瑛太来笔试

python的可迭代对象和迭代器的区别

1 iterable是一个能返回它的成员的对象。包括sequence types(list,str,tuple) and not-sequence types(dict, file objects), objects and classed defined with an iter() method or a getitem() method

当一个iterable object传入 iter()方法（同样是调用__iter__()方法的时候）的时候，会返回一个iterator. 这是显式创建iterator的方法。当我们用for遍历的时候，iterator会自动创建iterator

2 iterator应该定义一个__iter__()方法（或者一个供迭代的生成器），由于有这个方法都是iterable的，所以iterator都是iterable的

iterator的__iter__()方法返回的是iterator object itself

为什么iterator都是iterable的？因为iterator（比如list）都是可以重复遍历的（想象并发情况下），所以需要每次__iter__()的时候返回一个独立的迭代器。

如果iterator不是iterable的，那么每次调用都只返回同一个iterator，一旦这个iterator到达了StopIteration的条件，就完了

注：用for遍历对象的时候，如果对象没有__iter__,但是实现了__getitem__，会使用下标迭代的方式

iter也是一样，当__iter__方法没有的时候，返回一个用下标迭代的可迭代对象来代替，比如str
https://www.cnblogs.com/meditator/p/7943582.html
iterable对象可以for
iterator可以next()，也可以for
所以iterator都是iterable的。

朴素贝叶斯

贝叶斯的前提：特征是独立的。NB做不了最小二乘。

k-means 中k的选择

1.手肘法
1.1 理论

手肘法的核心指标是SSE(sum of the squared errors，误差平方和)，

其中，Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心（Ci中所有样本的均值），SSE是所有样本的聚类误差，代表了聚类效果的好坏。

   手肘法的核心思想是：随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度会逐渐提高，那么误差平方和SSE自然会逐渐变小。并且，当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故SSE的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，所以SSE的下降幅度会骤减，然后随着k值的继续增大而趋于平缓，也就是说SSE和k的关系图是一个手肘的形状，而这个肘部对应的k值就是数据的真实聚类数。当然，这也是该方法被称为手肘法的原因。

1.2 实践

我们对预处理后数据.csv 中的数据利用手肘法选取最佳聚类数k。具体做法是让k从1开始取值直到取到你认为合适的上限(一般来说这个上限不会太大，这里我们选取上限为8)，对每一个k值进行聚类并且记下对于的SSE，然后画出k和SSE的关系图（毫无疑问是手肘形），最后选取肘部对应的k作为我们的最佳聚类数。

k与SSE的关系图如下：

显然，肘部对于的k值为4，故对于这个数据集的聚类而言，最佳聚类数应该选4
2. 轮廓系数法
2.1 理论

该方法的核心指标是轮廓系数（Silhouette Coefficient），某个样本点Xi的轮廓系数定义如下：
其中，a是Xi与同簇的其他样本的平均距离，称为凝聚度，b是Xi与最近簇中所有样本的平均距离，称为分离度。而最近簇的定义是
其中p是某个簇Ck中的样本。事实上，简单点讲，就是用Xi到某个簇所有样本平均距离作为衡量该点到该簇的距离后，选择离Xi最近的一个簇作为最近簇。

求出所有样本的轮廓系数后再求平均值就得到了平均轮廓系数。平均轮廓系数的取值范围为[-1,1]，且簇内样本的距离越近，簇间样本距离越远，平均轮廓系数越大，聚类效果越好。那么，很自然地，平均轮廓系数最大的k便是最佳聚类数。2.2 实践

我们同样使用2.1中的数据集，同样考虑k等于1到8的情况，对于每个k值进行聚类并且求出相应的轮廓系数，然后做出k和轮廓系数的关系图，选取轮廓系数取值最大的k作为我们最佳聚类系数
聚类数k与轮廓系数的关系图：
可以看到，轮廓系数最大的k值是2，这表示我们的最佳聚类数为2。但是，值得注意的是，从k和SSE的手肘图可以看出，当k取2时，SSE还非常大，所以这是一个不太合理的聚类数，我们退而求其次，考虑轮廓系数第二大的k值4，这时候SSE已经处于一个较低的水平，因此最佳聚类系数应该取4而不是2。

但是，讲道理，k=2时轮廓系数最大，聚类效果应该非常好，那为什么SSE会这么大呢？在我看来，原因在于轮廓系数考虑了分离度b，也就是样本与最近簇中所有样本的平均距离。为什么这么说，因为从定义上看，轮廓系数大，不一定是凝聚度a（样本与同簇的其他样本的平均距离）小，而可能是b和a都很大的情况下b相对a大得多，这么一来，a是有可能取得比较大的。a一大，样本与同簇的其他样本的平均距离就大，簇的紧凑程度就弱，那么簇内样本离质心的距离也大，从而导致SSE较大。所以，虽然轮廓系数引入了分离度b而限制了聚类划分的程度，但是同样会引来最优结果的SSE比较大的问题，这一点也是值得注意的。、
3. (Calinski-Harabasz准则)

随即森林和GBDT

https://blog.csdn.net/u010089444/article/details/69263546
https://blog.csdn.net/u012155582/article/details/79866245?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

求最大无重复子串的长度

可能多行

s=input()
l=[]
while s:
        l.append(s)
        s=input()
        
for i in l:
        print(i)
        res=1
        leng=len(i)
        dp=[[False]*leng for _ in range(leng)]
        for j in range(leng):
                dp[j][j]=True
        for j in range(leng-2,-1,-1):
                for k in range(j+1,leng):
                        if not i[k] in i[j:k]:
                                dp[j][k]=dp[j][k-1]
                                res=max(res,k-j+1) if dp[j][k] else res
                        else:
                                dp[j][k]=False
        print(res)