04 2021 档案
摘要：1. 发生在 KAGGLE 比赛中的“地震”现象 主要原因：训练集和测试集数据分布不一致 检测：在训练集合和测试集合上训练一个二分类，并在测试集合上进行 auc 检测，如果 auc = 0.5，说明训练集合和测试集合没有显著差异。当 > 0.7 时，说明有较大差异。 应用1：二分类预测测试集上所有样
阅读全文
摘要：DPP 为什么 当用户在我们系统中点击行为比较少的时候，我们会补充一些热门特征来丰富用户画像。 所谓的热门特征，是累加了所有用户点击过的新闻特征，然后取topk得到的。 会发现，尤其对于一些细粒度的特征，头部会集中在同一语义下。为了平衡热门特征的语义多样性和热门程度，我采用了DPP 的方法。 举个例
阅读全文
摘要：损失函数就是评估预测值和真实值的差距。 分类：经验损失（所有样本上的平均值，所以是经验），结构损失（在经验损失的基础上添加正则项） 常见分类 a. 0-1 loss 非黑即白，正确就是 loss=0，错误就是 loss = 1。 有点过于严苛，所以 svm 放松到一定距离。 由于是非凸函数，不适用
阅读全文
摘要：1. 翻转二叉树：https://leetcode-cn.com/problems/invert-binary-tree/ 2. 二叉树展开为链表，关键在于找到递归部分：https://leetcode-cn.com/problems/flatten-binary-tree-to-linked-li
阅读全文
摘要：要想到，既可以从中间向两边扩散，也可以从两头向中间聚拢！核心-> 双指针 注意 left, right 一旦限定是左闭右开，right取值的时候一定要小心 s[right - 1] !!! 时间复杂度：o(n^2)
阅读全文
摘要：迭代可以 o(1) 的空间复杂度，o(n) 的时间复杂度，翻转链表。 k个一组翻转链表：https://leetcode-cn.com/problems/reverse-nodes-in-k-group/ 还是可以看做递归问题，每次返回的是新的head，通过 head.next 递归调用下一个翻转组
阅读全文
摘要：真的考了~ 搜狐上来手撕两道代码题。第一道就是这个。 迭代写法可以，但是很多注意细节。 递归比较简洁优美。适合装逼，但不适合考试，因为空间复杂度是O(n)。 1. 递归整个链表：https://leetcode-cn.com/problems/reverse-linked-list/ -> 判断递归
阅读全文
摘要：需求 占内存太大：但是没有想明白哪里占？参数？ 那就计算一下参数：每个特征哈希出多少个结果 常见方法 Pruning（修剪）: 因为神经网络很多权重几乎为0，这类参数作用不大，部分参数删掉也不影响模型预测效果 Weight Factorization（权重分解）：权重矩阵可以进行低秩矩阵分解，即lo
阅读全文
摘要：百度 https://blog.csdn.net/u012991043/article/details/81707057 https://leetcode-cn.com/problems/sort-of-stacks-lcci/ https://www.nowcoder.com/questionTe
阅读全文
摘要：危害 从样本量悬殊的角度 考虑 loss_function 通常都是正负例 loss 的求和，那么一旦一方样本数居多，loss就偏向于一方的loss，说明就在学习负例。造成最终结果不正确。 从易分类的角度 一定有些样本是特别易分类的，一旦这些样本量多起来，就对 loss 贡献不容小觑了。造成最终模型
阅读全文
浙公网安备 33010602011771号