思考，快与慢（10-13章）

最新推荐文章于 2025-04-28 18:30:58 发布
最新推荐文章于 2025-04-28 18:30:58 发布
阅读量474 收藏 8
点赞数 5
分类专栏： # 读书笔记 文章标签： 生活 学习 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51547272/article/details/135328020
版权
本文探讨了通过阅读培养逻辑思维的过程，重点关注了大数法则、小数定律中的统计直觉应用，以及锚定效应、可得性启发法等心理偏见现象。作者强调了理性思考的重要性，指出应避免直觉误导，正确评估样本规模并警惕锚定效应和可得性偏见的影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近在读这本书，想培养自己的逻辑思维能力，这是属于软能力。

目前在做笔记的是：

第10章—大数法则与小数定律。

  • 小样本的出错风险可能高达50%

“对于统计直觉应该抱有一丝怀疑，只要条件允许，都应采用计算方法来确定样本规模，而不是依靠直觉印象来做决定”

  • 信任多于质疑的普遍性偏见

人们总是更会相信小样本，因为我们的直觉系统不擅长质疑，而小样本的信息又十分多，所以我们的直觉系统就会使这个小样本事件合理化连贯，引发联想让我们认为这个信息是正确的

  • 对随机事件作出因果解释必然是错的（人们往往会对随机性的事件中作出有规律性的判断，就像有个人打篮球比赛恰好先投中了几颗球，大家就会认为他今天很顺利把球给他，这是完全没有依据的事情）

最终作者告诉我们生活中许多事情其实只是巧合，包括我们去采样事件都可能是个巧合

第11章—锚定效应在生活中随处可见

主要由我们的两个系统决定我们对锚定效应的反应状态—启发（系统一）与调整（系统二）

  • 对锚定值的调整往往是不足的

人们都会对锚定值进行调整，例如如果被要求音量变小声，我们的锚定值是这个音量，降低了5分贝，但是要求我们调小声的人可能就是希望我们调小10分贝，这时候可能就会出现什么冲突

  • 暗示就是一种锚定效应

人们往往会受到周围环境的因素即暗示影响自己做出某个决定和选择

  • 随机锚定的影响也是以令人不安的方式出现在生活中

例如捐款，如果你问大家愿不愿意捐款5美元或者是愿不愿意捐款100美元，这导致的捐款平均值是非常不同的

  • 锚定效应何时适用呢？

任何时候都会影响到你，除非因为那个锚定值太大了，你的系统二理智系统选择抵制它

书中的这句话很喜欢，说中了环境对人的影响之大“在启发效应下，你的思想和行为也许会被完全不曾留意的刺激所影响，甚至会被你完全没有意识到的刺激所影响，而且这种影响比我们了解和想象的要大得多”

第12章—科学地利用可得性启发法

可得性启发法： 你希望估测某一范畴的大小或某一事件的（发生）频率，但你却会提到自己想到相关实例的轻松程度，而这种问题的替代必然会产生系统性错误

  • 意识到自己的偏见有利于团队关系融洽

我们必须通过多个问题对我们自身偏见保持警惕，因为你保持警惕在一定程度上是会避免付出高昂的代价。例如在亲密关系中你的付出，在看新闻案件时你是否会觉得这种案件又是特别高频的）

  • 可得性偏见会影响我们对自己或他人的看法

这里这句话挺有意思的：人们有时依据提取到的内容而非提取的轻松程度来作出判定。你真正了解行为模式的证据就是你知道如何让其发生逆转。（如果我们在对一门课程提出建议前后分别评分，往往后面的分数会比前面的分数要高得多）

