算法实战

Swift 算法实战之路：排序

以前的文章中，我们主要是在讲数据结构：比如数组、链表、队列、树。这些数据结构都是了解Swift和算法的基础。从今以后的文章，我们将更多的关注于通用算法，这次我们就来聊聊排序。这次的主要内容有：基本概念排序实战基本概念我们平常用的排序算法一般就以下几种：名称时间复杂度空间复杂度是否稳定冒泡排序O(n^2)O(1)是插入排序O(n^2)O(1)是选择排序O(n^2)O(1)否堆排序O(nlogn)O(
故胤道长·2021-06-24 16:58

Python预测分词的实现

目录前言加载模型构建词网维特比算法实战前言在机器学习中，我们有了训练集的话，就开始预测。预测是指利用模型对句子进行推断的过程。在中文分词任务中也就是利用模型推断分词序列，同时也叫解码。
·2021-06-18 21:52

机器学习—K-means聚类、密度聚类、层次聚类理论与实战

文章目录引言一、K-means聚类1.算法原理2.算法参数、属性、方法介绍3.算法实战二、密度聚类—DBSCAN1.算法原理2.算法参数、属性、方法介绍3.算法实战三、层次聚类1.算法原理2.算法参数、
哎呦-_-不错·2021-05-27 12:29

7.6 迭代加深搜索 (IDA*算法实战)

7.6迭代加深搜索(IDA*算法实战)大家还是直接通过问题去体会比较好。
酉鬼2333·2021-05-27 00:10

Swift学习知识点——持续更新

来自一线开发者的Swift学习资源推荐2016年关于swift大牛的文章猿题库从Objective-C到Swift的迁移Swift算法实战之路：栈和队列迁移程序到Swift3.0写更优雅的Swift框架
Funnyer·2021-05-04 03:32

Swift 算法实战之路：基本语法与技巧

Swift是苹果新推出的编程语言，也是苹果首个开源语言。相比于原来的Objective-C，Swift要更轻便和灵活。笔者最近使用Swift实践了大量的算法（绝大部分是硅谷各大公司的面试题），将心得体会总结于下。此文并不是纯粹讨论Swift如何实现某一个具体的算法或者数据结构，如冒泡排序、深度优先遍历，或是树和栈，而是总结归纳一些Swift常用的语法和技巧，以便大家在解决面试题中使用。基本语法先来
故胤道长·2021-04-30 06:16

FNV摘要HASH算法实战

HASH算法介绍Hash，一般翻译做“散列”，也有直接音译为“哈希”的，就是把任意长度的输入（又叫做预映射，pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一地确定输入值。数学表述为：h=H(M)，其中H()--单向散列函数，M--任意长度明文，h--
秦岭熊猫·2021-04-17 14:52

个性化推荐算法实战第01章个性化推荐算法综述

@[toc]个性化推荐算法实战第01章个性化推荐算法综述1、什么是推荐系统？在介绍推荐算法之前需要先介绍一下什么是信息过载。信息过载就是信息的数量远超于人手工可以遍历的数量。
酱油哥带你学·2021-03-11 21:22

机器学习 —— KNN

目录一、对KNN算法的理解二、算法步骤三、算法实战四、补充内容**一、对KNN算法的理解对KNN算法最简单的理解就是采用测量不同特征值之间的距离方法进行分类。
爱吗？爱码·2021-02-06 17:01

Wrod2vec算法实战_3分钟热情学NLP第5篇

3分钟热情学NLP第5篇，Wrod2vec算法实战参考文章：https://blog.csdn.net/qq_30189255/article/details/1030495691、英文语料本文采用的语料
十三先·2021-02-03 10:59

c语言五子棋人机对弈算法_组合游戏系列5: 井字棋、五子棋AlphaGo Zero 算法实战...

