這兩天的時間沒有刷leetcode上的題，我發現樹對于我來說還是有一定難度，需要像大學考二級一樣不斷的刷題，不斷的做，讓樹棧什么的成為自己潛意識的內容，不斷的復習。還需要學習python里面的一些知識。包括基本語法numpy，sklearn，panda，這些東西。還有三個月就要回國了，就要找工作了，時間很緊迫了。現在已經實現hmm、cnn、lstm、bilstm對語音情感進行識別，有時間把英文論文寫寫。在訓練的時候發現訓練集和測試集的準確率差別比較大，應該是出現了過擬合，采用交叉驗證可以解決這個問題和數據集的不均衡也相關，也可以通過優化神經網絡結構來解決。一定要發表一篇英文的論文。cnn訓練集和測試集的準確率都在50%左右，lstm訓練集的準確率在70%以上，但測試集的準確率很低，只有40%左右。這種結果和隨機猜測差不多。總結差不多到這里。再貼上樹的題。

接下來要學習的：

（1）刷leetcode上的題目

（2）學習python基礎知識

（3）寫英文論文

（4）復習傳統機器學習的理論知識和推導和深度學習理論的知識和框架。

待看文章：attention機制實現文本識別，keras框架自定義attention機制，keras框架中沒有attention機制。

https://blog.csdn.net/yanhe156/article/details/85476608

使數據集更均衡的辦法，留出法和交叉驗證

https://www.cnblogs.com/jiaxin359/p/8552800.html

keras實現交叉驗證

https://blog.csdn.net/webmater2320/article/details/100996865

遞歸比較難理解，一開始可以先用迭代去實現。因為二叉搜索樹的右子樹是最大的，所以先遍歷整棵樹的右子樹保存起來，遍歷到最后，進行求和，然后再去遍歷左子樹。代碼如下：

class Solution { private: int sum=0; public:TreeNode* convertBST(TreeNode* root) {stack<TreeNode*>s;TreeNode* temp=root;while(temp || !s.empty()){while(temp){s.push(temp);temp=temp->right;}temp=s.top();s.pop();sum+=temp->val;temp->val=sum;temp=temp->left;}return root;} };

遞歸實現：感覺遞歸等價于迭代，思想是一樣的

class Solution { private: int sum=0; public:TreeNode* convertBST(TreeNode* root) {if(root!=NULL){convertBST(root->right);sum+=root->val;root->val=sum;convertBST(root->left);}return root;} };

?

?

?

總結

以上是生活随笔為你收集整理的summary+plan的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。