安排的学习顺序。可能会有多个正确的顺序，你只要返回一种就可以了。如果不可能完成所有课程，返回一个空数组。示例 1:输入: 2, [[1,0]] 输出: ...
2019-01-04 11:59:44
186
原创 二叉树(前序，中序，后序，层序)遍历递归与循环的python实现
待整理，可参考博文：https://www.cnblogs.com/bjwu/p/9284534.html
2019-01-04 11:59:31
262
原创 207. leetcode 课程表
题目：现在你总共有 n 门课需要选，记为 0 到 n-1。在选修某些课程之前需要一些先修课程。 例如，想要学习课程 0 ，你需要先完成课程 1 ，我们用一个匹配来表示他们: [0,1]给定课程总量以及它们的先决条件，判断是否可能完成所有课程的学习？示例 1:输入: 2, [[1,0]]输出: true解释: 总共有 2 门课程。学习课程 1 之前，你需要完成课程 0。所以这是可能的...
2019-01-04 11:59:10
442
原创 938. 二叉搜索树的范围和
思路： 明确二叉搜索树的性质。按中序遍历后得到的数组是升序排列的。L和R中间的数其实也相当于[L, R]之间的数。这样有几种方法可以得到：注意： root = [10, 5, 15, 3, 7, 13, 18, 1, null, 6] 是按层从左到右给出的。方法一、直接遍历二叉树，遍历过程中直接把[L, R]之间的数相加。遍历条件： if node.val < R: ...
2019-01-04 11:58:36
286
原创 530. 二叉搜索树的最小绝对差
注意：二叉搜索树的性质：任意节点x，其左子树中的key不大于x.key，其右子树中的key不小于x.key。因此，中间节点的值一定是其左右节点值的中间数，因此最小差别一定是在中间节点与左右节点之间思路： 中序遍历二叉搜索树，每次比较当前节点与前一节点差值的绝对值与目前result中保存的最小值的大小，将较小的保存在result中。第一直觉：用 gloabal 辅助中序遍历80秒...
2019-01-03 16:33:26
227
原创 107. 二叉树的层次遍历 II
想法：# Definition for a binary tree node.# class TreeNode:# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution: def levelO...
2019-01-03 14:21:10
143
原创 分词
分词是进行词性标注、命名实体识别、关键词提取、文本聚类等后续自然语言处理任务的基础，也是语义分析等深层次文本理解任务的基础。 研究方法主要分为 三种: • 基于规则的方法 • 基于传统机器学习模型的方法： 0. N-gram语言模型 N-gram 语言模型是用来计算一个词串或者是一句话W=w1w2…wn出现概率的统计模型。N-gram 模型假设某词的出现概率只与该词前面的 n-...
2018-09-15 17:09:45
311
原创 朴素贝叶斯
朴素贝叶斯分布：python实现：强烈推荐：[博主]特征值是连续值时，用高斯模型，得到各类别下单个特征的均值和方差，得到正态分布的概率密度，由概率密度，就可以把值带进去，算出某一点的自此类别下对应特征的概率（密度）。 sklearn关于朴素贝叶斯三种模型的实例：参照适用案例：垃圾邮件分类，优点：对缺失数据不太敏感，算法也比较简单，常用于文本分类。缺点：由于我们是通过先验和...
2018-09-11 16:33:18
140
原创 csv文件查找指定内容
csv_keyword = csv.reader(open('Keyword.csv', 'r'))keywords = []for row in csv_keyword: keywords.append(row)print(keywords)for i in range(len(keywords)): if '证券' in keywords[i][2]: ...
2018-05-10 11:32:37
9662
原创 匹配关键字，给新闻贴上个股标签
贴上个股标签import csvimport pandas as pdfrom database import Database#from connect_keywords.database import Databasecsv_file = csv.reader(open('finace_news_content.csv', 'r'))csv_keyword = csv.reade...
2018-05-09 16:05:36
383
原创 去重的类函数实现
# -*- coding: utf-8 -*-import pandas as pdimport numpy as npimport jieba.posseg as psegimport codecsfrom gensim import corpora, models, similaritiesfrom database import Databasefrom demo impor...
