以下是个人总结的后端开发面试中最常考察的一些知识点，内容涵盖JAVA基础，数据库，操作系统，计算机网络等，同时一些关键的地方，如hashmap等进行了源码的插入，希望能对大家有所帮助。Fighting！tips:采用ctrl+F可以快速查找页面中关键字，加速检索哦！ JAVA基础 JAVA基本特性 抽象 ​ 现实生活中的事物被抽象成对象，把具有相同属性和行为的对象被抽象成类，再从具有相同属性和行为的类中抽象出父类。 继承 ​ 子类和父类之间的继承关系，子类可以获取到父类的属性和方法。 封装 ​ 隐藏对象的属性和实现细节，仅仅对外公开接口。 多态 ​ java语言允许某个...

MFC浅谈层次聚类算法 写文章的起因 所用数据集及预处理 划分簇的基础思维和结果 开发中遇到的一些问题及算法优化 预测错误率的算法 写在后面的话 写文章的起因 本人是一名大二的学生，原本对于人工智能方面的算法就有一定的兴趣，正巧碰上期末课设需要用到层次聚类来完成课设，就顺水推舟，用C++（准确来说是MFC）完成了层次聚类算法的课设，之所以没用python一方面是了解不够另一方面是为了照顾队友吧，然后深刻体会到python的方便233…， 鉴于本人还是一名新的幼稚猿，对于犯的错误，希望各位嘴下留情. 所用...

程序猿成长史(一)：初探自生成数据，最小二乘法线性拟合及非线性多项式拟合 近来刚好在实验室里，学习的过程中刚好碰到了人工智能最基础的方面，线性拟合。同时也是接到实验室里一个大佬的任务，生成所需线性拟合的数据集。然后也就顺手整理写下了这篇文章。主要内容包括： 数据生成 基于最小二乘法的线性拟合 基于梯度下降+最小二乘法的非线性多项式拟合 然后这次，博主也是很认真的用了Python来实现整一个过程。（认真脸） 话不多说，直接开始吧。 数据生成 首先，数据的生成是自己写的函数，思路大概如下：首先是选定x和y的大致范围和生成的数据的个数（在我的代码中，x和y都是一百个数据，x的范...

Word2Vec的词嵌入技术 Word2Vec Skip-grams 搭建全联接网络并训练 嵌入向量代替原有独热码 CBOW(连续词袋模型) 最后关于一些训练骚操作 Word2Vec word2vec技术是目前比较常用的一种词嵌入技术,同原有的独热码编码相比较,它能够刻画词语之间的关联关系,它主要是通过训练一个全联接的神经网络,再将神经网络的权重取出来替代原有的One-Hot独热码,以取得对于文本词汇向量的最优化表示的一种技术 . 其主要的方法有两种: Skip-grams (跳字模型) CBO...

TF-IDF的词嵌入自我理解 TF-IDF原理解析及公式 TF代码实现: IDF代码实现: 最后的向量表示: main函数部分: TF-IDF原理解析及公式 TF-IDF技术是一种基于词的出现频率和词对于文档的不同重要程度而设立的一种模型, 其核心就只有两部分TF词频和IDF逆文档频率. 公式也比较简单: TF代码实现: TF部分实现的代码如下: def TFCalculate(OurDoc): wordsofbag = { } allwords = [] # 记录所有的词数 # 首先统计所有的词数 f...

Pytorch框架,CharRNN自动唐诗生成 RNN简单解析 实验部分 初始语料处理 载入到数据类 定义Pytorch神经网络 预测生成部分 主函数部分 结果展示 RNN简单解析 RNN(RecurrentNeuralNetwork)又称循环神经网络, 以其独有的隐藏状态的输入h在序列问题和文本问题上,有比较好的实现.为了做个对比我们先来看看普通的神经网络长什么样子: 然后我们再来看看RNN的标准架构: 其实RNN同普通的DNN网络差异并不大,主要是多了一个h隐藏状态的输入.这个隐藏状态h是...

远古人工智能,用博弈树实现的五子棋博弈系统 博弈树之我见 估值函数 如何择点下棋 决策树使用 Alpha-Beta剪枝 总结 博弈树之我见 想必各位都听说过人工智能,但未必听说过博弈树.其实博弈树属于比较传统的一种人工智能算法,其一般被运用到对弈的游戏中.通过对棋局作估值,采用极大极小搜索的办法,近似的搜索出最佳的棋局方式,进而模仿人类的下棋方式. 碰巧课设需要设计一个棋类的对弈系统,就刚好将这个算法稍稍了解并记录了下来. 估值函数 使用博弈树的前提是少不了设置估值函数,估值函数指的是,对应当前棋局,你觉得好不好?有多好?将这个设成一个具体的量...