来源|MyEncyclopedia上一篇我们从原理层面解析了AlphaGoZero如何改进MCTS算法，通过不断自我对弈，最终实现从零棋力开始训练直至能够打败任何高手。在本篇中，我们在已有的N子棋OpenAIGym环境中用Pytorch实现一个简化版的AlphaGoZero算法。本篇所有代码在github.com/MyEncyclopedia/ConnectNGym中，其中部分参考了SongXia
数据与算法DEV·2021-01-04 05:12

python机器学习小记——基于朴素贝叶斯(Native Bayes,NB)模型的分类预测

【阿里天池云-龙珠计划】python机器学习小记文章目录【阿里天池云-龙珠计划】python机器学习小记一、朴素贝叶斯(NaiveBayes)算法原理及应用介绍二、算法实战——基于iris数据集的贝叶斯分类三
陈灿 Cedric·2020-12-23 01:46

Python预测之美 数据分析与算法实战（一）

Python预测之美数据分析与算法实战声明：本文旨在对这本书进行简单的整理，列出大致得内容框架，不做具体而又深入的分析。想要深入了解的小伙伴们，自行解决吧。
nsq1101·2020-12-18 23:44

python预测之美 数据分析与算法实战电子书_Python预测之美：数据分析与算法实战(双色)...

前折页书名页内容简介版权页前言第1篇预测入门第1章认识预测1.1什么是预测1.1.1占卜术1.1.2神秘的地动仪1.1.3科学预测1.1.4预测的原则1.2前沿技术1.2.1大数据与预测1.2.2大数据预测的特点1.2.3人工智能与预测1.2.4人工智能预测的特点1.2.5典型预测案例1.3Python预测初步1.3.1数据预处理1.3.2建立模型1.3.3预测及误差分析第2章预测方法论2.1预测
weixin_39898011·2020-12-14 12:37

python预测之美 数据分析与算法实战电子书_Python预测之美 数据分析与算法实战...

篇预测入门章认识预测21.1什么是预测21.1.1占卜术31.1.2神秘的地动仪31.1.3科学预测51.1.4预测的原则71.2前沿技术91.2.1大数据与预测101.2.2大数据预测的特点111.2.3人工智能与预测151.2.4人工智能预测的特点171.2.5典型预测案例181.3Python预测初步261.3.1数据预处理271.3.2建立模型311.3.3预测及误差分析34第2章预测方法
weixin_39752434·2020-12-14 12:36

python预测之美 数据分析与算法实战电子书_Python预测之美：数据分析与算法实战...

第1篇预测入门第1章认识预测.21.1什么是预测.21.1.1占卜术.31.1.2神秘的地动仪.31.1.3科学预测.51.1.4预测的原则.71.2前沿技术.91.2.1大数据与预测.101.2.2大数据预测的特点111.2.3人工智能与预测.151.2.4人工智能预测的特点.171.2.5典型预测案例.181.3Python预测初步.261.3.1数据预处理.271.3.2建立模型.311.3
weixin_39722188·2020-12-10 22:11

强化学习之基于gym环境的DQN算法实战（Pytorch）

之前有写过利用DQN算法去解决Cartpole任务和Mountaincar任务，具体可见强化学习之DQN算法实战（Pytorch）：https://blog.csdn.net/MR_kdcon/article
Ton10·2020-12-08 20:16

【实战】基于TensorRT 加速YOLO系列以及其他加速算法实战与对比

今天cv调包侠尝试了使用TensorRT做YOLO的加速，先概述我这边实现的速度和精度对比：精度上对比：可以看到，精度上使用TensorRT精度不掉，反而略微上升了一些些（具体情况未知，还在摸索）TensorRT速度上的对比：另外值得注意的是，我使用的TensorRT的作者介绍说：YOLOV5s小模型原本已经很快了，使用python版的tensorRT加速反而慢了一些，使用cpp版快了3倍，如果是
cv调包侠·2020-12-07 15:11

回归算法实战_2020年阿里最令人惊艳的，Python人工智能实战手册，全网首次公开...

