summary+plan

这两天的时间没有刷leetcode上的题，我发现树对于我来说还是有一定难度，需要像大学考二级一样不断的刷题，不断的做，让树栈什么的成为自己潜意识的内容，不断的复习。还需要学习python里面的一些知识。包括基本语法numpy，sklearn，panda，这些东西。还有三个月就要回国了，就要找工作了，时间很紧迫了。现在已经实现hmm、cnn、lstm、bilstm对语音情感进行识别，有时间把英文论文写写。在训练的时候发现训练集和测试集的准确率差别比较大，应该是出现了过拟合，采用交叉验证可以解决这个问题和数据集的不均衡也相关，也可以通过优化神经网络结构来解决。一定要发表一篇英文的论文。cnn训练集和测试集的准确率都在50%左右，lstm训练集的准确率在70%以上，但测试集的准确率很低，只有40%左右。这种结果和随机猜测差不多。总结差不多到这里。再贴上树的题。

接下来要学习的：

（1）刷leetcode上的题目

（2）学习python基础知识

（3）写英文论文

（4）复习传统机器学习的理论知识和推导和深度学习理论的知识和框架。

待看文章：attention机制实现文本识别，keras框架自定义attention机制，keras框架中没有attention机制。

https://blog.csdn.net/yanhe156/article/details/85476608

使数据集更均衡的办法，留出法和交叉验证

https://www.cnblogs.com/jiaxin359/p/8552800.html

keras实现交叉验证

https://blog.csdn.net/webmater2320/article/details/100996865

递归比较难理解，一开始可以先用迭代去实现。因为二叉搜索树的右子树是最大的，所以先遍历整棵树的右子树保存起来，遍历到最后，进行求和，然后再去遍历左子树。代码如下：

class Solution {
private: int sum=0;
public:
    TreeNode* convertBST(TreeNode* root) {
        stack<TreeNode*>s;
        TreeNode* temp=root;
        while(temp || !s.empty())
        {
            while(temp)
            {
                s.push(temp);
                temp=temp->right;
            }
                temp=s.top();s.pop();
                sum+=temp->val;
                temp->val=sum;
                temp=temp->left;
        }
        return root;
    }
};

递归实现：感觉递归等价于迭代，思想是一样的

class Solution {
private: int sum=0;
public:
    TreeNode* convertBST(TreeNode* root) {
        if(root!=NULL)
        {
            convertBST(root->right);
            sum+=root->val;
            root->val=sum;
            convertBST(root->left);
        }
        return root;
    }
};