深入浅出 算法 森林
模仿学习算法：Data Aggregation Approach: DAGGER算法——Mixing policy
论文： 《A Reduction of Imitation Learning and Structured Prediction to No-Regret Online Learning》 算法描述： Mixing Policy: ......
监督学习-分类算法-KNN
定义：KNN最核心的功能“分类”是通过多数表决来完成的，具体方法是在待分类点的K个最近邻中查看哪个类别占比最多。哪个类别多，待分类点就属于哪个类别 如果选择K=3，那么模型将考虑目标数据点的3个最近邻居， 对于图像的分类。他的邻居是什么 每个图像样本通常会被表示为一个特征向量，其中每个特征可以代表图 ......
非监督学习-聚类算法-Kmeans
K均值聚类算法是一种用于将数据集中的数据点分成不同组的方法。这些组通常称为簇。这个算法的核心思想是把相似的数据点放在同一个簇中，从而把数据分成几个组，每个组内的数据点彼此相似。 这是一个简单的K均值聚类过程： 选择簇的数量(K)：首先，您需要决定要将数据分成多少个簇。这个K值是您必须在开始时选择的， ......
监督学习-分类算法
分类算法是一类监督学习算法，用于将数据点分为预定义的类别或标签之一。在分类问题中，算法通过学习从已知输入数据到其对应类别的映射来训练模型，然后使用该模型来对新的、未标记的数据进行分类。分类问题通常涉及到预测离散的输出，即将数据分为几个互斥的类别之一。 以下是一些常见的分类算法： 逻辑回归（Logis ......
算法训练day13 LeetCode 239
算法训练day13 LeetCode 239.滑动窗口最大值347.前k个高频元素 239.滑动窗口最大值 题目 239. 滑动窗口最大值 - 力扣（LeetCode） 题解 代码随想录 (programmercarl.com) class Solution { private: class MyQ ......
机器学习算法原理实现——lightgbm，核心leaf-wise生长结合数据和特征并行+直方图算法+单边梯度抽样+互斥特征捆绑
算法亮点： 1、leaf-wise生长策略+特征并行和数据并行 让我们通过一个简单的例子来详细解释 LightGBM 的 Leaf-wise 生长策略。假设我们有以下的数据集：| 年龄 | 收入 | 购买 || | | || 20 | 3000 | 0 || 25 | 3500 | 0 || 30 ......
基于CNN卷积神经网络的调制信号识别算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 MATLAB2022A 3.算法理论概述 在无线通信系统中，调制信号的识别是一项重要的任务。通过识别接收到的信号的调制方式，可以对信号进行解调和解码，从而实现正确的数据传输和通信。卷积神经网络（Convolutional Neural Network，C ......
代码随想录算法训练营第十一天
代码随想录算法训练营第十一天 | LeetCode 239(滑动窗口最大值) LeetCode 347(前K个高频元素) 239: 滑动窗口最大值 LeetCode 239(滑动窗口最大值) import java.util.Deque; import java.util.LinkedList; c ......
深入理解WPF中MVVM的设计思想
近些年来，随着WPF在生产，制造，工业控制等领域应用越来越广发，很多企业对WPF开发的需求也逐渐增多，使得很多人看到潜在机会，不断从Web，WinForm开发转向了WPF开发，但是WPF开发也有很多新的概念及设计思想，如：数据驱动，数据绑定，依赖属性，命令，控件模板，数据模板，MVVM等，与传统Wi... ......
R语言Apriori算法关联规则对中药用药复方配伍规律药方挖掘可视化|附代码数据
全文链接：http://tecdat.cn/?p=32316 原文出处：拓端数据部落公众号 我们常说的中药挖掘，一般是用药挖掘，还有穴位的挖掘，主要是想找出一些用药的规律。在中医挖掘中，数据的来源比较广泛,有的是通过临床收集用药处方，比如，一个著名老中医针对某一疾病的用药情况;有的是通过古籍，古代流 ......
优化算法的类别和特性
计算智能是一类基于自然界启发的优化算法，旨在解决各种复杂问题 这些算法通过模拟自然界中的生物进化、群体行为或其他启发式策略来搜索问题的最优解 一. 人工神经网络（NN） 1.1 人工神经元 1.2 监督学习神经网络 1.3 非监督学习神经网络 1.4 径向基函数网络 1.5 强化学习 1.6 监督学 ......
算法通关村第一关----链表青铜挑战笔记
链表 链式存储结构的线性表（链表）采用了一组地址任意的存储单元存放线性表中的数据元素。链表不会按线性的逻辑顺序来保存数据元素，它需要在每个数据元素里保存一个或两个引用上一个/下一个数据元素的引用（指针）。 创建链表 public class ListNode{ public int val; pub ......
算法题——统计四叶玫瑰数的个数
public static int fourMi(){ int count = 0; for (int i = 1000; i < 9999; i++) { int ge = i % 10; int shi = i / 10 % 10; int bai = i / 100 % 10; int qia ......
算法题——为什么没有两位数的自幂数？
public static int doubleMi(){ int count = 0; for (int i = 10; i < 99; i++) { int ge = i % 10; int shi = i / 10 % 10; double sum = Math.pow(ge, 2) + Ma ......
