2024.02.28_学习日记
天气：雨
学习地点：学校
学习时长：10h
学习内容
- 机器学习
K-means聚类方法：
二分 K-Means 不急于一来就随机 K KK 个聚类中心，而是首先把所有点归为一个簇，然后将该簇一分为二。计算各个所得簇的失真函数（即误差），选择误差最大的簇再进行划分（即最大程度地减少误差），重复该过程直至达到期望的簇数目。虽然二分 K-Means 能带来全局最优解，但是我们也可以看到，该算法是一个贪心算法，因此计算量不小。
CA，Principle Component Analysis，即主成分分析法，是特征降维的最常用手段。顾名思义，PCA 能从冗余特征中提取主要成分，在不太损失模型质量的情况下，提升了模型训练速度。把高纬度降到低纬度。
- LC517
这个题的思路是，先计算出每个洗衣机平均需要多少衣服，然后遍历数组，当前位置左边和右边分别需要多少衣服，或者需要给两边多少衣服，如果左右两边都需要衣服，那就更新ans=左右两边衣服数量相加和ans的最大值，如果两边都大于0，或者有一边大于0，那就等于左右两边值的最大值和ans最大值，不要忘记每次要更新左边的和。 - 螺旋遍历二维数组
把左上右下两个角标记出来，最后螺旋完以后会出现两种情况，一种是还剩一行，一种是还剩一列，这两种分别打印完就行，核心思想是先遍历上面，再右边，再下面，再左边，每次打印到倒数第二个值就行，用currow和curcol去遍历，然后遍历完一圈后，左上右下两个角要动一下，直到while条件结束为止，这个题一定要看是否越界！！ - lc48旋转图像
跟上面这个题类似，先打印外圈再打印内圈，打印外圈的时候，把它们分为不同组，每个边框取一个位置变成一个组，然后有多少组就循环多少次，每一次直接换位置就行，然后主函数里把对角线两个点的位置信息要更新，while循环也要注意条件。 - 小根堆解法
用一个容量为k的小根堆，遍历整个数组放进哈希表里，然后把哈希表所有数字放进小根堆比较它是否比小根堆堆顶大，如果更大，那就弹出堆顶，然后放进去，最后就能生成topK。 - lc3
看到这种子串、子数组之类的题，就想到以当前位置结尾，最长子串长度是多少，然后生成一个数组，返回这个数组最大值即可。每到一个位置，就可以想当前位置的值能不能由前一个位置的值得到。当前位置的数字上一次出现的位置，还有前一个位置的值.用一个哈希表记录每个位置的字符上次出现的位置，每到一个位置，看这个位置的字符在不在哈希表里，不在的话p1=i+1，在的话就p1=i-前一个位置哈希值，p2=pre+1，pre的意思就是前一个位置的字符的p值，pre要一直更新，从第一个位置往后一直更新，pre每次要更新成cur，hash表上一次当前位置的值也要更新成当前的i位置。 - lc494
最简单的方法就是用一个函数，变量为index和rest值，当index到arr长度时，如果rest为0，就返回1。最后返回当前值为正和为负的递归值。更好的办法是有几个优化点，首先sum如果小于target，返回0。其次如果target和sum奇偶性不同返回0，否则返回能凑出t+sum/2的方法数，这个是数学推导出来的。记得考虑target是否为复数。
好好看看这段代码。