pca，principle component analysis。lda，linear discriminant analysis
首先說一下pca和lda的區別，二者都是降維的方法，pca的主要思想是降維後各個樣本點的方差之和最大，也就是各個樣本點要盡量的區分開。而lda的思想是降維後同類的樣本要盡量集中，不同類的樣本要盡量區分開。這是二者本質上的區別，同時pca是一種無監督的演算法，而lda是一種有監督的演算法。
原理比較簡單，就不寫了，參考阿澤在知乎上的一片文章吧。pca原理
手撕演算法 adaboost
adaboost是典型的boosting演算法。boosting演算法的核心思想是 上乙個模型對單個樣本 的結果越差，下個模型越重視這個樣本 增大該樣本的權重，加大模型 錯的成本 提公升樹就是每個模型都是決策樹，提公升樹種效果比較好的是gbdt和xgboost，入門是adaboost。adaboos...
手撕LRU演算法
lru是least recently used的縮寫，即最近最少使用，是一種常用的頁面置換演算法，選擇最久未使用的頁面予以淘汰。lru是一種快取淘汰策略，它認為最近使用的資料就是有用的，最久沒使用的資料就是沒用的，所以在當容量滿了之後，會先淘汰掉最久沒使用的資料，騰出空間來放新資料。leetcode...
手撕演算法 排序
時間複雜度o n 2 o n 2 o n2 空間複雜度 o 1 穩定 從第乙個元素開始，認為左邊的序列是有序的，從有序部分的最後乙個向前比較，如果當前元素小於有序部分就交換，否則比較下乙個元素。function insertmerge arr else return arr let arr 1 5,...