2020年的秋招（互联网）基本结束，楼主在“金九”的末尾也收获了意向书，自知比不上提前批集邮BAT的大佬们，但也有自己的一点感悟。在此记录下自己踩过的坑、碰过的壁，和那些难眠...
发简信
IP属地：北京
-
2020算法岗秋招（互联网）踩过的那些坑
-
八大排序算法（C++实现）
八大排序算法指的是冒泡排序、选择排序、插入排序、希尔排序、堆排序、归并排序、快速排序和基数排序（本文没有）。关于八种排序方法的对比在下表中： 指标冒泡排序选择排序插入排序希尔...
-
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率同见博客：http://zhwhong.cn/2017/04/14/ROC-AUC-Precision-Recall-analysis/(对Latex公式支持更好) 在分类任...
-
NLP预训练语言模型（一）：马尔科夫链与HMM的三个基本问题隐马尔科夫模型（HMM）是一种有向图模型，是结构最简单的动态贝叶斯网，是可用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成观测序列的过程，属于“生成式模型”。本文介...
-
NLP预训练语言模型（二）：LSTM参数个数提问：LSTM训练涉及到多少个参数？ 这是LSTM的典型结构： 要说明的是，RNN结构（包括LSTM、GRU）是在时间维度上扩展的，绿色框框中的参数是共享的，也就是说T时刻的...
-
NLP预训练语言模型（三）：逐步解析Transformer结构Transformer是近两三年非常火的一种适用于NLP领域的一种模型，本质上是Encoder-Decoder结构，所以多应用在机器翻译（输入一个句子输出一个句子）、语音识别...
-
逻辑回归（LR）的公式、损失函数、推导过程整理
回归问题中，最简单的模型是线性回归。线性回归假设数据集的样本数据与输出值之间近似满足一个线性关系。本文探讨的逻辑回归（logistics regression，LR）是在线性...
-
背包问题原理及LeetCode实战（下）
前言：背包问题原理详见背包问题原理及leetcode实战（上）；本文从LeetCode实战出发，讲解背包问题在具体算法题中的应用、变形，本质上的思路没有太大变化，不同的是每道...
-
背包问题原理及LeetCode实战（上）
前言：本文详细梳理了背包问题原理，LeetCode实战请见背包问题原理及LeetCode实战（下）。 零、概述 背包问题及其变形在笔试、面试中经常出现，欲解决此类问题，需要明...
-
集成学习Boosting家族之Adaboost & GBDT & xgBoost集成学习通过构建多个“好而不同”的弱学习器（基学习器）来共同完成学习任务，可以用于分类、回归等机器学习任务。根据个体学习器生成方式的不同，集成学习有两种形式，一种是基学习器之...
-
C++那些经常遇到的小知识点（代码）
不定期更新，常用到的且易忘的c++代码知识。 0. 头文件 所有头文件都包括这两个，一个标准输入输出，一个说明命名空间： 1. char和int的相互转换 char中存放的是...
-
支持向量机（SVM）的理解与推导（一）SVM是一种传统的学习算法，多用于二分类问题。根据SVM处理的问题样本是否线性可分可以将SVM分为三种类型。如果存在一个划分超平面可以完美的分隔开所有样本，那么这种SVM...
