Joye Cai's Blog

Know more, Do more, Be more

机器学习知识整理

For 面试

Last updated on 2019-11-8… 相关资源整理 基础:线性代数、概率统计、优化 part1、优化 part2、信息论及其他 学习:ML整理1、ML整理2、ML算法、ML面试 笔记:斯坦福ML笔记、吴恩达ML、吴恩达DL 代码:李航ML、DL 判别式与生成式 分类与回归 参考链接、12种回归算法 回归与分类的根本区别在于输出空间是否...

C++动态规划题型

For 笔试

Last updated on 2019-10-11… 动态规划求解的一般思路: 判断问题的子结构,当具有最优子结构时,动态规划可能适用。 求解重叠子问题。一个递归算法不断地调用同一问题,递归可以转化为查表从而利用子问题的解。(分治法则不同,每次递归都产生新的问题。) 重新构造一个最优解。 01背包问题 有 n 个重量个价值分别为 w<sub>i&l...

C++字符串题型

For 笔试

Last updated on 2019-10-4… 字符串常用技巧: 查找表:标记字符最新的位置 int table[256]={0}; table[s[i]] = i; 标记各单词中字符出现位置 vector<vector> pos(128) 滑动窗口 if(i>=l1) c2[s2[i-l1]-‘a’]–; memcmp(c1,c2,sizeo...

C++排序算法

For 笔试

Last updated on 2019-10-4… 总览 关于稳定性(简单说就是两个相等的元素,排序前后相对位置不变) 稳定的排序算法:冒泡排序、插入排序、归并排序和基数排序; 不是稳定的排序算法:选择排序、快速排序、希尔排序、堆排序。 参考链接 冒泡排序 冒泡排序是最简单粗暴的排序方法之一。它的原理很简单,每次从左到右两两比较,把大的交换到后面...

C++二叉树

For 笔试

Last updated on 2019-10-4… 直观理解二叉树遍历 定义与创建 #include <iostream> #include <string> #include <queue> #include <stack> using namespace std; string str; int i; struc...

C++刷题注记

For 笔试

Last updated on 2019-10-4… 基础练习题、B站up讲解视频 #include <bits/stdc++.h> using namespace std; 常用技巧整理 字符串 查找表:标记字符最新的位置 int table[256]={0}; table[s[i]] = i; 标记各单词中字符出现位置 vector<...

基于深度学习的推荐系统综述

Focus on deep learning

Last updated on 2018-8-9… 本文是对发表在ACM 2017的《Deep Learning based Recommender System: A Survey and New Perspectives》一文的笔记,作梳理用。 》原文链接 数据集和评估指标 常用数据集:Movielens、Netflix、Amazon、Yelp、CiteUlike 评估指标...

匹配&推荐技术

From 阿里技术

Last updated on 2018-8-6… 本篇为个人笔记,并且在关键部分作了注记。》原文链接 介绍 在具体实现中,由于在线业务对性能尤其是响应时间的严格要求,我们往往会把上述过程拆分为两个阶段:匹配(Match)+排序(Rank)。 匹配阶段的核心在于如何从全量商品(Item)中根据用户(User)信息召回合适的TopK候选集合 排序阶段则是对TopK候选集...

网络表示学习综述

A Survey on Network Embedding

Last updated on 2018-8-1… 本文是对THU的Peng Cui所撰《A Survey on Network Embedding》一文的笔记,作梳理用。 (在此特别感谢舍友@YU对原文的翻译工作!) (传统)基于图结构G=(V,E)的网络表示方法 高昂的计算复杂度: 上亿节点之间的边连接关系全部保存在边集 E 中, 许多算法都会对...

关于深度学习的思考

About Deep Learning

Last updated on 2018-7-20… 4 月 15 日举办的京东人工智能创新峰会上,周志华教授做了《关于深度学习一点思考》的公开分享,个人写此本篇作为笔记: 深度学习 深度神经网络取得成功的三大原因: 逐层的处理 (决策树✔ Boosting✔) 特征的内部变化 (决策树✖ Boosting✖) 足够的模型复杂度 (决策树✖...