xgboost介绍

xgboost是华盛顿大学博士陈天奇创造的一个梯度提升（Gradient Boosting）的开源框架。至今可以算是各种数据比赛中的大杀器，被大家广泛地运用。接下来，就简单介绍一下xgboost和普通的GBDT比，有什么不同。(何为Gradient Boosting, GBDT请看我上篇文章)

GBDT介绍

GBDT(Gradient Boosting Decision Tree)在数据分析和预测中的效果很好。它是一种基于决策树的集成算法。其中Gradient Boosting 是集成方法boosting中的一种算法，通过梯度下降来对新的学习器进行迭代。而GBDT中采用的就是CART决策树。

lightgbm介绍

lightgbm由微软开发的boosting工具包，顾明思议light，这个包计算速度更快，占用内存更少，而准确度和xgboost相当，也是一大神器。接下来就介绍一下。

点亮地图（中国、美国）（Google Drive）

根据不同的解答方法，总结leecode不同题型。

方法四：动态规划

动态规划题目的四个基本步骤：

1. 定义子问题
2. 写出子问题的递推关系
3. 确定 DP 数组的计算顺序
4. 空间优化（可选）

根据不同的解答方法，总结leecode不同题型。

方法三：双指针

通过左右两个双指针，在满足一定情况的条件下移动，计数。

1. 从开头一起开始的双指针。
2. 一个从开头向后走，一个从结尾向前走的双指针。

TF-IDF

TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术，常用于挖掘文章中的关键词，而且算法简单高效，常被工业用于最开始的文本数据清洗。

NLP算法归类整理

• 基于 one-hot、tf-idf、textrank 等的 bag-of-words；
• 主题模型：LSA（SVD）、pLSA、LDA；
• 基于词向量的固定表征：Word2vec、FastText、GloVe
• 基于词向量的动态表征：ELMo、GPT、BERT

根据不同的解答方法，总结leecode不同题型。

方法二：栈

栈是一种后进先出的数据结构，Last In First Out，简称 LIFO，常常用来实现dfs，或处理被用于数组中不同位置之间含有 嵌套关系 的题目

根据不同的解答方法，总结leecode不同题型。

方法一：队列

队列是一种先进先出的数据结构，称为 First In First Out，简称 FIFO（队尾进，队首出）。