以下这些都是我们的系统一会占主导的时候，需要警惕：

  • 当他们同时忙于另一件需要付出努力的任务时
  • 因他们刚刚想起生命中的一个快乐片段而心情大好时·如果他们在抑郁量表中得分很低的话。
  • 尽管对这项任务所给话题的了解达不到专家级水准，但他们也算是对此领域了解颇多的新手了
  • 当他们跟着感觉走却拿了高分时
  • 如果他们 (或别人令他们感到) 很强大时
逻辑思考题-带答案
dan_dan的博客
02-23 1万+
【1】假设有一个池塘，里面有无穷多的水。现有2个空水壶，容积分别为5升和6升。问题是如何只用这2个水壶从池塘里取得3升的水。 由满6向空5倒，剩1升，把这1升倒5里，然后6剩满，倒5里面，由于5里面有1升水，因此6只能向5倒4升水，然后将6剩余的2升，倒入空的5里面，再灌满6向5里倒3升，剩余3升。 【2】周雯的妈妈是豫林水泥厂的化验员。一天，周雯来到化验室做作业。做完后想出去玩。"等等，妈妈还要考你一个题目，"她接着说，"你看这6只做化验用的玻璃杯，前面3只盛满了水，后面3只是空的。你能只移动1只玻璃杯，
《计算机组成原理》课程学习(12)——计算机组成原理作业1-10章思考题与习题答案
qq_34573534的博客
08-04 9881
第1章 计算机系统概论 1. 什么是计算机系统、计算机硬件和计算机软件？硬件和软件哪个更重要？ 解：P3 计算机系统：由计算机硬件系统和软件系统组成的综合体。 计算机硬件：指计算机中的电子线路和物理装置。 计算机软件：计算机运行所需的程序及相关资料。 硬件和软件在计算机系统中相互依存，缺一不可，因此同样重要。 2. 如何理解计算机的层次结构？ 答：计算机硬件、系统软件和应用软件构成了计算机系统的三个层次结构。 （1）硬件系统是最内层的，它是整个计算机系统的基础和核心。 （2）系统软.
《思考，快与慢》学习总结
luoyayun361的专栏
08-22 4142
前言 我们大都会认同，自己并非总是处于理性之中。 我们会情绪崩溃，会放纵自己，会偷懒，会失控。 然而这些只是冰山一角。 更多荒诞行为发生在我们以为自己很理智的时刻。 理智或不理智，是思维层面的问题，我们真的能清楚地评价自己吗？ 这本内容详实的心理学经典著作将带我们探索大脑的思考机制，将人类的非理性落实到行为层面，通过大量丰富的实验案例让我们更了解自己。 一、大脑中的两个系统 在我们的大脑中，存在着...
计算机组成原理（第三版）唐朔飞-第四章存储器-课后习题
热门推荐
weixin_45735391的博客
10-14 15万+
计算机组成原理（第三版）唐朔飞-第四章存储器-课后习题
精进-名句与思考
Liao_Wenzhe的博客
02-26 2656
1.手表调慢能让你的心灵慢下来。 2.如何对待时间？决定了你是一个怎么样的人。要郑重. 3.在工作场景中以未来视角为主是合适的 ，在非工作时间采用享乐主义视角更为合适 。积极过去视角适合在与家人和朋友一起时引发 。 4.5年后我该做什么？ 5.1 .使远期未来的目标更加具体化 、情境化和可实施 ； 5.2 .降低近期未来中的 “非期望行为 ”的便利性 ，主动增加挑战的难度 。远期有时太远，近期各种困难！--5年...
年近30------职业回顾与思考
yijingjijng的博客
03-14 9775
我是一名普通的二本院校毕业的学生，专业是电子信息工程，毕业时间是2012年。得益于大学时代对电子信息技术的极大兴趣，外加自己足够的付出，大学期间获得了全国大学生电子设计大赛一等奖，飞思卡尔的全国二等奖，当时有同学告诉我有这个奖项将来工作就不愁了，可那时心里从来没有把得奖与工作建立起关系。 学校：         回顾大学的时光，主要被3样事情占据，谈恋爱、打游戏、泡实验室。谈恋爱是大一开始的，
2024考研408-操作系统 第二章-进程与线程 学习笔记
每个人都是独一无二的，把握好自己的节奏，跟着自己的心走。
07-12 1万+
目前正在备考24考研，现将24计算机王道的408学习整理的知识点进行汇总整理。博客目录索引(持续更新)进程控制本质：实现进程的状态转换。创建新进程就是创建态的过程，撤销已有进程则是终止态。进程通信（Inter-Process Communication, IPC）：是指的两个进程之间产生数据。实际例子：微博中的图文分享到其他应用当中。什么是线程，为什么要引入线程？引入了进程之后，想要实现进程的并发，那么我们对于时间片都是直接分配给某个进程，此时就能够实现边聊QQ和边听音乐。
