首页
学习
活动
专区
工具
TVP
发布

null的专栏

专栏成员
398
文章
612007
阅读量
70
订阅数
推荐系统中的常用算法——DeepWalk算法
DeepWalk算法是在KDD2014中提出的算法,最初应用在图表示(Graph Embedding)方向,由于在推荐系统中,用户的行为数据固然的可以表示成图的形式,因此DeepWalk算法也常被用于推荐系统中的item embedding的计算。Graph Embedding使用低维稠密向量的形式表示途中的节点,使得在原始图中相似(不同的方法对相似的定义不同)的节点其在低维表达空间也接近。
felixzhao
2020-09-17
3.9K0
python基础知识——内置数据结构(集合)
python中的set是指一系列无序元素的集合,其中的元素都是相异的,常见的操作包括集合的并集,交集和补集等操作。
felixzhao
2019-02-13
3260
挑战数据结构和算法面试题——连续最长数字串
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 问题分析:字符串的处理,判断每一位是不是数字,用到了函数isdigit 方法: int continumax
felixzhao
2018-04-18
4590
挑战数据结构和算法面试题——二叉搜索树的后序遍历
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 分析: 根据二叉查找树的定义,二叉查找树或者是一棵空二叉树,或者是具有一下特性的二叉树: 若它的左子树不为空,则
felixzhao
2018-04-17
7060
python基础知识——内置数据结构(列表)
列表是python中使用较多的一种数据结构,通常是作为函数的返回类型。相比较于元组,列表中的元素是可以修改的,可以实现添加、删除和查找的操作。 1、列表的创建 格式 list_name = [元素1, 元素2, ...] 例如 list_1 = ['beijing', 'shanghai', 'nanjing', 'wuhan'] print list_1 2、列表同样支持元组中的方法 索引访问 list_1 = ['beijing', 'shanghai', 'nanjing', 'wuhan
felixzhao
2018-03-20
6720
挑战数据结构与算法面试题——统计上排数在下排出现的次数
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 分析: 本题应该是一个确定的问题,即上排的是个数是题目中给定的十个数。 其基本的解题过程为: [10,0,0
felixzhao
2018-03-20
7210
数据结构和算法——旋转打印链表
1、问题描述 输入参数nnn为正整数,如输入n=5n=5n=5,则按行打印如下的数字: 2、问题的理解 这个问题是将数字1…n21…n21\dots n^2按照一圈一圈的方式存储好,再按照行的方式对其
felixzhao
2018-03-19
6320
python基础知识——基本语法
在python基础知识这个系列中,准备罗列出我学习python的一些基础知识,包括: 基本语法 控制语句 内置数据结构 模块和函数 字符串 文件处理 面向对象 异常处理 以前写机器学习算法喜欢使用Matlab语言,接触python后,觉得python有很多地方还是比Matlab方便点,各有各的优势吧,在公司还是使用python较多,这里会罗列出一些python的基础知识。 一、编码规则 1、命名规则 变量名通常是由字母和下划线组成,包名,模块名通常是由小写字母组成。 类名的首字母用大写,其他字母用小写;对
felixzhao
2018-03-19
8480
python基础知识——控制语句
控制语句主要有条件语句和循环语句。 一、条件语句 1、if语句 格式 if 表达式: 语句1 else: 语句2 如下面的例子: a = raw_input('x : ') if int(a) > 0: print a else: print -int(a) 其中,raw_input()用于获取控制台的输入,由于raw_input()返回的是字符串,则在比较的时候必须使用int()转换,若是不想转换,可以直接使用函数input()。 2、多个
felixzhao
2018-03-19
6460
python基础知识——内置数据结构(元组)
python中的内置数据结构主要有元组、列表和字典。本篇主要介绍元组。 元组由不同的元素组成,每个元素可以存储不同类型的数据,如字符串、数字甚至是元组。 1、元组的创建 格式 tuple_name = (元素1, 元素2, ...) 例如 tuple_1 = ('beijing', 'shanghai', 'wuhan') 注意点: 空元组的创建:tuple_2 = () 只含一个元素的元组的创建:tuple_3 = ("beijing",) 若没有“,”,则是创建的是字符串“beiji
felixzhao
2018-03-19
6030
python基础知识——内置数据结构(字典)
