摘要: 1、121. 买卖股票的最佳时机(仅限一次) 给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。 如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。 注意你不能在买入股票前卖出股票。 示例 1: 给定一个数组,它的第 i 个元素是一支给定股票 阅读全文
posted @ 2018-06-22 22:45 深度机器学习 阅读(311) 评论(0) 推荐(0) 编辑
摘要: 1、梯度消失和爆炸 梯度消失:一是在深层网络中;二是采用了不合适的损失函数,比如sigmoid(导数最大为0.25,神经网络的反向传播是逐层对函数偏导相乘,因此当神经网络层数非常深的时候,最后一层产生的偏差就因为乘了很多的小于1的数而越来越小,最终就会变为0,从而导致层数比较浅的权重没有更新,这就是 阅读全文
posted @ 2018-06-22 17:07 深度机器学习 阅读(2207) 评论(0) 推荐(0) 编辑
摘要: 1、53. 最大子序和 给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。 示例: 输入: [-2,1,-3,4,-1,2,1,-5,4], 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。 class Solution { 阅读全文
posted @ 2018-06-21 15:21 深度机器学习 阅读(1163) 评论(0) 推荐(0) 编辑
摘要: 1、114. 二叉树展开为链表 给你二叉树的根结点 root ,请你将它展开为一个单链表: 展开后的单链表应该同样使用 TreeNode ,其中 right 子指针指向链表中下一个结点,而左子指针始终为 null 。展开后的单链表应该与二叉树 先序遍历 顺序相同。 这个方法是从根节点开始出发,先检测 阅读全文
posted @ 2018-06-20 21:42 深度机器学习 阅读(202) 评论(0) 推荐(0) 编辑
摘要: 1、题目:输入n个整数,找出其中最小的K个数。 例如输入4,5,1,6,2,7,3,8这8个数字,则最小的4个数字是1,2,3,4。 快排思路(掌握): class Solution { public: vector<int> GetLeastNumbers_Solution(vector<int> 阅读全文
posted @ 2018-06-20 20:59 深度机器学习 阅读(274) 评论(0) 推荐(0) 编辑
摘要: 1、过拟合问题 欠拟合:根本原因是特征维度过少,模型过于简单,导致拟合的函数无法满足训练集,误差较大; 解决方法:增加特征维度,增加训练数据; 过拟合:根本原因是特征维度过多,模型假设过于复杂,参数过多,训练数据过少,噪声过多,导致拟合的函数完美的预测训练集,但对新数据的测试集预测结果差。 过度的拟 阅读全文
posted @ 2018-06-20 12:29 深度机器学习 阅读(53053) 评论(1) 推荐(10) 编辑
摘要: 主要作用: 1、跨通道的特征整合 2、特征通道的升维和降维 3、减少卷积核参数(简化模型),对于单通道feature map 用单核卷积即为乘以一个参数,而一般情况都是多核卷积多通道,实现多个feature map的线性组合 4、可以实现与全连接层等价的效果。如在faster-rcnn中用1*1*m 阅读全文
posted @ 2018-06-20 11:12 深度机器学习 阅读(1818) 评论(0) 推荐(0) 编辑
摘要: Pandas有两种数据结构:Series和DataFrame。 1、Series Series类似于一维数组,和numpy的array接近,由一组数据和数据标签组成。数据标签有索引的作用。数据标签是pandas区分于numpy的重要特征。索引不一定是从0开始的数字,它可以被定义。 Series有自动 阅读全文
posted @ 2018-06-19 16:45 深度机器学习 阅读(432) 评论(0) 推荐(0) 编辑
摘要: 可以把问题根据难度从小到大排个序:大数据+分布均衡<大数据+分布不均衡<小数据+数据均衡<小数据+数据不均衡。 说明:对于小数据集,机器学习的方法是比较棘手的。对于需要解决的问题,拿到数据后,首先统计可用训练数据有多大,然后再观察数据分布情况。经验表明,训练数据中每个类别有5000个以上样本,其实也 阅读全文
posted @ 2018-06-19 15:12 深度机器学习 阅读(1026) 评论(0) 推荐(0) 编辑
摘要: 1、决策树 适用条件:数据不同类边界是非线性的,并且通过不断将特征空间切分为矩阵来模拟。特征之间有一定的相关性。特征取值的数目应该差不多,因为信息增益偏向于更多数值的特征。 优点:1.直观的决策规则;2.可以处理非线性特征;3.考虑了变量之间的相互作用。 缺点:1.容易过拟合(随机森林、剪枝);2. 阅读全文
posted @ 2018-06-19 12:12 深度机器学习 阅读(5184) 评论(0) 推荐(0) 编辑