本书主要面向对人工智能、机器学习、数据分析等方面有强烈兴趣的初学者和爱好者，通过本书的学习，读者能够掌握机器学习中经典算法原理推导、整体流程以及其中数学公式与各种参数的作用。案例全部采用当下流行的Python语言，从最基础的工具包开始讲起，让大家熟练使用Python及其数据科学工具包进行机器学习和数据挖掘领域的项目实战任务，并处理其中遇到的种种问题。第1部分介绍了Python的工具包，包括科学计算
weixin_39760295·2020-12-07 10:43

强化学习之Q-learning算法实战2

之前用Q-learning算法实现了一维和二维空间的探宝游戏，取得了不错的效果，证明了Q-learning算法对于状态不大的或离散状态下的RL问题有较好的收敛效果，为了强化对Q-learning的认识，本次我将继续实现以一个比较有趣的、经典的、更有难度的RL问题。对于迷宫探宝游戏，有兴趣的可以看看：https://blog.csdn.net/MR_kdcon/article/details/109
Ton10·2020-12-04 01:07

alpha-beta剪枝算法_组合游戏系列5: 井字棋、五子棋AlphaGo Zero 算法实战

来源|MyEncyclopedia上一篇我们从原理层面解析了AlphaGoZero如何改进MCTS算法，通过不断自我对弈，最终实现从零棋力开始训练直至能够打败任何高手。在本篇中，我们在已有的N子棋OpenAIGym环境中用Pytorch实现一个简化版的AlphaGoZero算法。本篇所有代码在github.com/MyEncyclopedia/ConnectNGym中，其中部分参考了SongXia
weixin_39795268·2020-11-27 01:48

强化学习之Q-learning算法实战1

实战内容：1、一维探宝2、二维探宝所需环境：pycharm所需安装包：graphic、numpy、pandas、gym一、实际效果：一维探宝：二维探宝：二维探宝升级版：二、Q-learning算法：输入：环境E：用于对机器人做出的动作进行反馈，反馈当前奖励r（本设计中，规定拿到宝藏才有奖励，落入陷阱获得负奖励，其余无奖励）与下个状态state'。如实际效果中的横向轴与棋盘动作空间A：一维中['le
Ton10·2020-11-11 14:44

中文NER任务简析与深度算法模型总结和实战展示

目录一、中文NER定义1、什么是NER2、怎么来完成NER3、NER标注体系二、基于pytoch和TensorFlow的深度学习算法NER实战1、算法概览2、算法实战A、BiLstm+CRF+pytorchB
colourmind·2020-11-08 16:18

深度学习Hello World --- 手写体识别 实战

最近因为学校事情比较多，也开始准备研究出一些深度学习方面的教程，但总被一些大大小小的原因在往后拖进度，这期用Python写一篇从零到一的手写体识别算法实战课来教各位如何入门深度学习。
꧁༺北海以北的等待༻꧂·2020-09-24 21:37

组合游戏系列5: 井字棋、五子棋AlphaGo Zero 算法实战

来源|MyEncyclopedia上一篇我们从原理层面解析了AlphaGoZero如何改进MCTS算法，通过不断自我对弈，最终实现从零棋力开始训练直至能够打败任何高手。在本篇中，我们在已有的N子棋OpenAIGym环境中用Pytorch实现一个简化版的AlphaGoZero算法。本篇所有代码在github.com/MyEncyclopedia/ConnectNGym中，其中部分参考了SongXia
AI科技大本营·2020-09-22 19:57

TensorFlow 2.0深度学习算法实战 第七章 反向传播算法

第七章反向传播算法7.1导数与梯度7.2导数常见性质7.2.1基本函数的导数7.2.2常用导数性质7.2.3导数求解实战7.3激活函数导数7.3.1Sigmoid函数导数7.3.2ReLU函数导数7.3.3LeakyReLU函数导数7.3.4Tanh函数梯度7.4损失函数梯度7.4.1均方误差函数梯度7.4.2交叉熵函数梯度7.4.2.1Softmax梯度7.4.2.2交叉熵梯度7.5全连接层梯度
安替-AnTi·2020-09-17 04:40

