ARTS打卡4-未来能预测吗

Algorithm做算法题，Review点评英文文章，Tip总结技术技巧，Share做技术分享。每周打卡一次，这就是ARTS打卡。

1. 做算法题

第237题，删除链表中的节点node

难点：

没有前一节点的指针，无法把node节点指针的next赋给前一节点，以达到删除node的目的。

解题巧妙之处：

可以拷贝node的next节点作为node节点。偷梁换柱，把下一个节点完全拷贝过来，顺手把下一个节点给“删除”了。

代码如下：

# Definition for singly-linked list.
# class ListNode:
#     def __init__(self, x):
#         self.val = x
#         self.next = None

class Solution:
    def deleteNode(self, node):
        """
        :type node: ListNode
        :rtype: void Do not return anything, modify node in-place instead.
        """
        node.val = node.next.val
        node.next = node.next.next

2. 点评英文文章

文章Deep learning: the final frontier for signal processing and time series analysis?

标题翻译过来是深度学习是否是信号处理或时序分析的终点？

文中综述了传统信号处理中一些算法，也介绍了一遍深度学习中的几种算法。最后得出开放性结论，神经网络已经可以非常好地近似传统算法进行信号处理，是否很有可能取代这些传统信号处理算法。

这篇文章是在搜索signal processing data analysis中找到的。最近发现信号处理与数据分析有很多相似之处，使用相同的统计学工具、都是在大量信息中提取有价值的知识、都需要找到合适的工具对付相应的信号或数据。甚至很多时候觉得两者就是同一回事。也有对比signal processing与data analysis的讨论1，讨论2。甚至图像处理中的大神级任务Elad也发声了。

3. 技术技巧

（1）如何分享python执行过程？

使用jupyter notebook可以方便地展示python代码运行过程，特别是在数据分析领域，所见即所得，一段代码后就跟着运行结果。把生成的ipynb文件通过github分享给别人，可以直接预览结果，例如京东手机销售案例。

（2）除了展示执行结果，想修改python代码怎么办？

有个办法是把ipynb文件下载到本地，配置好相关依赖环境，再用jupyter notebook打开ipynb文件进行修改。

（3）如果本地环境配置复杂，而又想快速复原运行过程怎么办？

《如何在ipad上运行python》中介绍了使用mybinder实现云端的jupyter notebook。直接在mybinder导入包含ipynb文件的github url就行，binder自动创建相关依赖环境的docker镜像，把环境封装在容器中。生成分享链接，在云端即可执行ipynb。随时随地都可以复原python运行过程。而且可以修改python代码，实现自己的修改。例如前面提到的京东手机销售案例的mybinder版本。

4. 技术分享

prophet是Facebook开源的基于时间序列的分析工具。智能化程度比较高，输入参数只有时间戳和数值，即可提取时间序列中的明显特征，做预测分析。prophet安装后可参考prophet教程跑简单入门级demo。用conda list可以看到fbprophet是否安装好。通过mybinder也可以不在本地安装prophet，直接利用mybinder运行prophet。深入理解prophet参考这篇。使用prophet进行比特币价格预测案例。prophet的时间序列预测前提是对象序列是有明显内在周期规律的，而且未来也是按照这个规律运行的。但现实中未来一定与现实和过去不同，新的变化一直在出现。