文章目录引言查找一个数寻找最左边的满足条件的值面试题 08.03. 魔术索引寻找最右边的满足条件的值寻找最左插入位置35. 搜索插入位置34. 在排序数组中查找元素的第一个和最后一个位置寻找最右插入位置的情况局部有序(先降后升或先升后降)33. 搜索旋转排序数组81. 搜索旋转排序数组 II面试题 10.03. 搜索旋转数组153. 寻找旋转排序数组中的最小值二维数组的二分查找74. 搜索二维矩阵

文章目录引言112. 路径总和113. 路径总和 II129. 求根节点到叶子节点数字之和124. 二叉树中的最大路径和257. 二叉树的所有路径引言  树的求和属于树的题目中比较常见的，因为可以有几种变体，灵活度比较高，也可以考察到对于树的数据结构和递归的理解。112. 路径总和给你二叉树的根节点 root 和一个表示目标和的整数 targetSum ，判断该树中是否存在 根节点到叶子节点 的路

文章目录一、二叉堆二、堆的自我调整1.插入节点2.删除节点3.构建二叉堆三、堆的代码实现一、二叉堆  二叉堆本质上是一种完全二叉树，它分为两个类型：最大堆：最大堆任何一个父节点的值，都大于等于它左右孩子节点的值。最小堆：最小堆任何一个父节点的值，都小于等于它左右孩子节点的值。  二叉堆的根节点叫做堆顶。最大堆和最小堆的特点决定了在最大堆的堆顶是整个堆中的最大元素；最小堆的堆顶是整个堆的最小元素。二

文章目录引言1.re.match函数2. re.search方法3.re.match与re.search的区别4.re.sub引言re 模块使 Python 语言拥有全部的正则表达式功能使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。group(num=0)匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组

pandas.date_range(start=None, end=None, periods=None, freq=None, tz=None,normalize=False, name=None, closed=None, **kwargs)作用是返回固定频率的时间索引参数：start:左边界用于生成日期end：右边界用于生成日期periods：周期数freq：频率字符串可以有多个，例如“ 5

文章目录链表1.为什么需要链表2.链表的定义单向链表1.单向链表的定义2.节点的实现3.单链表的操作1）is_empty() 链表是否为空2）length() 链表长度3）travel() 遍历整个链表4）add(item) 链表头部添加元素5)append(item) 链表尾部添加元素6）insert(pos, item) 指定位置添加元素7）remove(item) 删除节点8）search(

文章目录引言一、分类与预测1.常用的分类与预测算法2. 回归分析3.决策树4.人工神经网络二、聚类分析1.常用的聚类分析算法2.K-Means聚类算法2.1 算法过程2.2 数据类型与相似性的度量3. 目标函数3.消费行为特征分析本文参考《python数据分析与挖掘实战》数据集链接，密码1234《python数据分析与挖掘实战》pdf链接，密码1234数据挖掘实战—餐饮行业的数据挖掘之数据探索(E

文章目录1.信息增益1.信息熵2.条件熵3.信息增益2. 信息增益比3.决策树的构建1.ID3算法2.C4.5算法4.决策树的剪枝5.CART算法1.信息增益1.信息熵熵交叉熵KL散度均匀分布时，熵最大，不确定性最大2.条件熵P733.信息增益信息增益的概念:表示得知特征X的信息而使得类Y的信息的不确定性减少的程度，倾向与选择取值较多的特征2. 信息增益比3.决策树的构建1.ID3算法2.C4.5

文章目录一、提升1.提升的概念2.提升算法3.梯度提升决策树-GBDT1)提升算法推导-梯度提升法2）GBDT4.XGBT推导1）提升算法推导-考虑使用二阶导信息2）决策树结构的划分3）XGBT总结5.Adaboost算法1）Adaboost算法推导2）Adaboost算法举例3）Adaboost算法收敛性证明4）Adaboost总结6.方差与偏差一、提升1.提升的概念2.提升算法3.梯度提升决策

文章目录一、自然语言处理基础任务二、自然语言处理应用一、自然语言处理基础任务  自然语言处理中包含以下基础任务：分词-word segmentationJieba分词SnowNLPLTPHanNLP词性标注-POS  句子中的每个单词被分类为一种词性，如动词，名词等，词性标注的过程依赖当前单词以及上下文信息，词性标注问题即序列标注问题。序列标注问题可以当做分类问题，一方面，可以对于当前单词以及上下