    字典是有“键-值”对组成的集合,字典中的“值”通过“键”来引用。“键-值”对之间用逗号隔开,并且被包含在一对花括号中。 1、字典的创建 格式 dictionary_name = {key1 : value1, key2 : value2, ...} 创建空的字典 dictionary_name = {} 例如 dict = {'b' : 'beijing', 's' : 'shanghai', 'w' : 'wuhan', 'g' : 'guangzhou'} print dict 输出:
felixzhao
2018-03-16
7270
数据结构和算法——动态规划
一、动态规划的思想     动态规划(dynamic programming)是一种算法设计的思想,主要是将一个问题划分成几个更小的问题,并对这样更小的问题进行求解,最终得到整个问题的解。有人在想这样的方式和分治法的求解很像。 动态规划:各个子问题不是独立的,他们包含了公共子问题 分治法:一个大问题是被划分成一些独立的子问题,通过递归地求解子问题最终得到整个问题的解 在动态规划法中,与其对交叠的子问题一次一次求解,不如对每个较小的子问题只求解一次并把结果记录在表中,这样就能从表中得到原始问题的解。举个简单的
felixzhao
2018-03-16
1K0
数据结构和算法——用动态规划求解最短路径问题
一、动态规划求解问题的思路     在《算法导论》上,动态规划的求解过程主要分为如下的四步: 描述最优解的结构 递归定义最优解的值 按自底向上的方式计算最优解的值 由计算出的结果构造一个最优解     在利用动态规划求解的过程中值得注意的就是是否包含最优子结构,简单来讲就是一个问题的最优解是不是包含着子问题的最优解。利用求解子问题的最优解最后得到整个问题的最优解,这是利用动态规划求解问题的基本前提。 二、最短路径问题     在http://iprai.hust.edu.cn/icl2002/algorit
felixzhao
2018-03-16
1.3K0
挑战数据结构和算法面试题——最大间隔
题目来自伯乐在线,欢迎有不同答案的同学来一起讨论。 分析: 本题首先需要理解清楚最大间隔的最小: 最初的间隔为:[1,1,4,1],此时最大间隔为4 删除2后的间隔为:[2,4,1],此时最大间隔为
felixzhao
2018-03-16
6990
挑战数据结构和算法面试题——左旋转字符串
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 问题分析:本题是常见的旋转字符串的问题,解决的方法是两步旋转的方法: 方法: void do_reverse(c
felixzhao
2018-03-15
6190
挑战数据结构和算法——跳台阶问题
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 image.png 方法: int get_kind(int n){ if (n <= 0) retur
felixzhao
2018-03-15
5060
挑战数据结构和算法——整数的二进制表示中1的个数
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 问题分析:本题涉及到二进制的处理,在本题使用到&操作和>>操作。 方法: int get_num(int n
felixzhao
2018-03-15
8940
挑战数据结构和算法——栈的push、pop序列
题目来源“数据结构与算法面试题80道”。在此给出我的解法,如你有更好的解法,欢迎留言。 问题分析:本题考查栈的基本操作,栈是一种“先进后出”的数据结构。判断一个序列是否是栈的pop序列是一种常见的问题
felixzhao
2018-03-15
1.3K0
C/C++——柔性数组
1、问题来源 在博文数据结构和算法——kd树中,在构建kd树的过程中,有如下的一段代码: #define MAX_LEN 1024 typedef struct KDtree{ double data[MAX_LEN]; // 数据 int dim; // 选择的维度 struct KDtree *left; // 左子树 struct KDtree *right; // 右子树 }kdtree_node; 在这段代码中,为了存储数据,申请了
felixzhao
2018-03-14
8550
数据结构和算法——kd树
一、K-近邻算法 K-近邻算法是一种典型的无参监督学习算法,对于一个监督学习任务来说,其mm个训练样本为: {(X(1),y(1)),(X(2),y(2)),⋯,(X(m),y(m))} \left \{ \left ( X^{\left ( 1 \right )},y^{\left ( 1 \right )} \right ),\left ( X^{\left ( 2 \right )},y^{\left ( 2 \right )} \right ),\cdots ,\left ( X^{\left (
felixzhao
2018-03-14
1.3K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档