灰人

摘要： 这道题一看题就能猜到肯定是动态规划了，因为你穷举的话：第一个硬币有n种拿法，第二个硬币有n种拿法，这下去量级可就太大了。问题是，动态规划，怎么规划能规划出来，而且比较便于人类理解呢？ 当然是dp[i]代表总面值为 i 我们需要dp[i]个硬币比较合理。 之后我们可以通过dp[i - m] + 1 来 阅读全文

摘要： 语法： virtual 返回值类型 函数名（参数） 为什么会有虚函数？为了实现多态。 什么是多态？多态就是当A是B的父类，可以通过A的指针来调用实际B的同名函数。这样，A就有了多种形态，多态的本质是使用不变的代码实现可变的算法。 什么是虚函数表？虚函数是通过虚函数表来实现的，用父类的指针操作一个子类 阅读全文

摘要： 这道题我们学到了一个重要知识点和一个好用的小技巧。 先说小技巧，当我们想把字典中key为m的值加1的时候，如果这个key不在字典里那么会报错。不使用defaultdict的话，我们可以使用：count[m] = count.get(m,0) + 1 get拿不到m的话就为0了，然后+1。如果能拿到那 阅读全文

摘要： 这一题我最开始走到了思维误区，认为应该把输入先按0切分开来，然后再考虑负数的情况。这种思维倒是符合正常的思维模式，但是思考到分开之后大量的子数组段保存需要较大空间，而且处理起来很复杂，这时候就应该思考一些别的思路而不是继续优化它了。 动态规划的思想似乎在这道题的样子里若隐若现，可惜不是加和而是相乘， 阅读全文

摘要： 回归树参考：https://zhuanlan.zhihu.com/p/82054400 回归树：CART同样由特征选择、树的生成及剪枝组成，既可以用于分类也可以用于回归。 分类过程： 输入空间确定的时候用均方误差，CART回归树采用启发式的方法对输入空间进行划分，选择第j个变量 和它取的值s，作为切 阅读全文

摘要： l1和l2的正则区别在哪里？ l1得到稀疏解可以用做特征选择，l2得到趋近于0的解可以防止过拟合。 l1正则项：求导之后是λ 梯度下降法中梯度更新为 w：= w-aλ，此时a为常数，经过多次更新后w=0，从而正则化带来稀疏解。 l2正则项：求导之后是2λw 梯度更新为w：=w-2aλw，因为衰减项中 阅读全文

摘要： svm对噪声的敏感性：SVM的目的是求出与支持向量有最大化距离的直线，以每个样本为圆心，该距离为半径做圆，可以近似认为圆内的点与该样本属于相同分类。如果出现了噪声，那么这个噪声所带来的错误分类也将最大化，所以SVM对噪声是很敏感的。 阅读全文

摘要： 浅拷贝：藕断丝连 深拷贝：原对象和新对象没有任何关系 1.python中对象的赋值实际上是对象的引用。 不可变对象：字符串、整形、元组。当你试图更改不可变对象的时候，例如执行了a = 1 实际是创建了一个新的值为1的对象让a指向它。 可变对象：列表、字典、集合。如列表list中适用append后li 阅读全文

摘要： 刚入门推荐系统，接触的第一个项目记录下来学习一下。 项目比赛链接：https://tianchi.aliyun.com/notebook-ai/detail?postId=144449 任务：推荐用户喜欢的文章 User-base和Item-base User-base：当用户A和BC喜欢的物品相似 阅读全文

摘要： 这将是我写的最详细的一篇博客，目的就是想把广告相关的一些机制、规则研究透彻，从而能够切实理解一些算法背后的含义。 先从广告的竞价机制开始说起 广义第一价格（GFP）：02年之前的出价基本是这个价格，说白了就是谁出价高广告位就是谁的。 但是这个出价会有个现象，那就是对于拿到广告位的广告主他会在下次出价 阅读全文