Day1 03-31 JourneyBegin

大三的下学期已然过半，然而在疫情期间我的学习状态低迷：花太多时间在玩耍上，并且投入的学习时间多在机器学习这门跨选课上，很多专业课都没怎么跟，而且晚上经常熬夜到2点甚至4点。好在3月29日出去和高中同学聚会时了解到大家对待未来的奋进，让我意识到自己的颓废。为了不辜负自己的大学时光，我于今日开始做出了重大改变：①我尝试开始每天写计划，并配合atimelogger这款app作时间统计(不过第一次并不顺利，不小心点了“报告”按钮把前半天的数据给丢了)。这么做是为了让自己有种仪式感，而且完成计划任务的过程也充满了游戏性；②尝试对当天的表现做个总结，比如阅读书籍的知识点梳理，并对当天的执行情况进行反思。(总结和反思的习惯，这是我一直欠缺的)
这是我的第一次计划总结(也是第一篇CSDN文章)。“游戏”的开始必然是较为简单的，因而我给自己留了很多时间裕量，因此计划表看起来并不紧凑，其中也存在很多不合理的安排，因而我会在“反馈”这一列记录下我的实际执行情况，然后每天快结束时在右下角写下改进建议，以助我进行更为合理的安排。

近期计划(03-31-04-12）

1.准备4月10日的机器学习最终报告——《畅想无监督学习》；查找文献与知识补充：《机器学习——算法视角》
2.完成专业课的作业；
3.备战蓝桥杯，为此：①每天40min左右的刷题；②知识补充：《程序员的面试笔记：C/C++、算法、数据结构篇》

今日计划表

实际时间分配

这是我第一次使用atimelogger来记录时间，因此不小心提前点了“报告”功能，使得16:00前的数据都缺失了，此后到22:30的记录如下图。

图1 时间分配

图2 目标完成情况

今日学习总结与反思

1.《机器学习——算法描述》

第1章 绪论

• 知识梳理
  略
• 复习指引
  1. 对于高维数据(dim>=4)，人们需要通过对数据降维实现可视化，但是对于计算机来说，高维数据与二维数据无异；数据降维可能会隐藏某一些有用的信息；
  2. 机器学习方法的训练过程通常对时间的要求不是很苛刻，但是测试一个数据点时，通常需要能够快速给出结论；
  3. 数据最好是没有太多噪声，并且没有重大错误；

第2章 预备知识 2.1-2.2

• 知识梳理
  • 介绍了数据的表现方式——向量、矩阵
  • 掌握欧氏距离的定义
  • 介绍单位超球面的概念、维度灾难的定义以及维度灾难的形成原因
  • 介绍测试机器学习算法时的一些概念：过拟合，训练集、测试集和验证集，混淆矩阵，精度指标(敏感率、特异率、查准率和查重率)，受试者工作曲线(ROC)，不平衡数据集，度量精度
• 复习指引
  1. 维度灾难的形成原因
  2. 混淆矩阵概念以及查准率和查重率定义
• 疑惑
  1. 敏感率和特异率的定义
  2. ROC曲线和不平衡数据集

2.《程序员的面试笔记：C/C++、算法、数据结构篇》

第17章 树结构

• 知识梳理
  • 了解常见术语的概念：①结点的度②树的度③叶子结点④孩子结点⑤双亲结点⑥兄弟结点⑦树的层次⑧树的深度⑨森林
  • 掌握树结构的四大基本性质(证明略)
    • 非空树的结点总数=所有节点数的度之和+1
    • 度为k的非空树的第 $i$层最多有 $k^{i-1}$个结点( $i \ge 1$)
    • 深度为h的k叉树最多有 $(k^h-1)/(k-1)$个结点。
    • 具有n个结点的k叉树的最小深度为 $\lceil log_k(n(k-1)+1)\rceil$
  • 掌握二叉树、满二叉树和完全二叉树的概念，以及二叉树的四大性质
    • 第i层的最大结点数
    • 深度为k的二叉树最大结点总数
    • $n_0=n_2+1$
    • 具有n个结点的完全二叉树的深度为 $\lfloor log_2n\rfloor+1$
  • 掌握二叉树的数据结构表示、树的创建、树的遍历(基于深度优先搜索或基于广度优先搜索)
  • 熟悉一些常见二叉树树问题的实现：二叉树的深度、叶子结点数、某结点的层数等计算
  • 哈夫曼树和哈夫曼树的编码(暂未看)
  • 掌握二叉排序树的性质，重点掌握最低公共祖先问题的求解
• 复习指引
  1. 树相关术语的定义
  2. 编程实现树的基本操作以及常见习题
  3. 解决书中旁注的问题