《算法面经》专题

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？ 注意：给定 n 是一个正整数。 示例 1： 输入： 2 输出： 2 解释： 有两种方法可以爬到楼顶。 1. 1 阶 + 1 阶 2. 2 阶 示例 2： 输入： 3 输出： 3 解释： 有三种方法可以爬到楼顶。 1. 1 阶 + 1 阶 + 1 阶 2. 1 阶 + 2

发面经攒人品，用快手一个部门的面经求另一个部门的offer 一面 研究方向，论文的问题 深度学习相关 ReLU ReLU，LeakyReLU ReLU表达式，优缺点，为什么用，为什么不用 ReLU激活函数是如何解决梯度消失和梯度爆炸问题的？ 什么是梯度消失和梯度爆炸？什么单元更容易出现梯度消失梯度爆炸的问题？ReLU如何解决梯度消失问题 ReLU之前常用的激活函数 Sigmoid 写一下sigmo

Hash 算法 定义 Hash （哈希或散列）算法是信息技术领域非常基础也非常重要的技术。它能任意长度的二进制值（明文）映射为较短的固定长度的二进制值（Hash 值），并且不同的明文很难映射为相同的 Hash 值。 例如计算一段话“hello blockchain world, this is yeasy@github”的 MD5 hash 值为 89242549883a2ef85dc81b90f

后缀树 1.1、后缀树的定义 后缀树（Suffix tree）是一种数据结构，能快速解决很多关于字符串的问题。后缀树的概念最早由Weiner 于1973年提出，既而由McCreight 在1976年和Ukkonen在1992年和1995年加以改进完善。 后缀，顾名思义，就是后面尾巴的意思。比如说给定一长度为n的字符串S=S1S2..Si..Sn，和整数i，1 <= i <= n，子串SiSi+1…

推荐系统并不是新鲜的事物，在很久之前就存在，但是推荐系统真正进入人们的视野，并且作为一个重要的模块存在于各个互联网公司，还是近几年的事情。 随着互联网的深入发展，越来越多的信息在互联网上传播，产生了严重的信息过载。如果不采用一定的手段，用户很难从如此多的信息流中找到对自己有价值的信息。 解决信息过载有几种手段：一种是搜索，当用户有了明确的信息需求意图后，将意图转换为几个简短的词或者短语的组合（即q

　　　　为了减少I/O次数，FP Tree算法引入了一些数据结构来临时存储数据。这个数据结构包括三部分，如下图所示： 　　　　第一部分是一个项头表。里面记录了所有的1项频繁集出现的次数，按照次数降序排列。比如上图中B在所有10组数据中出现了8次，因此排在第一位，这部分好理解。第二部分是FP Tree，它将我们的原始数据集映射到了内存中的一颗FP树，这个FP树比较难理解，它是怎么建立的呢？这个我们后

1.算法简介 AP(Affinity Propagation)通常被翻译为近邻传播算法或者亲和力传播算法，是在2007年的Science杂志上提出的一种新的聚类算法。AP算法的基本思想是将全部数据点都当作潜在的聚类中心(称之为exemplar)，然后数据点两两之间连线构成一个网络(相似度矩阵)，再通过网络中各条边的消息(responsibility和availability)传递计算出各样本的聚类

DEFLATE 是同时使用了哈夫曼编码（Huffman Coding）与 LZ77 算法的一个无损数据压缩算法，是一种压缩数据流的算法。任何需要流式压缩的地方都可以用。目前 zip 压缩文件默认使用的就是该算法。 关于算法的原理，以及 哈夫曼编码（Huffman Coding）与 LZ77 算法，感兴趣的读者可以查询相关资料，这里推荐 GZIP压缩原理分析——第五章 Deflate算法详解 序列文

该包实现了四种基本排序算法：插入排序、归并排序、堆排序和快速排序。 但是这四种排序方法是不公开的，它们只被用于sort包内部使用。所以在对数据集合排序时不必考虑应当选择哪一种排序方法，只要实现了sort.Interface定义的三个方法：获取数据集合长度的Len()方法、比较两个元素大小的Less()方法和交换两个元素位置的Swap()方法，就可以顺利对数据集合进行排序。sort包会根据实际数据自

轮询算法 类型：ROUND_ROBIN 可配置属性：无 随机访问算法 类型：RANDOM 可配置属性：无

问题 你想计算出 Fibonacci 数列中的数值 N ，但需迅速地算出结果。 解决方案 下面的方案（仍有需改进的地方）最初在 Robin Houston 的博客上被提出来。 这里给出一些关于该算法和改进方法的链接： http://bosker.wordpress.com/2011/04/29/the-worst-algorithm-in-the-world/ http://www.math.ru

10.5.1 算法复杂度 为了回答上述问题，首先要明确如何衡量算法的好坏。以搜索问题为例，线性搜索算法 直接了当，易设计易实现，这算不算“好”？而二分搜索算法虽然设计实现稍难一些，但因 无需检查每一个数据而大大提高了搜索效率，这又算不算“好”？ 在解决数学问题时，不论是证明定理还是计算表达式，只要证明过程正确、计算结果精 确，问题就可以认为成功地解决了，即正确性、精确性是评价数学解法好坏的标准。而

Reference 【必读】An overview of gradient descent optimization algorithms - Sebastian Ruder 梯度下降 ../数学/梯度下降法 梯度下降是一种优化算法，通过迭代的方式寻找模型的最优参数； 所谓最优参数指的是使目标函数达到最小值时的参数； 当目标函数是凸函数时，梯度下降的解是全局最优解；但在一般情况下，梯度下降无法保证

Index 基本遵从《统计学习方法》一书中的符号表示。 除特别说明，默认w为行向量，x为列向量，以避免在wx 中使用转置符号；但有些公式为了更清晰区分向量与标量，依然会使用^T的上标，注意区分。 输入实例x的特征向量记为： 注意：x_i 和 x^(i) 含义不同，前者表示训练集中第 i 个实例，后者表示特征向量中的第 i 个分量；因此，通常记训练集为： 特征向量用小n表示维数，训练集用大N表示个数

一、我们先回顾下SVM问题。 A、线性可分问题 1、SVM基本原理： SVM使用一种非线性映射，把原训练数据映射到较高的维。在新的维上，搜索最佳分离超平面，两个类的数据总可以被超平面分开。 2、问题的提出： 3、如何选取最优的划分直线f(x)呢？ 4、求解：凸二次规划 建立拉格朗日函数： 求偏导数： B、线性不可分问题 1、核函数 如下图：横轴上端点a和b之间红色部分里的所有点定为正类，两边的黑色