2. 程式人生 > >學習演算法的心得（個人學習的重要里程碑）

學習演算法的心得（個人學習的重要里程碑）

阿新 • • 發佈：2019-01-26

                                     學習演算法的心得之-------模板

何為模板？為什麼要總結模板？模板需要像語文一樣背誦嗎？運用模板不就意味著自己做了很多道題沒有提升嗎？ 這是困惑我很久的問題，如今我已經有了答案！這可能是我ACM之路的重要里程碑了！ 1. 何為模板？ 模板是一道題的解題套路 例如一道搜尋題，只要是搜圖的，那麼一定離不開最核心的幾個步驟！ 這些步驟萬年不變！或者換湯不換藥！ 而這些步驟就可以組成一個模板！以後再遇到類似的題目 換湯不換藥，更換一點東西就可以了！ 2.為什麼要總結模板？ 模板是一道題的解題套路，有了模板你可以更快的解出這道題
並且可以避免很多低階的錯誤導致WA！ 比如你用模板做一道題，因為模板是固定的，那麼上面的大部分核心東西不用更換 只需要背下來就可以，速度很快，而且正確率很高 而你自己寫，因為要一邊回憶思路，一邊完成程式碼，那麼，你的速度至少慢一杯 打過比賽就知道，打字速度其實並不覺定你的成績，思考時間才決定了你這道題的成績（除非是很水的題目） 還有一點是，俗話說：智者千慮，必有一失。思考的多了難免會在某些小地方出現錯誤 訓練中你還有充足時間來DBUG，但是如果是比賽中那？ 你覺得自己沒有錯誤，但是WA！心中不方嗎？那麼比賽結果就不言而喻了吧！ 3.模板需要像語文一樣背誦嗎？ 答案是YES！ 有些人肯定不以為然！我列印一下幾塊錢！用的時候找出來！用得著背誦嗎？你zz吧！
不不不！這也是一種語言！只不過是計算機的語言，學習語言重在背誦， 就像學英語，你背誦的多了，出口就是語法，自己都不知道自己說的什麼語法 一道題，雖然不知道為什麼這樣做，但是知道這樣做對！ 這就是背書多的語感！這也是同樣的道理，背的多了查BUG就會飛快！ 看一遍就知道哪裡有錯！思路清晰。 還有一個問題就是背得多了對這道題的理解就更深了！書讀百遍其義自見！ 不僅加深了理解，甚至還能在此基礎上有所新發現！ 4.運用模板不就意味著自己做了很多道題沒有提升嗎？ 我也在這個問題上糾結了很久。 當初我認為一道題對著模板打的是很Low的，那對自己沒有一點提升。 如果自己做，那麼每一次做都會有新的發現，提升了自己的找BUG的能力
 我承認自己做有很大的提升，有可能有新的發現。但是我並不認同自己打的 會提升自己找BUG的能力很多，因為你自己打的程式碼有很多的BUG，那大部分 是你粗心，不熟悉造成的，不會有多少思維上錯誤導致的！這次錯了，找出來了 下一次你粗心可能還是會錯！運用模板會避免很多這樣的錯誤！這樣你就能節省很多的 時間來刷題總結！ 為什麼說做題越多，刷題能力越強 其一是刷題多鍛鍊了你的思維，其二是在刷題中，你潛移默化中記住了這道題的模板，下次再做的時候 就知道這道題是什麼套路，很順手的把題目做出來了！ 當然，這一切的一切的前提是你是背的模板，不是打印出來的！ 今天反思了自己刷題成果！刷題太慢！還用量少活細當做藉口。 不多刷點題又如何有大的提升。 我不是在推薦題海戰術！但是不可否認，大牛沒有一個題量少的。 做的慢，題量不重要，那只是萌新的藉口 現在的我們是時候該醒醒了！

相關推薦

學習演算法的心得（個人學習的重要里程碑）

                                     學習演算法的心得之-------模板 何為模板？為什麼要總結模板？模板需要像語文一樣背誦嗎？運用模板不就意味著自己做了很多道題

讀入優化~~~（個人學習筆記）

false == 學習 學習筆記 筆記 scanf ios sca tchar 基本模板：inline int read(){ int x=0,w=1; char ch=0; while(ch<‘0‘ || ch>‘9‘){if(ch==‘-‘)w=-1;ch=

js 數組方法（個人學習筆記）

rev 了解 很多 com 過濾 接收參數 版本 push 操作數 首先，創建數組的兩個方法： 　　1.構造函數：　 var array = new Array();//新建一個空數組 var array1 = new Array(20);//新建一個長度為20位的空數組

js 字符串方法（個人學習筆記）

new substring for name var 基本 正則表達 pattern 都是 首先，創建數組的兩個方法： 　　1.構造函數： var str = new String("a"); console.log(str);//"a" 　　2.字面量表示： var

js Math對象方法 （個人學習筆記）

最大 eof null alert XP source floor app math.sqrt 方法： 1.丟棄小數部分,保留整數部分 parseInt(5/2) 2.向上取整,有小數就整數部分加1 Math.ceil(5/2) 3,四舍五入.

