题目来源：Leetcode K个一组翻转链表题目给你一个链表，每 k 个节点一组进行翻转，请你返回翻转后的链表。k 是一个正整数，它的值小于或等于链表的长度。如果节点总数不是 k 的整数倍，那么请将最后剩余的节点保持原有顺序。示例：给你这个链表：1->2->3->4->5当 k = 2 时，应当返回: 2->1->4->3->5当 k...

一.什么是线性判别分析？线性判别分析（Linear Discriminant Analysis，LDA）的一种经典的线性学习方法（属于监督学习），这里先借用周志华教授的《机器学习》中的图片来做一个直观的展示：正如该图中展示的那样，LDA需要寻找一条合适的直线y=wTxy=w^Txy=wTx，使得数据集中的样例投影到该直线时同类样例的投影点尽可能接近，不同类样例的投影点尽可能远离，这样一来就可以对新

今天我们来介绍一种利用堆栈实现的填充算法，这种算法相比于直接使用递归实现的填充算法（如内点表示的四连通种子填充算法）来说，它需要的堆栈大小不需要那么庞大，下面是具体实现：...

今天我们来介绍一种利用堆栈实现的填充算法，这种算法相比于直接使用递归实现的填充算法（如内点表示的四连通种子填充算法）来说，它需要的堆栈大小不需要那么庞大，下面是具体实现：...

BERT（BEncoderRTransformer）是Google于2019年提出的预训练语言模型。与寻常的Transformer架构不同，该模型由双向Transformer编码器组成，双向编码使得BERT能够从左到右和从右到左编码上下文。BERT通过无标签语料数据，在精心设计的预训练任务**掩码语言模型（Masked LM）和下一句预测（Next Sentence Prediction, NSP

BERT（BEncoderRTransformer）是Google于2019年提出的预训练语言模型。与寻常的Transformer架构不同，该模型由双向Transformer编码器组成，双向编码使得BERT能够从左到右和从右到左编码上下文。BERT通过无标签语料数据，在精心设计的预训练任务**掩码语言模型（Masked LM）和下一句预测（Next Sentence Prediction, NSP

一.前言2022年的第一篇博客，《机器学习》这个专栏去年由于自己的时间原因，更新的不勤，乘最近稍微有点时间准备开始陆陆续续更新，今天先来一道开胃菜：带拉普拉斯修正的朴素贝叶斯，话不多说请看下文。二.贝叶斯定理在正式介绍朴素贝叶斯算法之前先介绍下与其息息相关的贝叶斯定理（参考维基百科），其数学形式如下所示：P(A∣B)=P(A)P(B∣A)P(B)P(A|B) = \frac{P(A)P(B|A)}

一.什么是线性判别分析？线性判别分析（Linear Discriminant Analysis，LDA）的一种经典的线性学习方法（属于监督学习），这里先借用周志华教授的《机器学习》中的图片来做一个直观的展示：正如该图中展示的那样，LDA需要寻找一条合适的直线y=wTxy=w^Txy=wTx，使得数据集中的样例投影到该直线时同类样例的投影点尽可能接近，不同类样例的投影点尽可能远离，这样一来就可以对新

H2GCN是NeurIPS 2020上发表的论文《Beyond Homophily in Graph Neural Networks: Current Limitations and Effective Designs》所提出来的一个同时适用于同配图和异配图的GNN模型。该模型官方也开源了相应的源码（Github），但是是Tensorflow实现的，为此，本文基于Pytorch+PyG来对该模型进

遵从1-hop消息传递范式的GNN的表达能力上限为Weisfeiler-Lehman test（1-WL test），为了获取更具表达能力的GNNs，学者提出了K-hop消息传递范式。本文作者先对K-hop消息传递的表达能力进行了分析，并整合外围子图信息来进一步改善K-hop消息传递的表达能力。