原创 LeetCode—Reverse Bits ,1 Bit和數字的二進制情況相關

https://leetcode.com/problems/reverse-bits/ Reverse bits of a given 32 bits unsigned integer. For example, given in

原创 hadoop+maven工程僞分佈下實例運行

首先希望能夠把本地的一些資源能夠上傳到hdfs當中,利用僞分佈的格式分析工程的運行情況:執行put操作的時候出錯 hadoop報錯:could only be replicated to 0 nodes, instead of

原创 廣告推薦系統—CTR&LR模型評價

“計算廣告學”中重要的一個子集——轉化率預估(Conversion Modeling)廣告行業內常見的商業模式有四種(圖1):1) CPM(xost per mille),按每千次展現付費;2)CPC,按點擊付費cost per c

原创 LeetCode—Merge Two Sorted Lists融合兩個有序單鏈表

首先兩個單鏈表是有序的 在融合兩個單鏈表的時候,如果想到的是在一個序列上進行增減,那麼會非常麻煩 這裏一定要單獨開一個序列頭進行存儲,不一定需要開闢內存,主要是一個概念 其實方法感覺和歸併算法的merge都是一個概念 /** * Def

原创 LeetCode—House Robber 尋找數組不相鄰組合最大值DP

https://leetcode.com/problems/house-robber/ 題目設計了一個搶劫犯的情景,其實就是求數組中不相鄰數據進行組合得到的最大值 舉一個例子 假設數據: 8 3 6 15 4 9 7 10 那麼首先可能選

原创 *Lowest Common Ancestor of a Binary Tree解析

Lowest Common Ancestor of a Binary Tree Total Accepted: 6162 Total Submissions: 23311 My Submissions Question Solut

原创 bitMap算法

這也是比較經典的算法之一 在存儲一些比較大的數據時十分有用,但是在使用的過程中,必須十分注意的就是數據的最大值,因爲這個值決定了 存儲的內存,在比較高效的結構中還有hash 在這個過程中,最好首先估計需要的內存的量 在所有具

原创 廣告推薦系統-CTR&LR背景

剛開始接觸廣告推薦系統,對理論知識還處在一個學習的階段,看一些資料,這裏主要是對看的一些知識點的總結和進一步理解: http://blog.csdn.net/mytestmy/article/details/18987247 廣告生態系統

原创 大數的加法,乘法,全排列實現

打印1到最大的n位數: 這裏一個很重要的概念就是n位數,不知道n爲多大,那麼需要用一個字符來表示一個大數 這裏用string來表示大數,爲了打印的時候方便,這裏需要模擬一個字符的加法操作 另外,之前實現過大數的乘法,異曲同工: http

原创 推薦系統-實戰總結

推薦系統實戰 這周看了推薦系統實戰這本書,其中基本上介紹的比較全面,但是每一部分並沒有十分深入,深入的精華全部都在下方的備註當中,備註中有很多的論文,可以進行進一步的學習。 首先回顧一下一些框架信息,在專門思考其中幾個重要的部分: 3

原创 effective stl(容器部分總結)

還是很喜歡effective部分的書,看了好幾遍,這裏把stl中和容器相關的一些基本的注意的點進行介紹總結,之後對迭代器等進行總結 1 對序列容器中需要逐個刪除的時候,不能像關聯容器那樣事先對迭代器進行++操作,因爲刪除一個迭代器,會使

原创 推薦廣告系統—CTR在業務層面的意義

轉自: http://www.yewen.us/blog/2013/05/why-predict-ctr/ http://www.yewen.us/blog/category/machine-learning/ 介紹了在廣告推薦系統中CT

原创 Leetcode-Two Sum

Given an array of integers, find two numbers such that they add up to a specific target number. The function twoSum

原创 mac下 eclipse+hadoop2.6.0完全配置,實例驗證

最近開始自己搞hadoop實戰的一些東西,之前其實已經接觸了很久的mapreduce的一些方法,也寫了比較多的算法了 但是一直沒有很理論的研究過,準備在這個月裏面完整的記錄一下這方面的理論知識 簡述安裝配置過程 首先我的電腦是 安裝的h

原创 廣告推薦系統-邏輯迴歸問題導出

在廣告推薦系統中,利用用戶和廣告之間的信息作爲預測的特徵 預測的過程其實就是一個二分類的問題,主要就是判定一個用戶對這個廣告點擊或者是不點擊的概率是多少 而這個過程是一個伯努利函數,整個過程是一個伯努利分佈 而在邏輯迴歸中主要是