TensorFlow 2.0深度学习算法实战 第三章 分类问题

第三章分类问题3.1手写数字图片数据集3.2模型构建3.3误差计算3.4真的解决了吗3.5非线性模型3.6表达能力3.7优化方法3.8手写数字图片识别体验3.9小结参考文献在人工智能上花一年时间，这足以让人相信上帝的存在。−艾伦·佩利前面已经介绍了用于连续值预测的线性回归模型，现在我们来挑战分类问题。分类问题的一个典型应用就是教会机器如何去自动识别图片中物体的种类。考虑图片分类中最简单的任务之一：
安替-AnTi·2020-09-16 13:39

TensorFlow 2.0深度学习算法实战 第四章 Tensorflow基础

第四章Tensorflow基础4.1数据类型4.1.1数值类型4.1.2字符串类型4.1.3布尔类型4.2数值精度4.2.1读取精度4.2.2类型转换4.3待优化张量4.4创建张量4.4.1从Numpy,List对象创建4.4.2创建全0，全1张量4.4.3创建自定义数值张量4.4.4创建已知分布的张量4.4.5创建序列4.5张量的典型应用4.5.1标量4.5.2向量4.5.3矩阵4.5.4三维张
安替-AnTi·2020-09-16 13:39

【数据结构与算法】-＞算法-＞贪心算法

贪心算法（GreedyAlgorithm）Ⅰ前言Ⅱ贪心算法的理解Ⅲ贪心算法实战分析1.分糖果2.钱币找零3.区间覆盖Ⅳ生活中的贪心算法Ⅰ前言贪心算法（GreedAlgorithm）的思想其实是生活中一个很常用的思想
山河罔顾·2020-09-16 01:28

机器学习算法04——多项式回归算法实战

摘要：本文主要介绍机器学习算法的多项式回内容。包括多项式回归的介绍，其与线性回归的区别，实战内容。1.多项式回归的介绍线性回归只适用于满足线性关系的数据，而对于非线性的拟合效果很差；多项式回归是在线性回归的基础上，进行改进，从而可以对非线性数据进行拟合。如图所示，下图为数据呈现出线性关系，用线性回归可以得到较好的拟合效果。而下图图数据呈现非线性关系，则需要多项式回归模型。多项式回归是在线性回归基础
yue200403·2020-09-13 20:04

机器学习算法03——线性回归算法实战

摘要：本文主要介绍线性回归算法的定义，公式，回归实战。1.线性回归定义用来对连续性数据进行预测，来确定两种或者两种以上变量间的相互关系。换句话说，它是一种用于数据拟合的工具，从许多数据中找到一条直线能够拟合含大部分数据，从而可以根据输入的值预测输出的值。线性是指拟合的数据是呈线性的，而回归是指可根据以前的数据预测出一个准确的输出。2.公式一般式：向量式：3.线性回归预测波士顿房价1.训练模型和预测
yue200403·2020-09-13 20:04

机器学习算法02—— K近邻算法实战

摘要：本文主要介绍kNN算法的原理和实列。包括算法描述、算法缺点、算法概述。1.kNN定义若一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本的大多数是属于类别A,则该样本也是属于A类。2.kNN详细描述：已存在一个带标签的数据库，对输入没有标签的新数据后。将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似（最邻近）的分类标签。只选择前k个最相似的数据，然
yue200403·2020-09-13 20:03