流形-流形学习算法
流形是指连在一起的区域：是一组点的集合，且每个点都有邻域。（也就意味着流形中某个元素可以通过某种方式移动到其邻域位置） 在机器学习中，我们允许流形的维数从一个点到另一个点有所变化。（这通常发生在流形与自身相交的情况。例如数字8，流形大多数位置只有一维，但在中心相交的时候，可移动方向变成两维）。 流形 ......
nlp八股-深入思考的一些博客
Norm 浅谈Transformer的初始化、参数化与标准化 RMSNorm：去掉了LayerNorm的均值，只保留了方差 Pre-norm和Post-norm的对比： 为什么Pre-norm效果更差数学解释 Pre-norm模型没有Post-norm '深'，所以理论上限更低 Pre-norm的残 ......
数论——欧几里得算法和扩展欧几里得算法 学习笔记
数论——欧几里得算法和扩展欧几里得算法 引入 最大公约数 最大公约数即为 Greatest Common Divisor，常缩写为 gcd。 一组整数的公约数，是指同时是这组数中每一个数的约数的数。\(\pm 1\) 是任意一组整数的公约数； 一组整数的最大公约数，是指所有公约数里面最大的一个。 最 ......
大三落汤狗の算法笔记 (持续更新)
1. 算法复杂度分析 简便：复杂度取阶数最高项，去系数。如：O(3n²+2n+1)=O(n²) O()低阶/o()，Ω()高阶/w()，θ()同阶 阶关系成立：自反OΩθ/对称θ/传递OoΩwθ O(f)+O(g)=O(max(f,g)) O(f)+O(O(f))=O(f) O(递归) 迭代法： n ......
MySQL实战实战系列 04 深入浅出索引（上）
提到数据库索引，我想你并不陌生，在日常工作中会经常接触到。比如某一个 SQL 查询比较慢，分析完原因之后，你可能就会说“给某个字段加个索引吧”之类的解决方案。但到底什么是索引，索引又是如何工作的呢？今天就让我们一起来聊聊这个话题吧。 数据库索引的内容比较多，我分成了上下两篇文章。索引是数据库系统里面 ......
金仓数据库kbcrypto 插件实现sm加密算法
首先介绍一下sm4 算法 SM4 算法是对称加密算法，国标 GB/T 32907 对 SM4 对称加密算法进行了详细描述。SM4 算法密钥长度固定为128bit，加密解密采用相同的密钥，加解密速度较快，优于AES算法。 SM4算法首先将加密信息进行分组，分组后通过异或、S盒变换、移位等操作进行分组明 ......
文心一言 VS 讯飞星火 VS chatgpt （95）-- 算法导论9.2 4题
四、用go语言，假设用RANDOMIZED-SELECT 去选择数组 A=(3，2，9，0，7，5，4，8，6，1)的最小元素，给出能够导致 RANDOMIZED-SELECT最坏情况发生的一个划分序列。 文心一言： 首先，让我们澄清一下 "RANDOMIZED-SELECT" 这个术语。我猜您可能 ......
分布式一致性算法——Raft
Raft Leader Election 背景介绍 Raft是一种用于管理Log的分布式一致性算法，在了解Raft之前首先需要了解为什么需要Log? 对于不同的系统，无论是中间件疑惑是其余的系统，我们如果想要求其满足CAP协议中的一致性，需要尽量保证多节点的数据是相同的，也就是所谓的“共识”。下文中 ......
深入理解MMU的工作过程
MMU: Memory Manage Unit - 存储器管理单元 1. 虚拟存储器的实现 （Virtual Memory) 虚拟存储器的基本思想是程序， 数据， 堆栈的总的大小可以超过物理存储器的大小， 操作系统把当前使用的部分保存在内存中， 而把其他未被使用的部分保存在磁盘上。 2 MMU的实现 ......
采用ResNet网络+TSNE降维算法对自建图像数据集进行二维可视化显示
起因：某一天下午，我在“玩”的时候，突然接到了老板的电话，说是要对图像做可视化降维。因此，我拿到了一批图像的数据。 数据的特点： 1、数据集的图像分为4类，并且每一种类的图像多少不均衡。 2、数据集图像是一个大文件夹，里面包含4个文件夹，而且里面命名非常不规范。 3、数据集图像大小也不一样。 任务: ......
代码随想录算法训练营-贪心算法-4|406. 根据身高重建队列、452. 用最少数量的箭引爆气球
406. 根据身高重建队列 1. 一定要想如何确定一个维度，然后再按照另一个维度重新排列。 2. 先确定身高的维度，降序排列。 3. 按照身高排序之后，优先按身高高的people的k来插入，后序插入节点也不会影响前面已经插入的节点，最终按照k的规则完成了队列。 4. 局部最优：优先按身高高的peop ......
代码随想录算法训练营day13| ● 239. 滑动窗口最大值 ● 347.前 K 个高频元素 ● 总结
239.滑动窗口最大值 mydemo--(自己思路)--failed 超出时间限制 class Solution { public: vector<int> maxSlidingWindow(vector<int>& nums, int k) { vector<int> result; stack< ......
代码随想录算法训练营day11| ● 20. 有效的括号 ● 1047. 删除字符串中的所有相邻重复项 ● 150. 逆波兰表达式求值
20.有效的括号 卡哥demo class Solution { public: bool isValid(string s) { if(s.size() %2 != 0) return false; stack<char> st; for(int i = 0; i < s.size(); i++) ......