选择(20)+编程4
1,梯度下降算法的正确步骤是什么?
a.用随机值初始化权重和偏差
b.把输入传入网络,得到输出值
c.计算预测值和真实值之间的误差
d.对每一个产生误差的神经元,调整相应的(权重)值以减小误差
e.重复迭代,直至得到网络权重的最佳值
2,strlen(str)和sizeof(str)
char str[20]=“0123456789”;
int a=strlen(str); //a=10;
int b=sizeof(str); //而b=20;
https://blog.csdn.net/z_qifa/article/details/77744482
链接:https://www.nowcoder.com/questionTerminal/19ddeb9f3053425e89aa2a1fcda8b0e2
来源:牛客网
6、在Logistic Regression 中,如果同时加入L1和L2范数,不会产生什么效果()(我在七月题库
看到的,是不会产生,给的答案是D)
A
以做特征选择,并在一定程度上防止过拟合
B
能解决维度灾难问题
C
能加快计算速度
D
可以获得更准确的结果
以下与数据的存储结构无关的术语是()
循环队列
链表
哈希表
栈
解析:栈可以是顺序存储,也可以是链式存储,与存储结构无关。循环队列是队列的顺序存储结构,链表是线性表的链式存储结构,用散列法存储的线性表叫散列表,都与存储结构有关。
下列哪一项能反映出 X 和 Y 之间的强相关性?
A. 相关系数为 0.9
B. 对于无效假设 β=0 的 p 值为 0.0001
C. 对于无效假设 β=0 的 t 值为 30
D. 以上说法都不对
答案:A
https://blog.csdn.net/zrh_CSDN/article/details/81190072
递归时间复杂度:,,
<1> 例:n!
算法的递归方程为: T(n) = T(n - 1) + O(1);
迭代展开: T(n) = T(n - 1) + O(1)
= T(n - 2) + O(1) + O(1)
= T(n - 3) + O(1) + O(1) + O(1)
= …
= O(1) + … + O(1) + O(1) + O(1)
= n * O(1)
= O(n)
<3> 例:如下递归方程:
T(n) = 2T(n/2) + O(n), 且假设n=2的k次方。
T(n) = 2T(n/2) + O(n)
= 2T(n/4) + 2O(n/2) + O(n)
= ...
= O(n) + O(n) + ... + O(n) + O(n) + O(n)
= k * O(n)
= O(k*n)
= O(nlog2n) //以2为底
https://www.cnblogs.com/youxin/p/3284089.html
https://blog.csdn.net/budapest/article/details/6367973
卷积的计算,,一次卷积的计算量多少
https://blog.csdn.net/dl_007/article/details/82878267
编程2:
给定一个字符串,请你找出其中不含有重复字符的最长子串的长度。
import sys
for line in sys.stdin:
st = line.strip()
li = []
res,cnt = 0,0
for subStr in st:
if subStr not in li:
li.append(subStr)
cnt += 1
res = max(res,cnt)
else:
li = [subStr]
print(li)
cnt = 1
print(res)
编程4:
求解一元一次方程的正整数解。
输出描述:如果x有唯一正整数解,输出该答案。如果解不存在或者解不唯一,输出-1.
import sys
def solve(eq,var='X'):
eq1=eq.replace("=","-(")+")"
c= eval(eq1,{
var:1j})
# print(eq1,c.real)
if c.real == 0:
return -1
return -c.real/c.imag
b = str(sys.stdin.readline().strip())
print(solve(b))