让我“康康”! Pytorch框架下,用TextCNN实现的文本分类. TextCNN简介 实验部分 语料数据准备 语料数据预处理 模型搭建嗷 数据输入 总结 参考文献 TextCNN简介 CNN,全称卷积神经网络(Convolutional neural network),是计算机视觉领域(CV)最常见的一种网络之一,那么这种模型有什么用呢? 其实最早这种网络是用来对图片中所包含的大量信息进行压缩降维度和特征提取的.不难想象,如今一张图片的像素通常是800*600意味着这个图片至少含有对应的48...

决策树原理解析与代码实战 决策树简介 特征选择 划分指标 ID3决策树 C4.5决策树 CART决策树 决策树剪枝 预剪枝 后剪枝 代码实战 总结 参考文献 决策树简介 决策树,是一项十分经典的机器学习的方法,是一类通过对训练数据进行划分而得到的树结构,通过对原有训练数据划分而对现有需要预测样例进行判断举个栗子,如果我们现在得到的西瓜数据集如下: 其对应每一个样例,都有色泽,根蒂等特征,那么通过划分这些特征,我们就可以依据这个训练数...

隐马尔可夫模型与条件随机场,NER不得不说的秘密 命名实体识别简介 隐马尔可夫模型(HMM) 维特比算法 数据集及结果 总结 参考文献: 命名实体识别简介 命名实体识别（Named Entity Recognition，简称NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。简单的讲，就是识别自然文本中的实体指称的边界和类别。 简单举个栗子来说,就是对于一句话 “我爱中华人民共和国”,命名实体识别需要做的是不仅能够对于将其分开成“我/爱/中华人民共和国”,相应的还要标示出“我”,“爱”,“中华人...

CRF+LSTM联手解决NER任务. 条件随机场(CRF)简介 条件随机场的训练 LSTM解决NER问题 CRF+LSTM联手解决 代码实战 总结 参考文献 条件随机场(CRF)简介 讲到CRF,你就不得不谈一谈HMM,他们同属于概率图模型且建模的思想大致相同,而且已经有人证明了CRF其实就是无向图版的HMM. 但是,同时他们也存在着不同点.HMM属于生成式模型,而CRF则属于判别式模型,当然他们最大的不同还是对应的训练方式,CRF能根据具体的序列任务来调节模型,而HMM仅仅计算的是统计后的...

神经网络公式推导与numpy代码实现 神经网络简介 神经网络本质 神经网络结构分析 输入层 隐藏层 输出层 激活函数 损失函数 神经网络公式推导 前向传播 梯度下降 代码实战 总结 参考文献 神经网络简介 神经网络是当前一个十分火热的机器学习模型之一,通过神经网络,当代工业实现了许多惊人的进步,比如人脸检测的出现,人工智能语音的出现等等. 神经网络本质 ...

自动化Web测试 测试环境配置 selenium配置 由于原先已经安装过python且在python3.7以后的版本中python自带对应的pip工具. 于是只需要pip install selenium即可.随后需要从官网下载对应的驱动 在下载完驱动以后,通过在代码中指定executable_path即可实现自动化访问浏览器的目的. Web自动化测试 在自动化的测试部分我们采用B站进行测试.首先需要连接上对应的网址.然后是对网页内的各个元素进行分析,很靠谱的是Chrome可以用快速的工具查找到对应的元素内容.如图所示: 好,那在获取到了我们对应需要的元素文本内容之后,测试功...

机器学习之集成模型 集成模型简介 在机器学习领域,对模型进行集成是一种十分好的提升整体模型性能的方法.常见的集成方法主要是Bagging和Boosting,Stacking等策略.接下来我们就具体介绍一下各种集成的策略及其对应的算法内容. Bagging 首先我们来了解一下bagging集成的策略.其实bagging模型的融合方法十分的简单.主要思路是创建多个弱分类器,对弱分类器分类出的结果进行投票,采用最后投票多的结果作为模型最后的预测结果.下面的图就极好的体现了bagging的思想下对样本进行决策: bagging思想中最著名的模型就是随机森林.其每次通过从原本的数据集中随机...