推荐系统 - 深度兴趣网络DIN(Deep Interest Network)浅析和实现

本文收录在推荐系统专栏，专栏系统化的整理推荐系统相关的算法和框架，并记录了相关实践经验，所有代码都已整理至推荐算法实战集合(hub-recsys)。
RecDay2018·2020-09-12 19:39

iOS数据结构与算法实战 二叉树总结篇

树的基本概念篇前言由于我们后面讲的一些结构有很多是树结构实现的比如堆，然后基于堆可以实现优先级队列，有界优先级队列等，所以我们先讲述树结构，我们可能常见到的是二叉树，但是还有一些其他的树的概念：比如二叉搜索树，AVL树，红黑树，B树，决策树等。以便于在特定场景下使用。树的一些应用场景CFBinaryHeap这个类在iOS中你可能会见到，这是一个二叉搜索算法实现的一个二叉堆，后面的priorityq
weixin_33994429·2020-09-12 15:46

干货教程：数据结构与算法之美

特别放送第⼀期：数据结构与算法学习书单第⼆期：争哥独家学习⼼得第三期：算法实战测试题第四期：⼤咖的专栏学习⽅法⽤户故事1：这⼀年我的脑海⾥只有算法⽤户故事2：只有站在思维的⾼处，才有⾜够的视野和能⼒欣赏美专栏简介踏上了编程之路
咻咻ing·2020-09-12 15:16

推荐系统-关联规则理论基础与业务实践

推荐系统-关联挖掘算法实战1.基于知识的推荐方法简介基于知识区别于以往基于协同过滤算法，基于知识的推荐更多的是交互式问答的环节，分为基于约束的部分，第二是基于实例的部分，使用基于关联规则方法全是基于知识的推荐
CoderBoom·2020-09-12 10:40

算法实战之递归（2）（递归算法深层次总结）

大家好，这两天时间比较充裕，我可以有很多的时间来写代码，真是一件幸福的事，时间比较多，可浪费的时间也比较多，等这个星期忙完了，我也要开始我的coursea之旅了，废话不多说了，直接进入主题——递归算法的总结。先从两道题目说起：Children’sQueueTimeLimit:2000/1000MS(Java/Others)MemoryLimit:65536/32768K(Java/Others)T
是吻过的尘埃风过·2020-09-12 07:21

机器学习：决策树算法实战

objectDecisionTreeTest{defmain(args:Array[String]):Unit={valconf=newSparkConf().setAppName("DesionTrain").setMaster("local[2]")valsc=newSparkContext(conf)//加载数据valdata=sc.textFile("f://dt.csv").map(li
SmartBrain·2020-09-12 02:34

算法实战（一）--猜数字

首先给大家推荐个网站叫LeetCodeOnline,这是一个刷算法的网站；今天lz做了一道题，这是原题的链接，猜数字；题目很简单哈，举个例子人家先选定个数字，比如说6，然后让你从1-10猜出来；首先它给你一个函数，intguess(n);你调用这个函数，如果n比6大它就返回1，如果n比6小就返回-1，如果n等于六就返回0；这题我看见后第一个想到的就是二分法：intbinary(intlow,int
飞碟说·2020-09-11 23:10

TensorFlow 2.0深度学习算法实战 第十章 卷积神经网络

第十章卷积神经网络10.1全连接网络的问题10.1.1局部相关性10.1.2权值共享10.1.3卷积运算10.2卷积神经网络10.2.1单通道输入和单卷积核10.2.2多通道输入和单卷积核10.2.3多通道输入、多卷积核10.2.4步长10.2.5填充10.3卷积层实现10.3.1自定义权值10.3.2卷积层类10.4LeNet-5实战10.5表示学习10.6梯度传播10.7池化层10.8Batc
安替-AnTi·2020-09-11 23:35

Kotlin加密算法实战2

对称加密算法介绍常见算法DES：DataEncryptionStandard，即数据加密标准AES：AdvancedEncryptionStandard，高级加密标准开发中一般优先使用AES特点：可以自己指定秘钥，可逆，有秘钥即可破解底层机制：操作二进制DES加密和解密参考：https://docs.oracle.com/javase/8/docs/api/javax/crypto/Cipher.
傅君阳·2020-09-11 21:08

