《算法》
搖擺序列
- 當有連續(xù)遞增或遞減的子序列時撕蔼，此時一定不是搖擺序列豁鲤，只能從這個連續(xù)遞增或遞減的子序列中取某一個或多個值時，才能使得序列為搖擺序列鲸沮，為此選擇遞增或遞減子序列中的哪個值便成為了目標琳骡。
- 貪心策略：選擇其中的什么數(shù)才能使搖擺序列最長？選擇遞增或遞減序列的首尾元素讼溺。
移除k個數(shù)字
貪心策略：移除數(shù)組中的哪個數(shù)字才能使得剩下的字符組成的數(shù)值最腥瞻尽？
圖1. 貪心策略
《機器學習》
TF-IDF
-
TF-詞頻
圖2. 詞頻計算示例 -
IDF-逆文檔概率
圖3. 逆文檔概率計算示例 -
TF-IDF計算
圖4. TF-IDF計算示例
樸素貝葉斯算法
- 為什么說樸素
整個形式化過程肾胯，只做最簡單，最原始的假設(shè)耘纱。 -
條件概率公式
圖5. 條件概率公式
上式的含義：在B發(fā)生的條件下A發(fā)生的概率敬肚，其中P(AB)為聯(lián)合概率，即A和B同時發(fā)生的概率
- 全概率公式
若事件B1束析，B2艳馒，…構(gòu)成一個完備事件組且都有正概率，則對任意一個事件A有如下公式：
圖6. 全概率公式
-
貝葉斯公式
由圖5和圖6兩個公式可得员寇，貝葉斯公式如下：
圖7. 貝葉斯公式
《機器學習相關(guān)庫的使用》
pandas庫的使用
- pandas讀取文件弄慰，將數(shù)據(jù)加載為DataFrame格式
pd.read_table()
pd.read_csv()
...... - DataFrame格式數(shù)據(jù)的常用操作
data.head() # 查看頭上的元素
data.列名或data["列名"] # 獲取Series，代表某一列的所有數(shù)據(jù)
data.shape # 查看data的行和列數(shù)
data["列1"] + data["列2"] # 合并兩個列蝶锋，并且可以給data添加新的列
data["新列名"] = 數(shù)據(jù)
data.dtypes # 查看每一列的數(shù)據(jù)類型