JQ ajax全局事件 （個人學習筆記）

ron strong div sting UNC art append 屬性 res 作用：當你的頁面存在很多ajax事件的話，我們有一些信息是公共的，可以復用，我們可以用全局事件進行編寫，因為每一個ajax事件調用，都會觸發ajax全局事件。 　　jquery的ajax方

Django 2.0官方文檔中文 渣翻 總索引（個人學習，歡迎指正）

裝飾 csr porting other 步驟 exe 擴展 生產 blank Django 2.0官方文檔中文 渣翻 總索引（個人學習，歡迎指正） 置頂 2017年12月08日 11:19:11 閱讀數：20277 官方原文: https://docs.dja

深度強化學習演算法 A3C （Actor-Critic Algorithm）

對於 A3C 演算法感覺自己總是一知半解，現將其梳理一下，記錄在此，也給想學習的小夥伴一個參考。 　　想要認識清楚這個演算法，需要對 DRL 的演算法有比較深刻的瞭解，推薦大家先了解下 Deep Q-learning 和 Policy Gradient 演

python重難點（個人學習2）

一, python字典操作方法及知識點     fromkeys(*args,**kwargs) ：建立一個薪資點，以序列seq中的原色做字典的鍵，val為字典所有對應鍵值初始化。     get（self，k，d=none）若無對應值，可以設定預設返

python重難點（個人學習）

1.深複製與淺複製 import copy import copy a = {'a':1,'b':2} x = copy.copy(a) #淺拷貝 y = copy.deepcopy(a) #深拷貝           &nbs

學習《Django By Example》的錯誤及解決方法（個人學習記錄）

使用的環境：pycharm2018.1+Django2.1 第一章： 1.錯誤：author = models.ForeignKey(User, related_name='blog_posts') TypeError: __init__() missing 1 required posit

Vue.js學習使用心得（三）

一、計算屬性 計算屬性關鍵詞: computed <body> <div id="app"> <p>原始字串: {{ message }}</p> <p>計算後反轉字串: {{ reversedMessage }}</p>

Django 2.0官方文件中文 渣翻 總索引（個人學習，歡迎指正）

(譯者注：本人目前在南京一家網際網路公司工作，職位是測試開發工程師。因為測試工作中經常會用到編碼語言，如Python、Java、Shell等，所以幾年前萌生了對Python語法的學習。Django作為Python Web開發的佼佼者，市面上也有很多關於Django技術的書

《快速上手React程式設計》學習心得（正在逐步更新中）

第Ⅰ部分 React基礎 第3章 JSX 3.4 React和JSX陷阱 3.4.3 style屬性 style屬性命名必須使用小駝峰風格。例如： background-color變成backgroundColor <input style = {{fo

機器學習 演算法總結（二） 調參技巧

偏差和方差 在統計學習框架下，Error = Bias + Variance。Error指的模型的預測錯誤率，由兩部分組成，一部分是由於模型太簡單而帶來的估計不準確的部分（Bias），另一部分是由於模型太複雜而帶來的更大的變化空間和不確定性（Variance）。 如果要降低模型的Bi

機器學習演算法總結（三）

1、決策樹 決策樹是通過一系列規則對資料進行分類的過程。它提供一種在什麼條件下會得到什麼值的類似規則的方法。決策樹分為分類樹和迴歸樹兩種，分類樹對離散變數做決策樹，迴歸樹對連續變數做決策樹。 1.2 決策樹的學習過程 一棵決策樹的生成過程主要分為以下3個部

腦皮層學習演算法 ---nupic的深入學習（一）

1.nupic簡介 1.1 背景 說到AI，我們首先就會想到深度學習，tensorflow等。目前以深層的神經網路佔據了AI的半壁江山。從本質上來說，深度學習所表述的神經網路，其實是源自於一個“類腦”的想法—通過模仿人類大腦的神經元的相互連線，結合權重，反向

機器學習演算法心得

輪廓係數：外部距離最大化、內部距離最小化；SCi = (b_i - a_i) / max(b_i, a_i) ; 最好的情況取 1 ，b_i 遠大於a_i為1；如果不好，就越接近於 -1，也就是範圍在[-1, 1] 對於所有的點都要計算輪廓係數 藍1到所有自身族

【乾貨】機器學習常用 35 大演算法盤點（附思維導圖）

本文將帶你遍歷機器學習領域最受歡迎的演算法。系統地瞭解這些演算法有助於進一步掌握機器學習。當然，本文收錄的演算法並不完全，分類的方式也不唯一。不過，看完這篇文章後，下次再有演算法提起，你想不起它長處和用處的可能性就很低了。本文還附有兩張演算法思維導圖供學習使用。 在本文中，

機器學習-演算法工程師 -面試/筆試準備-重要知識點梳理

整理了一下機器學習-演算法工程師需要掌握的機器學習基本知識點，並附上了網上筆者認為寫得比較好的博文地址，供參考。（持續更新） 機器學習相關基礎概念 Variance（方差）與bias（偏差） 常用效能指標 生成模型與判別模型 整合學習：Bagging