【計劃執行報告】Day16 特殊的一天

記住這一天。。。
今天是：

1. 計劃執行的第16天
2. 決心放下C#，轉向Python3的一天(人生苦短)
3. 機器學習課程徹底完結，但返校還是要考試(佔比30%)

改動：
1. 不再使計劃形式化，周計劃立在那就不額外花時間調整了(畢竟是確定主要方向)，真正的計劃還是每日計劃，且根據實際情況進行調整；
2. 新能源熱利用作業優先，其次是生物質能；
3. 明日生物質能調課不上；
4. 每天的自由時間用於python學習吧，等有一定基礎後到GitHub找找有意思的資源玩玩，開開眼界，找尋方向；

1. 近期事件線

2. 第9周計劃

3.今日計劃執行情況

圖1 時間分配

圖2 目標完成情況

4.明日計劃

【今日知識梳理】

1.《ML中的數學》

第11章 梯度下降

1. 梯度、方向導數的定義與幾何意義；
2. 梯度下降原理與侷限性(初始值的設定，是否爲凸函數):
   $\bm{x_{n+1}\simeq x_n-\frac{\partial w}{\partial x}\vert_{x=x_n \atop y=y_n}}$
3. 機器學習中的梯度下降（其中$\alpha$爲學習率，m爲樣本數，$x\in R^{m*n}$爲觀測集，$\theta \in R^{n*1}$爲權重集,$y\in R^{m*1}$爲標記集）：
   $\bm{\theta=\theta-\frac{\alpha}{m}x^T(x\theta-y)}$

第12章 誤差與近似

1. 常用函數的線性近似與二階近似表格；
2. Tylor公式的使用與成立條件；
3. 在積分求解時要謹慎變換單位；

第13章 牛頓法

1. sqrt()函數求解的迭代實現；
2. 牛頓法的公式：
   $\bm{x_{n+1}=x_n-\frac{f(x_n)}{f'(x_n)}}$
3. 牛頓法注意事項：$x_0$的選取；
4. 牛頓法等價於Tylor展開式的線性部分

2.Leetcode競賽練習

今天的練習情況：

【1404】 將二進制表示減到 1 的步驟數

方法：C++STL的string模擬，因爲string有類似於棧的操作。

class Solution {
public:
    int numSteps(string s) {
        int ans=0;
        while(s!="1"){
            if(s.back()!='1'){
                s.pop_back();
            }
            else{
                for(int i=s.length()-1;i>=0;i--){
                    if(s[i]=='1'){
                        s[i]='0';
                        if(i==0){
                            s="1"+s;
                            break;
                        }
                        
                    }
                    else{
                        s[i]='1';
                        break;
                    }
                }
            }
            ans++;
        }
        return ans;
    }
};