原创 阿里JAVA開發面試常問問題總結1
1、Java中所有類的父類是什麼？它都有什麼方法，請列舉。 Object類是所有類、數組、枚舉類的父類。它提供瞭如下幾個常用方法： 1）equals()：判斷指定對象與該對象是否相等。 2）finalize()：當系統中沒有引
2020-02-22 05:23:12
原创 java中的幾個“區別”總結
1、Java中wait()和sleep()的區別 1）、方法來源：sleep()方法屬於Thread類，wait()方法屬於Object類。 2）、佔用資源：sleep=“佔着CPU睡覺”；wait=“等待使用CPU”。 sl
2020-02-22 05:23:12
原创 網站性能優化
1、減少dns查找次數 dns提供了域名和ip的對應關係，當你在瀏覽器地址欄中輸入www.baidu.org 時，DNS解析服務器就會返回這個域名對應的IP地址。DNS解析的過程同樣也是需要時間的。一般情況下返回給定域名對應的IP
2020-02-22 05:23:12
原创 線程
總體目錄 一.進程和線程基本概念 二.線程的生命週期 三.線程的調度 四.線程的創建方法 五.線程的同步 六.線程的併發 七.線程死鎖 八.線程安全 九.線程池 一、進程和線程基本概念 概述 幾乎任何操作系統都支持運行多個任務，通
2019-08-02 22:12:07
原创 C++學習篇
C++ 學習篇 目前工作和算法相關，需要用到C++和Python，現特此總結一篇C++學習文章，後續會再加一篇Python學習文章，工作中能夠堅持學習自己想學的東西實屬不易，希望黑暗中能夠保守一束光，希望勉勵自己加油，努力奮鬥，希望星
2018-12-12 21:49:10
原创 機器學習面試問題1
本機器學習面試問題系列博客共有10章，從1到10分別總結了機器學習面試的經典常用問題，也是阿里面試常用考題，系小編嘔心瀝血之作，希望大家能夠在參考之餘和小編積極交流，歡迎評論，歡迎來踩！希望能對和小編一樣的機器學習愛好者提供實質性幫助。
2018-08-22 05:13:52
1
原创 機器學習面試問題8
userCF和itemCF在實際當中如何使用，提供具體操作，以及它們的優勢（推薦系統） 基於用戶的協同過濾算法UserCF 基於用戶的協同過濾，通過不同用戶對物品的評分來評測用戶之間的相似性，基於用戶間的相似性做出推薦。 簡單來講就是：
2018-08-22 05:13:52
原创 機器學習面試問題9
圖模型 圖模型是一類用圖來表示概率分佈的一類技術的總稱。 它的主要優點是把概率分佈中的條件獨立用圖的形式表達出來，從而可以把一個概率分佈（特定的，和應用相關的）表示爲很多因子的乘積，從而簡化在邊緣化一個概率分佈的計算，這裏的邊緣化指的是給
2018-08-22 05:13:52
2
原创 刪除鏈表的中間節點和a/b處的節點
給定鏈表的頭結點head，整數a、b，實現刪除鏈表的中間節點的函數，並實現刪除位於a/b處節點的函數。 public class RemoveNode { public class Node{ public int
2018-08-22 05:13:52
1
原创 機器學習面試問題7
爲什麼要用邏輯迴歸 邏輯迴歸主要解決線性可分問題，模型簡單，易於理解和實現，很適合用來學習大數據的問題。另外，邏輯迴歸做在線學習比較容易，處理速度也快。 SVM和LR的區別： 兩種方法都是常見的分類算法,從目標函數來看,區別在於邏輯迴歸
2018-08-22 05:13:52
3
原创 機器學習面試問題2
算法原理 LR logistic(邏輯迴歸)是一種廣義線性迴歸分析模型，是一種分類算法。 通過函數L將w‘x+b對應一個隱狀態p，p =L(w‘x+b),然後根據p 與1-p的大小決定因變量的值。L是logistic函數. 該模型是典
2018-08-22 05:13:52
4
原创 機器學習面試問題3
以下內容承接機器學習相關面試2。 Apriori Apriori算法是一種關聯規則的基本算法，是挖掘關聯規則的頻繁項集算法，也稱“購物籃分析”算法，是“啤酒與尿布”案例的代表。 算法步驟： 1）依據支持度找出所有頻繁項集。 Apriori
2018-08-22 05:13:52
3
原创 一致性hash算法學習
一致性hash算法是一種很好的數據緩存設計方案，它滿足平衡性、分散性、單調性、負載均衡。 1、平衡性(Balance)：平衡性是指哈希的結果能夠儘可能分佈到所有的緩衝中去，這樣可以使得所有的緩衝空間都得到利用。 2、單
2018-08-22 05:13:52
1
原创 機器學習面試問題6
以下內容接機器學習面試問題5. 神經網絡參數相關 參數的範圍 目前還沒有明確的參數範圍，只有個人總結性的原則。如下： 網絡參數確定原則： ①、網絡節點 網絡輸入層神經元節點數就是系統的特徵因子(自變量)個數，輸出層神經元節點數就是系統
2018-08-22 05:13:52
2
原创 機器學習面試問題10
線性分類器與非線性分類器的區別及優勢 線性分類器：模型是參數的線性函數，分類平面是（超）平面； 非線性分類器：模型分界面可以是曲面或者超平面的組合。 典型的線性分類器有感知機，LDA，邏輯斯特迴歸，SVM（線性核）； 典型的非線性分
2018-08-22 05:13:52
2