OpenAI o1背后的技术：LLM的快思考与慢思考路线之MCTS
Python_cocola的博客
09-18 1768
如果evaluation-function能够估计 或者 ，则可以使用 MCTS-，反之，则需要rollout并基于terminal-node的reward（只能利用最后输赢的reward更新节点reward）。该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
计算机组成与设计RISC-V版笔记
weixin_43233994的博客
12-16 3969
文章目录计算机组成与设计第一章1.1计算机应用的分类（重点）**个人计算机**（PC）**服务器**（Sever）**超级计算机**（Supercomputer）**嵌入式计算机**（Embedded computer）**个人移动设备**（PMD）**云计算**（Could computing）1.2计算机系统结构中的八个伟大思想（重点）面向摩尔定律的设计使用抽象简化设计加速大概率事件通过并行提高性能通过流水线提高性能通过流水线提高性能存储器层次通过冗余提高可靠性1.3程序表象之下（重点）计算机设计中一个
1950 - Computing Machinery and Intelligence（计算机器与智能，又译作：机器能思考么？）
java知识整理
08-12 7254
前言: 每看一次《模仿游戏》这个电影都异常激动，也更加对艾伦·图灵 (Alan Turing )崇拜，他不愧为人工智能之父。2019年7月15日，艾伦·图灵登上英国50英镑新钞。 看完电影，想看一下他的论文，竟很难找到，找到的也大多都是付费下载，最后终于找到了一篇，跟大家分享一下。 图灵三篇论文有： 1.1936 - On Computable Numbers, with an Applicati...
AI图景解码50关键词：快思考与慢思考.pdf
02-18
7. 报告采用"快思考"与"慢思考"的分析维度，构建了50张AI技术图景卡片。 8. "快思考"侧重于快速、直观的信息呈现，而"慢思考"则深入分析技术发展的底层逻辑。 9. AI技术的发展呈现持续演进和动态特征，为各界提供...
计算机网络传输层复习与思考0031
08-03
计算机网络的传输层是连接应用层与网络层的关键部分，主要负责端到端的数据传输，确保数据的可靠性、效率和正确性。以下是对标题和描述中提到的知识点的详细阐述： 1. **多路复用的内涵**：多路复用是一种通信技术...
科学养生，拥抱健康生活
lanlande33的博客
04-27 299
蛋白质来源多样，瘦肉、鱼类、豆类都是优质之选，它们能为身体提供修复和生长所需的营养。同时，控制糖分、盐分和油脂的摄入，避免高糖饮料、油炸食品，减少心血管疾病和肥胖风险。此外，力量训练也不可或缺，利用哑铃、弹力带等进行肌肉锻炼，可增加肌肉量，提升基础代谢，延缓衰老。以平和的心态面对生活中的挑战，能让我们的身心更健康。无需复杂的中医理论，通过科学的生活方式，我们就能为健康筑牢基石。科学养生并不难，从饮食、运动、睡眠和心态这些日常生活点滴做起，坚持健康的生活方式，我们就能收获健康，拥抱美好的生活。
【HTTP通信：生活中的邮局之旅】
weixin_37342647的博客
04-25 938
HTTP通信就像是互联网世界的邮政系统，它看似简单，实则包含了地址查询、连接建立、内容传递和连接关闭等精密环节。随着应用场景的日益复杂，HTTP协议也在不断进化，以满足更高效、更安全、更实时的通信需求。理解HTTP的工作原理，不仅有助于我们构建更好的网络应用，也能帮助我们诊断和解决常见的网络问题。无论是电商、社交、金融还是物联网应用，HTTP通信都在幕后默默支撑着这些系统的正常运转，连接着数字世界的每一个角落。
科学养生，开启健康生活新方式
lanlande33的博客
04-26 198