TensorFlow 2.0深度学习算法实战 第一章 人工智能绪论

第一章人工智能绪论1.1人工智能1.1.1人工智能1.1.2机器学习1.1.3神经网络与深度学习1.2神经网络发展简史1.2.1浅层神经网络1.2.2深度学习1.3深度学习特点1.3.1数据量1.3.2计算力1.3.3网络规模1.3.4通用智能1.4深度学习应用1.4.1计算机视觉1.4.2自然语言处理1.4.3强化学习1.5深度学习框架1.5.1主流框架1.5.2TensorFlow2与1.x1
安替-AnTi·2020-08-29 15:42

064 《Python预测之美：数据分析与算法实战》小记

《Python预测之美：数据分析与算法实战》游皓麟
积跬步，慕至千里·2020-08-25 01:02

Swift算法实战：翻转字符串

字符串在算法中经常遇到，下面以两道题目为例，学习如何进行字符串的翻转。一、我们来一起看一道以前的Google面试题。Givenaninputstring,reversethestringwordbyword.Awordisdefinedasasequenceofnon-spacecharacters.Theinputstringdoesnotcontainleadingortrailingspac
Harveyhhw·2020-08-24 22:15

Python推荐系统学习笔记（6）基于协同过滤的个性化推荐算法实战---Surprise库实现ItemCF

一、Surprise库简介Surprise是一个用于简单快速构建推荐系统的Python库，其底层基于PythonScikit构建。官方文档地址：https://surprise.readthedocs.io/en/stable安装方式：（1）通过pip安装，需具有MicrosoftC++BuildTools环境。（2）通过conda安装，使用miniconda或者anaconda。Surprise
Zhengyh@Smart3S·2020-08-24 19:33

Python推荐系统学习笔记（2）基于协同过滤的个性化推荐算法实战---ItemCF算法（上）

一、相关概念：1、关于协同过滤：协同过滤（CollaborativeFilteringRecommendation）技术是推荐系统中应用最早和最为成功的技术之一。协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当
Zhengyh@Smart3S·2020-08-24 13:56

算法实战-OJ之旅

算法虽然不是特别简单，但没有你想象中的那么难。SortArrayByParityeasyAC-17ms.按照《算法导论》排序一章的一些概念，第二种可以称为是原址的（in-place)。FirstTry:用了另一个数组来保存结果，如果是奇数进行swap操作，同时在else中还要维护偶数的位置正确性。classSolution{publicint[]sortArrayByParity(int[]A){
ReentrantSucc·2020-08-24 13:36

分布式协议与算法实战——拜占庭将军问题：有叛徒的情况下，如何才能达成共识？（笔记）

拜占庭将军问题（TheByzantineGeneralsProblem），其实是借拜占庭将军的故事展现了分布式共识问题，还探讨和论证了解决的办法。实际上，它是分布式领域最复杂的一个容错模型，一旦搞懂它，你就能掌握分布式共识问题的解决思路，还能更深刻地理解常用的共识算法，在设计分布式系统的时候，也能根据场景特点选择适合的算法，或者设计适合的算法了。以六国抗秦重讲拜占庭算法六国抗秦的困境在现实情况中可
积淀 ytu·2020-08-24 04:38

视频教程-大白话Bert-掌握最前沿Embedding结构-深度学习

在联想内部，做过多次企业内训和技术支持，并在北京线下技术沙龙分享会上作为演讲嘉宾分享算法实战应用效果，拥有丰富的线上，线下培训经验。对机器学习，深度学习算法建模，推荐系统，大数据有多年的实际经验。
yooooolo·2020-08-24 03:37

个性化推荐算法实战第01章个性化推荐算法综述

文章目录个性化推荐算法实战第01章个性化推荐算法综述1、什么是推荐系统？
程序员酱油哥·2020-08-24 01:19
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他