Hilda

「离开世界之前 一切都是过程」

【AI思想启蒙04】线性回归3突破瓶颈，模型效果的提升

多元线性回归处理多特征数据，通过增广向量统一表达，MSE优化权重。多项式回归拟合非线性，需平衡过拟合。随机特征权重期望为0，共线性导致系数不稳定，需特征选择或正则化。

现实中，线性回归的问题往往是多元的。 1.多元回归模型基本描述 多元线性回归模型是处理具有多个特征（\(X\) 向量）的回归问题。 模型是一个函数，将输入 \(X\) 映射到输出 \(Y\)。 目标值 \(y\) 是由多个特征 \(x_i\) 及其对应的权重 \(w_i\) 的线性组合构成。 \[y = w_1 x_1 + w_2 x_2 + \cdots + w_n x_n ...

Posted by Hilda on October 27, 2025

【AI思想启蒙03】线性回归2从傻瓜到智能，梯度下降法学习法

线性回归代码实现数据读取、模型训练、MSE评估与可视化，分析MSE凸性与梯度下降策略，MBGD平衡速度与稳定性，提前停止防过拟合。

1.代码实战：线性回归 1.导包与数据读取： 1 2 3 4 5 6 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.model_selection import ...

Posted by Hilda on October 27, 2025

【AI思想启蒙02】线性回归1第一个模型，用来进行数值预测

线性回归通过MSE优化参数，平方项放大难预测点误差，优先修正离群点；MAE鲁棒但不可导，MSE平滑可导更适合梯度下降。

上一节：人工智能概述和特征提取？做人工智能的第一步中提到：所有复杂的原始数据（图像、文本、用户）都必须通过强业务绑定的特征工程（向量化）过程，转换为统一的数值向量，才能输入给机器学习模型进行学习和预测。即数据 \(\rightarrow\) 向量化 \(\rightarrow\) 模型。 而学习机器学习，就是学习各种模型，即学习各种传统AI算法。 这节主要学习线性回归算法。 首...

Posted by Hilda on October 27, 2025

【AI思想启蒙01】人工智能概述和特征提取？做人工智能的第一步

RGB灰度转换依人眼对绿光敏感，词袋模型忽略语序语义，独热编码优于标签编码，特征工程需结合业务，深度学习用Embedding解决高维问题。

1.灰度转换计算 ITU-R BT.709 标准加权系数 来对一个特定 RGB 颜色进行灰度转换计算 标准加权系数: \(a_1\) (Red, 红色) \(\approx 0.2126\) \(a_2\) (Green, 绿色) \(\approx 0.7152\) \(a_3\) (Blue, 蓝色) \(\approx 0.0722\) 公式: \(\rho...

Posted by Hilda on October 26, 2025

【体系学习011】二叉树题目

1.求所有祖先节点 先说结论： 节点 \(x\) 的所有祖先节点 = 先序遍历序列中出现在\(x\) 左边的节点集合 ∩ 后序遍历序列中出现在右边\(x\) 的节点集合。 例如求下图中x的所有祖先节点： 如何证明上面的结论呢？ 根据先序遍历的定义（根左右），所以，x节点的祖先一定全部在先序遍历x的左边。那么后序遍历中也是同理，x的祖先一定在x后序遍历的右边。 然后证明：为...

Posted by Hilda on October 8, 2025

【算法题库2】微软面试题-折纸问题

【微软面试题】 请把一段纸条竖着放在桌子上，然后从纸条的下边向上方对折1次，压出折痕后展开。此时折痕是凹下去的，即折痕突起的方向指向纸条的背面。 如果从纸条的下边向上方连续对折2次，压出折痕后展开，此时有三条折痕，从上到下依次是下折痕、下折痕和上折痕。 给定一个输入参数N，代表纸条都从下边向上方连续对折N次。 请从上到下打印所有折痕的方向。 例如:N=1时，打印: down N=2时...

Posted by Hilda on October 2, 2025

【体系学习010】链表题目

1.面试时链表解题的方法论 1)对于笔试，不用太在乎空间复杂度，一切为了时间复杂度 2)对于面试，时间复杂度依然放在第一位，但是一定要找到空间最省的方法 2.链表面试题常用数据结构和技巧 1）使用容器(哈希表、数组等) 2）快慢指针 例如下面的功能： 1）输入链表头节点，奇数长度返回中点，偶数长度返回上中点 2）输入链表头节点，奇数长度返回中点，偶数长度返回下中点 ...

Posted by Hilda on September 28, 2025

【体系学习009】排序算法总结

1.排序算法稳定性 稳定性是指同样大小的样本再排序之后不会改变相对次序 对基础类型来说，稳定性毫无意义 对非基础类型来说，稳定性有重要意义 有些排序算法可以实现成稳定的，而有些排序算法无论如何都实现不成稳定的 【不稳定】：选择排序、快排、堆、希尔 【可以做到稳定】：冒泡、插入、归并 2.排序算法总结   时间复杂度 ...

Posted by Hilda on September 25, 2025

【体系学习008】前缀树与基数排序

前缀树、不基于比较的排序、排序稳定性 1.前缀树(trie树) 1.1前缀树概念 1）单个字符串中，字符从前到后的加到一棵多叉树上 2）字符放在路上，节点上有专属的数据项（常见的是pass和end值） 3）所有样本都这样添加，如果没有路就新建，如有路就复用 4）沿途节点的pass值增加1，每个字符串结束时来到的节点end值增加1 可以完成前缀相关的查询 例如一个简单的记录了”a...

Posted by Hilda on September 25, 2025

【体系学习007】加强堆

1.通过规模和指令条数来推测算法复杂度 在线评测系统需要一个公平的环境来评估不同语言的解法。考虑到 Java 特有的启动和 JIT 开销，如果将所有语言的时间限制都设为 1-2 秒（C/C++通常是这样），那么一些本应通过的 Java 代码可能会因为这些“系统开销”而超时。 为了弥补这种天生的劣势，评测系统会为 Java 这类需要虚拟机的语言提供更宽裕的时间限制（比如2-4秒），以确...

Posted by Hilda on September 24, 2025

FEATURED TAGS
书籍阅读 算法 人工智能AI基础 python基础 力扣 numpy pandas 机器学习-吴恩达 机器学习算法 matplotlib AI思想启蒙 spring6 算法题库 Java基础 java集合 ollama工具 python爬虫
ABOUT ME

自由 解放

FRIENDS