一句话解释：在大样本中，找距离目标点最近的k个点。

什么是K近邻算法

对两个实例点之间的距离进行度量

1. 其实就是使用了范数，不同范数对应的距离度量下的最近邻点不同
2. 可以简单理解为计算两个点之间的距离

感知机——二类分类的线性分类模型

特点

1. 导入基于误分类的损失函数
2. 利用梯度下降法对损失函数进行极小化
3. 求出将训练数据进行线性划分的分离超平面

统计学习是什么？

是一种计算机基于数据构建概率统计模型，也是运用模型对数据进行预测和分析的方法

每期10题，上一期参见LeetCode刷题笔记（三）。

本期内容动态规划内容出现复习情况，数组内容略有新意，图理论和拓扑排列初步入门。

数组和排序

1046. 最后一块石头的重量 - 排序问题

输入：整数数组（不会超过30个数字，1到1000之间）

输出：特定 int 值

每次运算：选出两个最大数字，返回差值（如果是0就不用返回），直到只剩下0个或1个数值，无法比较，返回该数字

每期10题，上一期参见LeetCode刷题笔记（二）。

本期内容多以动态规划为主。

动态规划

392. 判断子序列 - 动态规划

输入：长序列 t，短序列 s

判断：s 是不是 t 的子序列

条件：

• 从原始序列到子序列，可以删除部分字符，可以不连续，但是相对位置不能变
• 两个序列全是英文小写字母

每期10题，上一期参见LeetCode刷题笔记（一）。

本期内容多以List操作和动态规划为主，同时针对链表内容结合上篇笔记进行了整理。

链表

147. 对【链表】进行插入排序

每次取出一个待排序元素

然后将它放入已经排好的序列的合适位置【升序排列，可能有负数】

关键是怎么样进行排序，从动画来看是从末尾开始进行比较，直到当前数的大小合适就可以放入了

本篇主要对学习中常见的torch、tensor方法进行记录，不定期更新。

模块 package

torch.util.data包，参考：pytorch实现自由的数据读取－torch.utils.data的学习

• Dataset

• Dataloader

• 用于读取数据集

torch.nn.DataParallel 可以使用多个GPU来加速训练

torch.distributed也是一个和分布式训练，多GPU训练有关的包

torch.optim是一个思想了各种优化算法的库，可以用用于构建optimizar，里面有比较熟悉的SGD、Adam等优化器

• 包括optimizer.zero_grad()，loss.backward()，optimizer.step()

本文根据PyTorch官方推荐同名书籍：《Deep learning with pytorch》的个人学习笔记而来。

Deep learning with pytorch

基于优化任务性能的算法的基础上，自动提取分层特征的算法

相对于手动选择特征，会有什么样的不同，以及怎么样去实现ta？1.3节涉及

To train this model, you need a few things (besides the loop itself, which can be a standard Python for loop): a source of training data, an optimizer to adapt the model to
the training data, and a way to get the model and data to the hardware that will be performing the calculations needed for training the model.

要训练该模型，您需要做一些事情（除了循环本身，它可以是标准的Python for循环）：训练数据的来源，用于使模型适应训练数据的优化器以及获取模型的方法 并将数据发送到硬件，该硬件将执行训练模型所需的计算。

OS库的学习

参考：os模块的学习-获取目录下指定的文件类型

菜鸟教程-Python OS文件/目录方法

其实使用os库的目的就是更方便地遍历文件

关于华为云无人车大赛，第一篇笔记记录主要知识和技术点， 第二篇笔记记录调试思路和过程，本篇主要记录赛后的反思，包括半决赛和决赛。