1. 推荐算法简介 0x1:关于推荐的几个小故事 在开始讨论抽象具体的算法和公式之前,笔者希望先通过几个小故事,来帮助读者朋友建立一个对推荐算法的感性理解。同时我们也可以更好地体会到在现实复杂世界中,推荐是一项非常复杂的事情,现在的最新的推荐算法可能只模拟了其中30%不到的程度。 1. ...
NOIP回来就一直想着学平衡树。。。平衡树写久了调不出来真的会头脑发热.jpg 大概只写了几道题。。。 fhqtreap是不需要旋转的平衡树,仅使用分裂合并,一样可以保持平衡树的性质,并且可以非常简单地处理区间问题。 fhqtreap的核心有两段代码,split 分裂 和merge 合并 split x, l, r, k ,表示把原x的子树以第k小数为界限,权值 lt 第k小数的数分在左子树,根 ...
2017-11-27 21:40 1 2974 推荐指数:
1. 推荐算法简介 0x1:关于推荐的几个小故事 在开始讨论抽象具体的算法和公式之前,笔者希望先通过几个小故事,来帮助读者朋友建立一个对推荐算法的感性理解。同时我们也可以更好地体会到在现实复杂世界中,推荐是一项非常复杂的事情,现在的最新的推荐算法可能只模拟了其中30%不到的程度。 1. ...
蝙蝠算法初探 function [best,fmin,N_iter]=bat_algorithm() n=20; % Population size, typically 10 to 40 蝙蝠个体数 N_gen=1000; % Number of generations 迭代 ...
这个问题的算法就是PageRank。毫不夸张的说,是PageRank算法成就了Google今天的地位。 1 ...
EM算法浅析,我准备写一个系列的文章: EM算法浅析(一)-问题引出 EM算法浅析(二)-算法初探 一、EM算法简介 在EM算法之一--问题引出中我们介绍了硬币的问题,给出了模型的目标函数,提到了这种含隐变量的极大似然估计要用EM算法解决,继而罗列了EM算法的简单过程,当然最后 ...
1.以G71列车为例,首先对车次站台进行占位编码(从1开始到最后一站递加) 对以上占位简单描述以下:G71总共18个站点那么我们的单个座位的座位标识可以用十八位长度的二进制 ...
图论,顾名思义就是有图有论。 图:由点“Vertex”和边“Edge ”组成,且图分为有向图和无向图(本文讨论有向图),之前做毕业设计的时候研究“多谱流形聚类算法”的时候有研究“Graph”。高维数据的聚类就涉及到Graph Cut算法,想象数据为欧式空间 ...
整体二分好喵喵~长得很像决策单调性的分治优化,它能够帮助你不用写各种树套主席树就能很轻易地求出第k小数233333(大雾 首先确定一个决策区间solve(l, r, L, R)表示编号在L~ ...
1. 聚类简介 0x1:聚类是什么? 聚类是一种运用广泛的探索性数据分析技术,人们对数据产生的第一直觉往往是通过对数据进行有意义的分组,通过对对象进行分组,使相似的对象归为一类,不相似的对象归为不同类。 0x2:聚类的悖论 在研究聚类算法原理以及应用聚类算法的时候,我们自己首先要明白,聚类 ...