Algorithm 103 二叉树的锯齿形层次遍历
Review Become a Master of Java Streams — Part 1: Creating Streams
Tip/Tech 数据库的索引
Share 机器学习就是个炒作
103 二叉树的锯齿形层次遍历
https://leetcode-cn.com/problems/binary-tree-zigzag-level-order-traversal/
用两个栈来解决这个问题，第一个栈用来存放从右边到左边的树节点，第二栈用来存放从左边到右边的树节点。
再利用一个标识来表示是否遍历到了相应的层数。
/*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode(int x) { val = x; }* }*/
class Solution {
public List<List<Integer>> zigzagLevelOrder(TreeNode root) {
ArrayList<List<Integer>> ans = new ArrayList<>();if (root == null) {
return ans;}Stack<TreeNode> stack1 = new Stack<>();Stack<TreeNode> stack2 = new Stack<>();boolean isLeft = true;stack1.push(root);while (stack1.size() > 0 || stack2.size() > 0) {
ArrayList<Integer> tempList = new ArrayList<>();if (isLeft) {
while (stack1.size() > 0) {
TreeNode tempTreeNode = stack1.pop();tempList.add(tempTreeNode.val);if (tempTreeNode.left != null) {
stack2.push(tempTreeNode.left);}if (tempTreeNode.right != null) {
stack2.push(tempTreeNode.right);}}isLeft = false;} else {
while (stack2.size() > 0) {
TreeNode tempTreeNode = stack2.pop();tempList.add(tempTreeNode.val);if (tempTreeNode.right != null) {
stack1.push(tempTreeNode.right);}if (tempTreeNode.left != null) {
stack1.push(tempTreeNode.left);}isLeft = true;}}ans.add(tempList);}return ans;}
}
Review
Become a Master of Java Streams — Part 1: Creating Streams
https://dzone.com/articles/become-a-master-of-java-streams-part-1-creating-st
这是一系列的关于Java Stream的教程的第一篇，这一篇是讲的是如何去初始化流。
几种方式。
Array初始化和List初始化：
String[] array = {
"Monkey", "Lion", "Giraffe", "Lemur"};
Stream<String> stream2 = Stream.of(array);Stream<String> stream = Stream.of("Monkey", "Lion", "Giraffe", "Lemur");List<String> list1 = Arrays.asList("Monkey", "Lion", "Giraffe", "Lemur");Stream<String> streamFromList = list1.stream();Set<String> set = new HashSet<>(list);Stream<String> streamFromSet = set.stream();
Tip/Tech
关于索引的一些知识，索引其实是个很抽象的概念。
why？
它解决的就是数据查询，增加，修改的效率问题。我们一般找个数据，一般都要从头开始，逐条查询，但是如果有了索引，那么可以根据数据的特点，用很短的时间就找到数据了。
这里比较重要的就是数据查询，这里不仅仅是匹配查询，还有范围查询，
how？怎么实现？
哈希表，有序数组，搜索树，这三种实现各有利弊。
具体的解决方案其实就是权衡几种方案的利弊找一个平衡的方案的过程。
哈希表：还是数组+链表，各项的指标很优秀，但是到了范围查询这里就很坑爹了。基本上就是全表查询，没法实现范围内的查询。
有序数组
这个是咋个构造的优点不晓得额，但是增加，删除，这个时间复杂度很高。
优点：查询速度很快，范围查询也很快
缺点：增加，删除很慢，需要做很多数据搬移
搜索树
二叉树的查询效率，很快。 修改，增加，删除的效率也很快。
优点：查询速度一般，
缺点：占用空间，
因为索引是存在磁盘上的，所以每次查询都要需要进行一次磁盘IO，这样子非常的耗费时间，所以一般来说都用N叉树来当搜索树的索引。
Share
Get Over With the Machine Learning Hype
https://medium.com/@sapy/get-over-the-machine-learning-hype-79abcbe37272
作者认为，机器学习就是炒作，因为这些本质上是人的创造，机器就负责把人的自己的思想给跑出来，他们实在是算不上一种创造，本质上都是人的计算的产物罢了。所谓机器学习不过是数学，概率论，还有计算几科学几个学科得加出来的结果。其实机器不是在学习，而是在执行人类的一些特殊的指令。
输入和输出，但是人类的发展往往他就算没有输入，也有输出的一种状态。
但是机器本质没有人的学习的能力，没法真正做到“学习”。
以下是原文的翻译：
主要是因为过去的数据始终无法暗示未来的结果。巴西是纸面上表现更好的球队，因此高盛预测“预测的巴西”将以24.9％的概率赢得2018年世界杯冠军，但算法公司却不知道，姆巴佩将带领法国队闯入决赛并赢得冠军。
其次，机器学习不考虑上下文。就像有人问“你好吗”一样，我们总是回答“好，你好吗？”，但是如果医生问你好吗，你应该说出实际的身体问题让你去了诊所。因此，如果您设计一个机器人来回答问题，那么它会在不知道上下文的情况下多次回答错误。
最后，人类不仅是数学回路，我们的决定会受到冲动，爱，仇恨，恐惧，价值观和情感的影响，在科学家们弄清楚如何模仿它们之前，您无法使用数值来代表所有人。永远不要模仿人类的行为。如果有人弄清楚了，他/她将是基因工程师或化学工程师，绝对不是机器学习工程师。