1. ifstream::eof()有bug。

   如果有一个文件test.txt，文件内容是：

   1 2 3 4

   1 a 2 ab 3 abc

   （注意，最后有一个空行）

   则，当时用下面的代码时，会有问题。

   1 2 3 4 5 6 7 8 9 10

   int main() { ifstream in("test.txt"); while (!in.eof()) { int length; in >> length; char tmp[length + 1]; in.read(tmp, length); cout << tmp << endl; } }

   原因在于，第三行读取完成后，不管是否将最后的换行符进行了消除，eof()会仍然返回false，因为只有当读到最后一个字符并尝试继续读的时候，该函数才会返回true。

[TOC]

第一章 计算机系统漫游

第二章 信息的表示和处理

数据类型的转换

相同位数

7层架构

Block Layer

将block的序数，映射到block中实际的数据。

块大小的权衡

太小，则bitmap所需空间太大。

太大，则内部浪费可能比较严重。

问题背景

在做app作业一的第二部分时，遇到了问题（自以为是问题，没想到老师是故意让我们发现这是个bug）。

flowchart LR;
A(OrderController::createOrder) --> B(OrderService::createOrder);
B --> C(OrderDao::addOne);
B --> D(OrderItemDao::addList);

如图，在电子书服务系统E-Book中，我们进行订单创建，一个订单order中包含多个订单项orderItem。

现在我们要对OrderService::createOrder，OrderDao::saveOne和OrderItemDao::saveList进行事务传播控制，分别简称三部分为A，B，C。

若A和B设置为REQUIRED，而C设置为REQUIRES_NEW，则会出现死锁问题。

NFL定理

No Free Lunch Theorem：天下没有免费的午餐

我们计算一个学习算法\(\mathcal{L}_a\)的“训练集外误差”，有 \[ \begin{aligned} E_{ote}(\mathcal{L}_a|X,f)=\sum_{h}\sum_{x\in\mathcal{X}-X}P(x)\mathbb{I}(h(x)\ne f(x))P(h|X,\mathcal{L}_a) \end{aligned} \]

如果对于所有真实目标函数\(f\)求和，则有 \[ \begin{aligned} \sum_f E_{ote}(\mathcal{L}_a|X,f)&=\sum_f\sum_h\sum_{x\in \mathcal{X}-X}P(x)\mathbb{I}(h(x)\ne f(x))P(h|X,\mathcal{L}_a)\\ &=\sum_{x\in\mathcal{X}-X}P(x)\sum_hP(h|X,\mathcal{L}_a)\sum_f\mathbb{I}(h(x)\ne f(x))\\ &=\sum_{x\in \mathcal{X}-X}P(x)\sum_hP(h|X,\mathcal{L}_a)\frac{1}{2}2^{|\mathcal{X}|}\\ &=\frac{1}{2}2^{|\mathcal{X}|}\sum_{x\in \mathcal{X}-X}P(x)\sum_hP(h|X,\mathcal{L}_a)\\ &=\frac{1}{2}2^{|\mathcal{X}|}\sum_{x\in \mathcal{X}-X}P(x)\\ \end{aligned} \] 我们可以看到，总误差与学习算法无关，也就是说，对于任意两个学习算法\(\mathcal{L}_a\)，\(\mathcal{L}_b\)，无论看上去\(\mathcal{L}_a\)多复杂，多聪明，在期望的意义下，他们的性能是相同的。（也就是说，随便瞎猜和复杂推导一样，不学了 (*｀皿´*)ﾉ ）

尝试证明AUC计算公式