發(fā)簡信
IP屬地：北京
-
概述1话瞧、學習地圖 2春塌、
-
劍指offer
1、二維數組中的查找 在一個二維數組中（每個一維數組的長度相同）嗡综，每一行都按照從左到右遞增的順序排序乙帮，每一列都按照從上到下遞增的順序排序。請完成...
-
隊列和棧基礎： 1极景、用數組結構實現大小固定的隊列和棧 數組實現棧思路：用一個指針來確定位置,當大于數組長度或者為0時拋出異常 數組實現隊列思路：先定義一...
-
樹基礎 1察净、實現二叉樹的先序、中序盼樟、后序遍歷氢卡，包括遞歸和非遞歸方式2、在二叉樹中找到一個節(jié)點的后繼節(jié)點 3晨缴、判斷一棵二叉樹是否是平衡二叉樹4译秦、判斷...
-
排序
基本排序：插入，選擇击碗，冒泡 三大排序：歸并诀浪，快速，堆排 1延都、歸并排序 -- 時間復雜度O(N*logN)雷猪，空間復雜度O(N) 思路：遞歸方法，本...
-
手撕transformer1. 從encoder-decoder說起 encoder-decoder是一個框架晰房，在生成模型中使用廣泛求摇，這里以翻譯系統(tǒng)為例。 添加encod...
-
一些零碎的知識1殊者、MLE和MAP MLE: 模型已定与境，參數未知 極大似然估計，是一種參數估計的方法猖吴。即假設樣本滿足某種分布摔刁，利用已知的樣本結果信息去反推最有可...
-
過擬合
摘要過擬合的問題在機器學習算法中很常見，在深度學習中更常見的是模型train不起來海蔽，而不是過擬合共屈，過擬合的處理方法可以是：降低模型復雜度，正則党窜，...
-
優(yōu)化算法總結
機器學習中的無約束優(yōu)化算法拗引，包括最小二乘、梯度下降幌衣、牛頓/擬牛頓法矾削；樣本量不算很大，且存在解析解，可選用最小二乘法哼凯，速度快欲间；樣本量大時使用梯度下...