给定两个有序列表的头指针head1和head2，打印两个链表的公共部分。
以下为具体算法实现：

阅读更多

给定一个单向链表的头结点head，以及两个整数from和to，在单向链表上把第from个节点到第to个节点这一部分进行反转。

阅读更多

输入：一个环形单链表的头结点head和报数的值m。
返回：最后生存下来的节点，且这个节点自己组成环形单向链表，其他节点都删掉。
进阶：如果链表节点数为N，想在时间复杂度O(N)时完成原问题的要求，该如何实现？

阅读更多

给定链表的头结点head，整数a、b，实现删除链表的中间节点的函数，并实现删除位于a/b处节点的函数。

阅读更多

线性分类器与非线性分类器的区别及优势

线性分类器：模型是参数的线性函数，分类平面是（超）平面；
非线性分类器：模型分界面可以是曲面或者超平面的组合。
典型的线性分类器有感知机，LDA，逻辑斯特回归，SVM（线性核）；
典型的非线性分类器有朴素贝叶斯（有文章说这个本质是线性的，http://dataunion.org/12344.html），kNN，决策树，SVM（非线性核）

阅读更多

图模型

图模型是一类用图来表示概率分布的一类技术的总称。

阅读更多

userCF和itemCF在实际当中如何使用，提供具体操作，以及它们的优势（推荐系统）

基于用户的协同过滤算法UserCF

基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户间的相似性做出推荐。

阅读更多

为什么要用逻辑回归

逻辑回归主要解决线性可分问题，模型简单，易于理解和实现，很适合用来学习大数据的问题。另外，逻辑回归做在线学习比较容易，处理速度也快。

阅读更多

以下内容接机器学习面试问题5.

神经网络参数相关

参数的范围

目前还没有明确的参数范围，只有个人总结性的原则。如下：
网络参数确定原则：

阅读更多

承接机器学习面试问题4.

阅读更多