合理饮食是健康养生的基础。每周至少进行 150 分钟的中等强度有氧运动，如快走、跑步、游泳，也可搭配适量的力量训练，像俯卧撑、深蹲，能增强肌肉力量，提高基础代谢率。运动不仅能塑造良好的身材，还能促进血液循环，改善心肺功能，释放压力，让身心保持愉悦。建立固定的作息时间，早睡早起，避免熬夜，有助于调整生物钟，让身体处于稳定的节奏中。乐观的心态能增强身体的抗压能力，促进内分泌平衡，让身体处于良好的运行状态。科学养生并非难事，从饮食、运动、作息和心态等点滴做起，长期坚持，就能收获健康的身体和美好的生活。
传统智慧焕新，打造现代养生生活
w13582635709的博客
04-26 175
日常饮食中，可巧用桂圆、红枣、枸杞等食材，为身体补养气血。清晨，一碗用黄芪、当归熬煮的养生粥，既能温暖脾胃，又能提振阳气；同时，根据体质选择食材也很关键，阳虚体质者可适当多吃羊肉、韭菜等温热食物，阴虚体质者则宜食用银耳、百合等滋阴食材。将传统养生智慧融入现代生活，持之以恒，便能收获由内而外的健康与活力。疏通经络让身体更健康。周末闲暇，可尝试艾灸足三里、关元等穴位，温通经络、增强免疫力。当我们将目光投向中医养生这一千年智慧宝库，结合现代生活特点，便能找到开启健康之门的独特钥匙。经络是气血运行的通道，​。
健康养生：开启品质生活的密钥
最新发布
lanlande33的博客
04-28 161
遵循 “食物多样、谷类为主” 的原则，保证每日摄入足够的蛋白质、碳水化合物、脂肪、维生素和矿物质。同时，养成规律的饮食习惯也很重要，定时定量，细嚼慢咽，减轻肠胃消化压力。生命在于运动，运动能促进身体的新陈代谢，增强心肺功能，提高身体的柔韧性和耐力。每周至少进行 150 分钟的中等强度有氧运动，也可搭配适量的力量训练，如俯卧撑、仰卧起坐、哑铃练习等，有助于增加肌肉量，提高基础代谢率。健康养生是一场需要长期坚持的修行，从饮食、运动和生活习惯等点滴做起，持之以恒，我们就能收获健康的体魄，享受更美好的生活。
47-dify案例分享-魔搭+Dify王炸组合!10分钟搭建你的专属 生活小助理
个人技术
04-26 1069
本文介绍基于魔搭社区 MCP 广场和 Dify 平台搭建 AI Agent 智能体的方案。先阐述 MCP Server 概念，接着演示在魔搭创建配置 4 个 MCP - Server 并测试，再说明 Dify 工作流制作步骤，最后验证测试。
Python生活手册-元组：保险柜与瑞士军刀
qq_41707090的博客
04-27 272
Python-元组 全网最通俗易懂
1000个元素需要找到最大的十个，最优排序方法为？快速，堆，二路归并，插入
03-09
<think>嗯，用户问的是，当有1000个元素需要找出最大的十个时，哪种排序方法最优，选项是快速排序、堆排序、二路归并排序和插入排序。首先，我得回忆一下这些排序算法的特点，以及它们在处理这类问题时的优劣。 首先，用户的问题其实是Top K问题，也就是从大量数据中找出前K个最大的元素。这时候，通常不需要对整个数据集进行完全排序，只需要找到最大的K个元素。这种情况下，不同的算法可能有不同的效率。 先想快速排序。快速排序的平均时间复杂度是O(n log n)，最坏情况下是O(n²)，但实际应用中通常很快。不过，如果只是找最大的十个元素，是否需要用快速排序对整个数组排序呢？其实不需要，因为快速排序的划分过程可以帮助找到前K大的元素。比如，可以用快速选择算法，找到一个基准点，将数组分为两部分，如果基准点的位置刚好是第K大的位置，那么右边的元素就是最大的K个。这种方法的时间复杂度平均是O(n)，最坏情况是O(n²)，但可能比完全排序快。不过用户可能问的是排序方法，所以可能需要考虑是否适用。 接下来是堆排序。堆排序的时间复杂度是O(n log n)，但这里有个优化点。如果只需要前K个元素，可以使用一个大小为K的最小堆。具体来说，遍历数组，维护一个包含当前最大的K个元素的堆。每次新元素如果比堆顶大，就替换堆顶并调整堆。这样时间复杂度是O(n log K)，对于K=10，这个log K的值很小，所以整体效率很高。而堆排序本身需要构建堆然后依次取出最大元素，但这里可能不需要完全堆排序，而是部分堆操作，可能更高效。 然后是二路归并排序，时间复杂度是O(n log n)，稳定但需要额外的空间。归并排序无论数据如何分布都需要分割和合并，对于Top K问题来说，可能没有优势，因为需要完全排序后才能取出前十个，这会浪费时间和空间。所以可能不是最优选择。 