前言

其实我并不擅长写这种文章，不仅不擅长，更有些许讨厌，就像上学以来一直不喜欢作文。

这篇文章本应该写在 6.1，但由于当天工作组请客，后来忙于写论文，一直拖延到现在。

为什么应该写在 6.1？
5 月 31 日去北京签了三方协议，虽然傍晚回校的路上还有收到 offer，但是已经不考虑它了。我的 2019 毕业找工作就画上“。”了。

为什么找工作

为什么会问“为什么找工作”这个问题呢？
因为之前没有打算读完本科就工作，想着硕士之后再考虑。

没有推免资格的我，只能选择考研。
最后的结果也不想多说，但还是有必要吐槽一下考研真的是个有些玄学的东西。

事实上，只是因为我不够强！

题目概述

Given an array with n objects colored red, white or blue, sort them in-place so that objects of the same color are adjacent, with the colors in the order red, white and blue.

Here, we will use the integers 0, 1, and 2 to represent the color red, white, and blue respectively.

题目大意

题目原意是，0,1,2分别代表是三个颜色的小球，让小球按照指定的顺序排列。
事实上，就是给一个数组进行排序。原地排序，不要使用额外的空间。

示例

1
2

Input: [2,0,2,1,1,0]
Output: [0,0,1,1,2,2]

Redis 是完全开源免费、遵守 BSD 协议的一种 NoSQL 数据库，一个高性能的 key-value 数据库。

配置 linux 系统

这不是本文的重点，简单介绍一下两种方案。

方案一

安装虚拟机，并在虚拟机中安装 linux 系统。

方案二

我是之前购买的阿里云 ECS，选择了 CentOS 7.6 64 位镜像

简介

• 本质：一种软件架构风格
• 核心：面向资源
• 解决的问题：降低开发复杂性；提高系统可伸缩性

  相关概念

• 网络上的所有事物都可以被抽象为资源
• 每一个资源都有唯一的资源标识，对资源的操作不会改变这些标识
• 所有的操作都是无状态的，操作之间无联系。

HTTP协议

URL

schema://host[:port]/path[?query-string][#anchor]

Yahoo 前端性能优化军规

本文介绍的是非常基础的传统前端优化策略

14 条常用优化规则

减少 HTTP 请求

• 合并文件：通过把尽量多的脚本文件放在一个文件中的方式来减少请求数，当然，css 文件也可以这样。
• CSS Sprites：减少图片请求数量的首选方式。把背景图片都整合到一张图片中，然后用 CSS 的 background-image 和 background-position 属性来定位要显示的部分。
• 行内图片（Base64 编码）：用 data: URL 模式来把图片嵌入页面。把图像文件的内容直接写在了 HTML 文件中，这样做的好处是，节省了一个 HTTP 请求。坏处是浏览器不会缓存这种图像。

题目概述

A robot is located at the top-left corner of a m x n grid (marked ‘Start’ in the diagram below).

The robot can only move either down or right at any point in time. The robot is trying to reach the bottom-right corner of the grid (marked ‘Finish’ in the diagram below).

How many possible unique paths are there?

题目大意

有个机器人位于表格（m x n）左上角的起点，它每次只能向右或向下移动一格，那么到达右下角的终点，一共有多少条路径？
这里的 m、n 并不是行、列的个数，相反，更类似于横纵坐标

PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法，是基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法，PCA 的思想是将 n 维特征映射到 k 维上（k < n)，这 k 维特征称为主元，是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的 k 个特征互不相关。

相关概念

协方差(Covariance)

协方差是描述不同变量之间的相关关系，协方差>0 时说明 X 和 Y 是正相关关系，协方差<0 时 X 和 Y 是负相关关系，协方差为 0 时 X 和 Y 相互独立。

协方差的计算是针对两维的，对于 n 维的数据集，可以计算 C(n,2)种协方差。
例如对于三维（x,y,z），其协方差矩阵如下，可看出协方差矩阵是一个对称矩阵（symmetrical），其对角线元素为每一维的方差：

在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，此类学习任务中研究最多、应用最广的就是“聚类”。
本文将对几种常见的聚类算法进行简要的对比分析。（不涉及具体代码实现）

原型聚类(prototype-based clustering)

此类算法假设聚类结构能通过一组原型刻画，在现实聚类任务中极为常用。通常情形下，算法先对原型进行初始化，然后对原型进行迭代更新求解。采用不同的原型表示、不同的求解方式，将产生不用的算法。比较著名的原型聚类算法包括：

• K 均值算法（K-means）
• 学习向量量化（Learning Vector Quantization）
• 高斯混合聚类（Maxture-of-Gaussian）

前两种用原型向量来刻画聚类结构的不同，而高斯混合聚类采用概率模型来表达聚类原型。

先睹为快

一点点准备工作

• 你至少得拥有一个 GitHub 账户
• 安装 node.js
• 安装 Git

创建 GitHub 项目仓库

创建一个名为[username].github.io 的仓库。
每一个 github 账户最多只能创建一个这样可以直接使用域名访问的仓库。
注意：username 必须是你的 GitHub 账户 ID，并非昵称；创建完成，等待生效也可能会花费一段时间

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.

Quick Start

Create a new post

1

$ hexo new "My New Post"

More info: Writing