6 天前 / 噶牛爱尚
首发于C++学习之路写文章算法面试必修课，动态规划基础题型归纳（一）Coolwriter码农，数码，汽车，鬼畜31 人赞同了该文章一、前言动态规划（Dynamic Programming，简称DP），虽然抽象后进行求解的思路并不复杂，但具体的形式千差万别，找出问题的子结构以及通过子结构重新构造最优解的过程很难统一，并不像回溯法具有解决绝大多数问题的银弹。 随着计算机从业与求职者的增加，并伴随大家都是“有备而来”的情况下，一般简单的反转链表之类的题目已经无法再在面试中坚挺了。因此在求职者人数与招聘名额的比例较大的情况下，公司会倾向于出更难的面......
8 天前 / semlinker
1.1 什么是 SnowflakeSnowflake is a service used to generate unique IDs for objects within Twitter (Tweets, Direct Messages, Users, Collections, Lists etc.). These IDs are unique 64-bit unsigned integers, which are based on time, instead of being sequential. The full ID is composed of a timestamp, a worker number, and a sequence number. When consuming the API using JSON, it is important to always use the field id_str instead of id. This is due to the way Javascript and other languages that consume JSON ev......
8 天前 / Howie6879
ia_200008027前面一章，我们通过了梯度下降算法实现目标函数的最小化，从而学习了该神经网络的权重和偏置，但是有一个问题并没有考虑到，那就是如何计算代价函数的梯度，本章的重点就是介绍计算这些梯度的快速算法——反向传播算法，首先先介绍一下上图中以及下面文章中会出现的一些数学符号： : 表示网络层数: 表示第层的第个神经元的偏置: 表示第层的第个神经元的激活值: 表示从层的第个神经元到第层的第个神经元的连接上的权重: 权重矩阵，其中元素表示层连接到层神经元的权重: 第层神经元的偏置向量: 第层神经元的带权输入向量: 第层每个神经......
9 天前 / 承香墨影
一. 序我又来讲链表题了，这道题据说是来自字节跳动的面试题。 为什么说是「据说」呢？因为我也是看来的，觉得题目还是挺有意思，但是原作者给出的方案，我想了想觉得还有优化空间，就单独拿出来讲讲。 就像本文的题目说的，这是一道关于链表翻转的题。链表的翻转，之前的文章也讲了很多，例如：链表翻转、链表两两翻转、K 个一组翻转链表。这些其实都是 leetcode 上的标准题，但是通常企业给出的面试题，多半会做一些变种，也就是加一些特殊的条件。 例如今天要讲的这道题。 给定单链表的头结点 head，实现一个调整链表的函数，从链表尾部开始......
10 天前 / KeyLiu刘奇
点击上方“Jerry的算法和NLP”，选择“星标”公众号 重磅干货，第一时间送达 1 前言 用一条垂直于X轴或者Y轴的直线将蓝色点和黄色点成功分离，无论这个直线是怎么选取，这个分类都不可能达到100％的准确率。当年感知机的提出为我们解决线性问题提供了解题思路，当面对异或问题的时候，感知机却无能为力。后来引入了激活函数，解决了异或问题，给感知机注入了活力。回到正题，当一条直线无法正确划分这个分类的时候，要怎么做呢？引入激活函数，可以吗？ 2 Bagging Bagging训练流程： 在训练数据个数为X的数据集中，......
12 天前 / openio
本文提供2019年腾讯广告算法大赛冠军的代码分享。 俞士纶（Philip S. Yu）教授的评价“冠军队伍已经在有意无意使用“广度学习”的方法”，评委讲到“这是最接近腾讯真实业务的方案”。（本文作者：王贺） 写在前面 队伍介绍：哈尔滨工业大学二年级硕士生刘育源、中山大学微软亚洲研究院联合培养博士生郭达雅和京东算法工程师王贺。 本文将给出冠军完整方案，全文内容架构将依托于答辩PPT，具体细节也会结合代码进行讲解。当然，思路为主，代码为辅，希望这篇分享能够给予你更多的启发。 下面就让跟随我一起探索这荣获最高嘉奖的方案 ! 赛......