2018-04-19 18:22:06
382
原创 SVD简介
一、回顾：特征分解 特征值和特征向量的定义如下：Ax=λxAx=\lambda x A∈ℝn∗nA\in\mathbb{R}^{n*n}, x∈ℝn∗1x\in\mathbb{R}^{n*1}, λ\lambda 是矩阵 AA 的一个特征值，而 xx 是 λ\lambda 所对应的特征向量。 利用特征值和特征向量，我们可以对矩阵进行矩阵分解。如果我们求出了矩阵AA 的 nn 个特征值 λ1,
2018-01-11 14:00:29
1000
原创 PCA推导
一、协方差、协方差矩阵：方差是描述一维数据样本本身相对于均值的偏离程度。 思考：如果遇到含有多维数据的数据集，比如要统计多个学科的考试成绩，面对这样的数据集，我们当然可以按照每一维独立的计算其方差，但是通常我们还想了解更多，比如，某个考生数学成绩很好（数学成绩平均值高，且其方差小），他的物理成绩也很好（物理成绩平均值高，且其方差小），这些可以用均值和方差来描述，但是我们想要了解考生的数
2018-01-10 17:58:41
458
原创 降维-主成分分析
一、降维动机：1.1、数据压缩：占内存小，可加快学习算法下面举个小例子： 将数据从二维降至一维: 假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果的单位是英寸，另一个仪器测量的结果是厘米，我们希望将测量的结果作为我们机器学习的特征。现在的问题的是，两种仪器对同一个东西测量的结果不完全相等(由于误差、精度等)，而将两者都作为 特征有些重复，因而，我们希望将这个二维的数
2018-01-10 08:48:38
840
原创 使用朴素贝叶斯过滤垃圾邮件
使用朴素贝叶斯解决一些现实生活中的问题时，需要先从文本内容得到字符串列表，然后生成词向量。下面这个例子中，将了解朴素贝叶斯的一个著名的应用：电子邮件垃圾过滤。 （1）收集数据：提供文本文件 （2）准备数据：将文本文件解析成词条向量 （3）分析数据：检查词条确保解析的正确性 （4）训练算法：使用我们之前建立的trainNB()函数 （5）测试数据：使用classify
2018-01-08 22:22:07
1708
原创 【机器学习 】使用朴素贝叶斯进行文档分类
朴素贝叶斯的一般过程： 1、收集数据：任何方法 2、准备数据：需要数值型或者布尔型数据 3、分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好 4、训练算法：计算不同的独立特征的条件概率 5、测试算法：计算错误率 6、使用算法：常见的朴素贝叶斯应用是文档分类。可以在任何分类场景中使用朴素贝叶斯分类器，不一定非要文本。思考：如果每个特征需要N
2018-01-07 20:05:56
2272
原创 【机器学习】决策树（下)CART算法分类树、回归树
创建分支的伪代码如下：> if so return 类标签; else> 寻找划分数据集的最好特征> 划分数据集> 创建分支结点> for 每个分支结点> 调用函数createBranch并增加返回结点到分支结点中//递归调用createBranch（）> return 分支结点C
2018-01-06 17:29:29
955
原创 【机器学习】决策树（上）
前言：决策树是一种基本的分类与回归算法。可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 学习时，利用训练数据，根据损失函数最小化原则建立决策树模型。 学习包括3个步骤：特征选择、决策树的生成、决策树的修建一、决策树模型 更多参照博文分类决策树模型：是一种描述对实例进行分类的树形结构。由结点和有向边组成。结点有两种类型：内部结点和叶结点。内部结点
2018-01-05 16:05:42
834
原创 用k-近邻算法：手写识别系统
用k-近邻算法：手写识别系统一、准备数据：将图像转换为测试向量我们将图像格式化处理为一个向量：把一个32x32的二进制图像矩阵转换为1x1024的向量。还是在kNN.py文件中，编写将图像转换为向量的函数如下：#将图像转换为测试向量def img2vector(filename): returnVect = zeros((1, 1024))#创建一个1x1024的nump
2018-01-05 10:40:43
379
原创 使用k-近邻算法改进约会网站的配对效果
有关k-近邻的理论知识以及算法实现，可查看上一篇博文k-近邻 此文以一个实际例子：使用k-近邻算法改进约会网站的配对效果。 在约会网站上使用k-近邻算法： 1、收集数据：提供文本文件 2、准备数据：使用python解析文本文件 3、测试算法：将数据集分为训练数据和测试数据。用训练数据训练分类器，用测试数据集评估分类器。 4、使用算法：输入一些特征数据来判断是否是自己
2018-01-04 15:08:51
1711
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