插入排序的时间复杂度是O(n²)，在数据量大的情况下效率非常低，1000个元素的话，插入排序显然不合适，应该排除。 所以综合来看，堆排序的方法，或者更准确地说，使用堆结构来维护前K个元素，可能是最优的。不过用户给出的选项是堆排序，而不是堆结构的选择，可能需要确认。如果严格按照选项中的排序方法来说，堆排序的时间复杂度是O(n log n)，而快速排序的平均也是O(n log n)，但实际可能更快，不过对于Top K问题，快速选择更适合，但用户是否将快速选择视为快速排序的一部分？ 这时候需要明确用户的问题是否需要使用完整的排序算法，还是可以使用部分排序或选择算法。用户的问题可能倾向于使用排序方法中的最优者，但可能没有意识到Top K问题的最优解不是完整排序，而是部分选择。比如，标准答案应该是使用堆的方法，即维护一个大小为K的最小堆，时间复杂度O(n log K)，而如果是使用堆排序的话，可能时间复杂度更高。但选项中可能没有这个选项，用户给出的选项是堆排序，所以需要看在这四个选项中哪个更好。 另外，快速排序的快速选择算法可以在平均O(n)时间内找到第K大的元素，然后划分出最大的K个元素，这比堆排序的O(n log n)可能更快，尤其是当K远小于n的时候，比如这里n=1000，K=10。所以快速选择可能更优，但用户是否将其视为快速排序的一种应用？ 在这种情况下，用户可能希望知道在四个选项中，哪种排序算法作为整体排序方法时最优，但实际处理Top K问题时，最优方法可能不是完全排序，而是部分选择。所以可能需要指出，虽然堆排序作为完整排序的时间复杂度是O(n log n)，但使用堆结构来维护Top K的时间复杂度是O(n log K)，而快速选择的平均时间复杂度是O(n)。但选项中是否有对应的算法？ 用户给出的选项是快速排序、堆排序、二路归并排序、插入排序。所以需要在这四个中选最优的。如果必须使用完整的排序算法，那么堆排序和快速排序都是O(n log n)，而归并排序同样，插入排序是O(n²)。因此在这四个中，堆排序可能不是最优的，但题目可能希望选择堆排序，因为可以用堆结构来优化Top K问题，而其他排序方法需要完全排序。 或者，用户可能想知道在这四个排序算法中，哪个在处理这个问题时最快。例如，快速排序在实际中通常比堆排序和归并排序更快，因为常数因子小，所以尽管都是O(n log n)，快速排序可能更快。而归并排序需要额外的空间，而插入排序在大数据量下显然慢。因此，如果必须完全排序的话，快速排序可能最优，但如果是Top K问题，更优的是使用堆结构或者快速选择，但选项中没有这些。 这时候可能需要指出，虽然题目中的选项是四个排序方法，但实际最优解并非完全排序，而是使用堆或者快速选择。但用户可能希望知道在四个选项中哪个最好，或者需要解释两者的区别。 例如，在四个选项中，如果必须用排序算法，那么快速排序可能是最快的，但如果是解决Top K问题，正确的方法应该是使用堆结构，即维护一个大小为K的最小堆，时间复杂度O(n log K)，或者使用快速选择找到第K大的元素，然后取出前K个，平均O(n)。但这两个方法可能不在选项中。 所以，用户的选项中可能希望得到的答案是堆排序，因为堆结构在处理Top K问题时更高效，但堆排序本身是排序整个数组，而使用堆结构来维护Top K并不等同于堆排序，所以这里可能存在混淆。 因此，在回答时需要澄清，如果必须从四个排序算法中选择，快速排序可能更快，但正确的解决方法是使用堆结构（不是堆排序）或者快速选择。但根据用户提供的选项，可能应该推荐堆排序，因为其与堆结构有关，但需要明确说明。 或者，可能存在误解，用户可能认为堆排序是处理Top K的最优方法，但实际并非如此，正确的做法是使用最小堆来维护Top K，时间复杂度更低。因此，可能需要指出正确的做法是使用堆的方法，而不是堆排序，但选项中可能没有，所以需要比较四个选项中的哪一个更好。 另外，当n=1000，K=10时，部分排序方法可能更优。例如，C++中的std::partial_sort就是使用堆的方法，时间复杂度是O(n log K)，而如果使用快速选择，然后对前K个元素排序，时间复杂度是O(n + K log K)。对于K=10，这非常高效。 但用户的问题是关于四个排序算法的选择，所以可能需要解释，在这些排序算法中，如果必须使用完整排序的话，快速排序可能最快，但实际最优解是部分排序或选择算法，如堆或快速选择，而选项中可能没有这些，所以需要根据选项进行判断。 