牛客题解官

分类

题解(475)

/ 注册

TA的专栏 869篇文章 60人订阅

牛客代码笔记-牛栋

74篇文章 532人学习

图解HTTP-牛客面经八股

15篇文章 309人学习

图解网络模型-牛客面经八股

21篇文章 362人学习

图解Java基础-牛客面经八股

24篇文章 317人学习

图解Java多线程牛客面经八股

28篇文章 429人学习

图解JVM-牛客面经八股

11篇文章 382人学习

图解Spring-牛客面经八股

17篇文章 482人学习

图解Mybatis牛客面经八股

10篇文章 283人学习

图解Redis-牛客面经八股

17篇文章 328人学习

图解分布式-牛客面经八股

19篇文章 342人学习

图解系统设计-牛客面经八股

17篇文章 350人学习

图解操作系统-牛客面经八股

75篇文章 432人学习

图解数据库基础-牛客面经八股

26篇文章 350人学习

图解SQL-牛客面经八股

32篇文章 363人学习

图解数据库锁-牛客面经八股

32篇文章 345人学习

图解C++基础-牛客面经八股

47篇文章 317人学习

图解C++高级-牛客面经八股

32篇文章 219人学习

图解C++STL-牛客面经八股

17篇文章 306人学习

图解大模型基础-牛客面经八股

53篇文章 397人学习

图解测试基础-牛客面经八股

12篇文章 301人学习

图解测试用例设计-牛客面经八股

18篇文章 337人学习

图解机器学习-牛客面经八股

36篇文章 378人学习

图解Elasticsearch

24篇文章 316人学习

图解机器学习应用-牛客面经八股

26篇文章 360人学习

图解大模型应用-牛客面经八股

23篇文章 299人学习

图解测试开发-牛客面经八股

17篇文章 354人学习

图解Vue-牛客面经八股

44篇文章 269人学习

图解前端开发-牛客面经八股

39篇文章 394人学习

图解TCP/UDP牛客面经八股

43篇文章 347人学习

提示词工程指南

20篇文章 268人学习

全部文章（共1142篇）

题解|计算准确度分数

准确度分数（Accuracy Score）是一种常用的评估指标，常见于分类问题中，用于衡量分类器的准确性，其计算公式为：其中，是真正例，是真反例，是假正例，是假反例。标准代码如下 def accuracy_score(y_true, y_pred): accuracy = np.sum...

2025-02-05

0 84

题解|实现One-Hot编码

One-Hot编码（One-Hot Encoding）是一种常用的编码方法，用于将分类变量转换为数值变量。通俗点说，若变量总共分为类，则One-Hot编码会将变量转换为维的向量，其中只有一维为1，其余维度为0。标准代码如下 def to_categorical(x, n_col=None): ...

2025-02-05

1 128

题解|数据集的批量迭代器

数据集的批量迭代器（Batch Iterator）是一种常用的数据处理方法，用于将数据集分为多个批次，每个批次包含固定数量的数据。本题也是mini-batch梯度下降法的关键步骤，关键思想可以参考梯度下降部分。标准代码如下 def batch_iterator(X, y=None, batch_...

2025-02-05

0 79

题解|数据集随机洗牌

数据集随机洗牌（Shuffle Dataset）是一种常用的数据处理方法，用于将数据集随机打乱。标准代码如下 def shuffle_data(X, y, seed=None): if seed: np.random.seed(seed) idx = np.aran...

2025-02-05

1 81

题解|鸢尾花分类

鸢尾花分类在机器学习中是经典的分类问题，通常被初学者用来学习分类算法。鸢尾花数据集包含150个样本，每个样本有4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。该数据集用于分类任务，标签分为三类：Iris-setosa、Iris-versicolor和Iris-virginica。逻辑回归是一种...

2025-02-05

1 146

题解|损失函数

均方误差（MSE）：用于回归问题，计算预测值与真实值之间的平方差的平均值。MSE对较大的误差更加敏感，因此适合于需要惩罚大误差的场景。平均绝对误差（MAE）：同样用于回归问题，计算预测值与真实值之间的绝对差的平均值。MAE对异常值的敏感性较低，适合于对所有误差一视同仁的情况。 Huber损失...

2025-02-05

0 115

题解|异常值与缺失值

异常值是指在数据集中明显偏离其他观测值的点，通常由于测量误差或数据录入错误引起。异常值可能会对模型的训练和预测产生负面影响，因此在数据预处理阶段需要进行识别和处理。常见的处理方法包括去除异常值或使用更稳健的统计方法进行分析。缺失值是指在数据集中缺少的观测值，可能由于多种原因导致，例如数据收集过程中...

2025-02-05

0 147

题解|特征扩展实现

特征扩展是一种数据预处理技术，包括特征缩放、特征标准化、特征归一化、特征正则化等。本题考察的是特征缩放和特征标准化。特征缩放是一种将输入数据转换为统一尺度的方法，它通过将输入数据中的每个元素进行缩放，来使得输入数据中的每个元素的值统一在某个尺度之下。特征标准化是将输入数据转换为均值为0，方差为1...

2025-02-05

1 112

题解|使用梯度下降的线性回归

梯度下降在机器学习中是一种常用的优化算法，用于求解最小化损失函数的问题。其具体步骤如下： 1. 初始化参数创建一个与输入矩阵和输出矩阵相关的矩阵。数学表达式为：本题初始化参数为0，但在实际使用中更常见的是使用随机初始化。 2. 计算梯度计算损失函数对参数的梯度。 ...

2025-02-05

1 147

题解|使用正规方程的线性回归

线性回归是一类回归问题，其目标是通过找到一组参数，使得输入数据和输出数据之间的线性关系尽可能地接近。其数学表达式为：其中，是输入矩阵，是回归系数，是输出矩阵。而正规方程是一种求解线性回归问题的方法，它通过求解矩阵的逆来得到回归系数。其具体步骤如下： 1. 初始化矩阵创建一个与输入矩阵...

2025-02-05

1 221