在虚拟dom中diff的实现。对比总结（React中diff与vue中diff的对?diff是广泛的概念，如git diff，js对象 diff等。diff算法的必要性：渲染真实DOM的开销是很大的，轻微的操作都可能导致页面重新排版，非常耗性能。相对于DO

AI已经成为我们日常生活的一部分，这一点你无法否认。几乎来自所有不同行业的财富1000强企业领导者，都在积极开展AI计划。大中型全球企业都在加速创新，利用AI的诱人前景提高收入、增加利润、并在产品和服务产品中发现新的价值。尽管AI的发展迅速，但董事会和CE

选择排序每次都需要遍历前面所有的队列，但因为前面序列本身就是有序的，所以当前数大于前面一个数时，则不需要向前遍历，故可以小小优化一下

本质上有一个固定的长度，这意味着所产生的功能有限的复杂性。通常会产生无效状态，因此需要以非破坏性方式处理这些状态。通常依赖于运算符优先级，这可以被看作是一种限制。本质上具有可变长度，这意味着它们更加灵活，但往往复杂度增加。使用显式结构来完全避免运算符的优先

简述分类与聚类的联系与区别。利用关于心脏病患者的临床历史数据集，建立朴素贝叶斯心脏病分类模型。最可能是哪个疾病？上传手工演算过程。

最近在研究数据结构与算法，在B站中找到了小甲鱼的《数据结构与算法课程》，挺有意思的！对于一个算法来说，分析有两步，第一是从数学上证明算法的正确性，第二步是分析算法的时间复杂度。算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级，在很大程度上能反映

在最初接到这个算法时，我们可能会一头雾水：这个名词好奇怪[问号脸]，怎么“支持”？本篇文章从“不适定问题”开始介绍SVM的思想，通过支撑向量与最大间隔引申到如何将其转换为最优化问题，并数学推导求解有条件限制的最优化问题。相信学完本篇之后，大家一定会对SVM

SPFA算法，是西南交通大学段凡丁于 1994 年发表的，其在 Bellman-ford 算法的基础上加上一个队列优化，减少了冗余的松弛操作，是一种高效的最短路算法。这样不断从队列中取出顶点来进行松弛操作，直至队列空为止。（所谓的松弛操作，简单来说，对于顶

我们的目的是寻找一种对算法进行衡量的最有效力度，我们希望忽略不重要的细节，例如常数因子和低阶项，把注意力集中在算法的运行时间是怎样随着输入长度的增长而增长的，这些任务是通过大O表示法的形式完成的，每个程序员都应该掌握这个概念。Algorithm 1数组A中

并发指在同一时间内可以执行多个任务。并发编程含义比较广泛，包含多线程编程、多进程编程及分布式程序等。本章讲解的并发含义属于多线程编程。goroutine是由Go语言的运行时调度完成，而线程是由操作系统调度完成。使用者分配足够多的任务，系统能自动帮助使用者把

冒泡排序过程：在每一次循环中，将该次循环中遍历的最大数字通过交换放到数组的最后，之后让循环范围减1，最终完成排序。其中时间复杂度为O(n^2),空间额外复杂度O。通过对拍器人为的核对数据可以先修改对对拍程序，然后修改源程序。

在介绍这两种算法前，先介绍一下爬山算法。爬山算法实现很简单，其主要缺点是会陷入局部最优解，而不一定能搜索到全局最优解。为了解决局部最优解问题， 1983年，Kirkpatrick等提出了模拟退火算法能有效的解决局部最优解问题。模拟退火算法以一定的概率来接受

冒泡排序是大多数人学的第一种排序算法，在面试中，也是问的最多的一种，有时候还要求手写排序代码，因为比较简单。冒泡排序属于交换类的排序算法。因为小的元素会慢慢地浮到顶端，很像碳酸饮料的汽泡，会冒上去，所以这就是冒泡排序取名的来源。冒泡排序是效率较低的排序算法

4鸢尾花完整数据做聚类并用散点图显示.5想想k均值算法中以用来做什么？K-均值算法是指中心的距离的平方和最小。K-均值法的基本思想是，通过迭代逐次移动各类别的中心，直至得到最好的聚类结果为止。

第一行输入一个数n，接下来一行，输入n个数值，求最长上升子序列；赶脚这个代码还是很菜，先上菜吧，开个胃，哈哈哈；仅自己这样想的，不包含科学质上对哈，有错欢迎提出。?

堆排序的复杂度是比较稳定的\，并且具有空间原址性。大根堆中，每个结点都要比它的子结点大，维护这个性质，只需要将该结点与子结点取一个最大的交换到根，然后将可能违背性质的点递归

https://baike.baidu.com/item/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF/4925905

搜索算法是利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。现阶段一般有枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。在大规模实验环境中，通常通过在搜索前，根据条件

之前几个章节都是介绍有监督学习，这个章节介绍无监督学习，这是一个被称为k-means的聚类算法，也叫做k均值聚类算法。这时候需要用logistic回归或者SVM将这些数据分成正负两类，这个过程称之为监督学习，是因为对于每一个训练样本都给出了正确的类标签。在

//let id = this.id, sPos = this.sPos, ePos = this.ePos, arrs = arr || [];return {id:this.id, map:this.map, arr:arr || [], sPos:t