总结：用户的问题可能希望了解在四个排序算法中选择哪个来处理Top K问题，但正确的答案可能不在选项中，而是使用堆结构或快速选择。但根据选项，可能选择堆排序，因为堆结构相关，但需要明确说明两者的区别，指出正确的做法是维护一个大小为K的堆，而不是进行完整的堆排序。或者，如果必须使用完整的排序算法，那么快速排序可能更快，但效率不如专门处理Top K的方法。</think>### 一、问题分析 需从 **1000个元素中找出最大的10个**，属于 **Top-K 问题**（K=10）。 关键要求：**无需完全排序所有元素**，只需定位最大的10个，因此需选择 **时间和空间效率最优** 的方法。 --- ### 二、算法对比与选择 | 方法 | 时间复杂度 | 适用性分析 | |--------------|------------------|---------------------------------| | **快速排序** | 平均 $O(n \log n)$，最差 $O(n^2)$ | 需完全排序，冗余操作多，效率低 | | **堆排序** | 稳定 $O(n \log n)$ | 可优化为 **部分堆构建**，更高效 | | **二路归并** | 稳定 $O(n \log n)$ | 需完全排序，额外空间 $O(n)$ | | **插入排序** | $O(n^2)$ | 仅适合小规模数据，1000元素极慢 | --- ### 三、最优方案：堆排序的改进策略 **核心思路**：利用 **最小堆（Min-Heap）** 维护当前最大的10个元素，仅需一次遍历： 1. 初始化一个大小为10的最小堆； 2. 遍历1000个元素： - 若元素 > 堆顶（当前第10大），替换堆顶并调整堆； - 否则跳过； 3. 最终堆中元素即为最大的10个。 **时间复杂度**： $$ O(n \log K) = 1000 \times \log 10 \approx 1000 \times 3.3 = 3300 \text{次操作} $$ 远低于完全排序的 $O(n \log n) \approx 1000 \times 10 = 10,000$ 次操作。 --- ### 四、其他方法的局限性 1. **快速排序**： - 完全排序浪费资源，且最坏情况 $O(n^2)$ 不可控； - 若用 **快速选择（QuickSelect）** 找第10大元素，理论平均 $O(n)$，但需额外处理前10元素排序。 2. **归并排序**： - 必须完全排序，空间复杂度高； - 无针对Top-K的优化空间。 3. **插入排序**： - 时间复杂度 $O(n^2)$，1000元素需约 $500,000$ 次操作，效率极低。 --- ### 五、结论 **最优方法**：基于堆排序思想改进的 **最小堆策略**（时间复杂度 $O(n \log K)$）。 **次优选择**：若必须使用原排序算法，优先选 **堆排序**（稳定 $O(n \log n)$），其次是快速排序（平均性能好，但风险高）。 **代码示例（Python）**： ```python import heapq def find_top_k(nums, k): min_heap = [] for num in nums: if len(min_heap) < k: heapq.heappush(min_heap, num) else: if num > min_heap[0]: heapq.heappop(min_heap) heapq.heappush(min_heap, num) return min_heap # 示例：1000个随机数中找最大的10个 nums = [ ... ] # 1000个元素 top_10 = find_top_k(nums, 10) ``` --- ### 六、扩展思考 - **海量数据场景**（如10亿元素）：需结合 **分治+堆**，分块处理后再合并结果； - **动态数据流**：持续用最小堆维护Top-K，时间复杂度稳定为 $O(n \log K)$。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值