13 天前 / openio
点击蓝色“Java极客技术”关注我哟 加个“星标”，天天早上08:14，一起快乐成长 01、前言 我们常用缓存提升数据查询速度，由于缓存容量有限，当缓存容量到达上限，就需要删除部分数据挪出空间，这样新数据才可以添加进来。缓存数据不能随机删除，一般情况下我们需要根据某种算法删除缓存数据。常用淘汰算法有 LRU,LFU,FIFO,这篇文章我们聊聊 LRU 算法。 02、LRU 简介 LRU是 Least Recently Used 的缩写，这种算法认为最近使用的数据是热门数据，下一次很大概率将会再次被使用。而最近很少被使用的数据，很大概率下一次不再用到。当......
20 天前 / AIOps智能运维
作者简介 时祎瑜 百度高级研发工程师 负责百度智能运维产品（Noah）的策略研发工作，在异常检测方向有大量实践经验。 干货概览 人体就像是一个布满了传感器的监控系统，每时每刻监控着身体各个部分的运作情况。一旦身体出现严重的问题我们立马能感受到，提示我们去医院进行检查。同样，为了掌握公司各业务运行的稳定性，我们会有监控系统充当传感器的角色，采集关键的业务指标（请求数、响应时间等）实时分析它们的波动状态。一旦指标数据发生异常波动，监控系统会立刻通知运维工程师进行处理。 流量，也就是请求数，作为系统的四......
24 天前 / 噶牛爱尚
写文章KMP 算法详解labuladong爱玩编程，算法。公众号：labuladong789 人赞同了该文章KMP 算法（Knuth-Morris-Pratt 算法）是一个著名的字符串匹配算法，效率很高，但是确实有点复杂。 很多读者抱怨 KMP 算法无法理解，这很正常，想到大学教材上关于 KMP 算法的讲解，也不知道有多少未来的 Knuth、Morris、Pratt 被提前劝退了。有一些优秀的同学通过手推 KMP 算法的过程来辅助理解该算法，这是一种办法，不过本文要从逻辑层面帮助读者理解算法的原理。十行代码之间，KMP 灰飞烟灭。 先在开头约定，本文用 pat 表示模式串，长度为 M，txt 表示文本......
24 天前 / 哈尔的数据城堡
在美国有这样一家奇怪的超市，它将啤酒与尿布这样两个奇怪的东西放在一起进行销售，并且最终让啤酒与尿布这两个看起来没有关联的东西的销量双双增加。这家超市的名字叫做沃尔玛。你会不会觉得有些不可思议？虽然事后证明这个案例确实有根据，美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。但这毕竟是事后分析，我们更应该关注的，是在这样的场景下，如何找出物品之间的关联规则。接下来就来介绍下如何使用Apriori算法，来找到物品之间的关联规则吧。一. 关联分析概述选择物品间的关联规则也......
27 天前 / 承香墨影
一. 序链表作为一种基本的数据结构，本身理解起来，很简单。它通过指针或者叫引用，将一组零散的内存空间（结点），串联起来组成一个数据存储结构。 链表根据其指针的指向和丰富程度，可以分为单链表、双向链表、循环链表、双向循环链表。其差别就是，是否在单链表的基础上为结点，增加更丰富的指针，让其实现更丰富的功能。 链表虽然很好理解，但是链表的代码，写起来却并不是那么容易，尤其上一些对单链表的操作，例如链表反转、链表双双反转、有序链表合并等。 你可以自己试试，放下手机拿起纸笔，来一场模拟面试，就是写一个单链表两两......
27 天前 / icolakele
程序设计 = 算法 + 数据结构一. 序一直想说说算法，但是算法给人的感觉不怎么亲切。提到算法，最大的感受可能就是晦涩难懂。 我之前曾写过两篇铺垫文章，主要说明衡量算法好坏的基础和标准。有了这部分基础，我们就可以稍微深入的聊聊算法了。后台回复『复杂度』阅读那两篇文章。 聊算法之前，需要明确两点： 其一，学习或者了解算法不要太功利，人一旦功利就不聪明了。今天所做的事所看的书，可能一辈子也没什么用，但是却可以让你的精神世界和物质世界多一些可能。 其二，算法确实有一定难度，一定程度上来说也是其魅力所在......