def lrm_f(self,root):stack=[]result_stack=[]if root is not None:stack.append(root)while len(stack)!=0:root=stack.pop()result_stack.append(root)if root.left is not None:stack.append(root.left)if root.right is not None:stack.append(root.right)while len(result_stack)!=0:result3.append(result_stack.pop().val)

def lmr_f(self,root):stack=[]while root is not None or len(stack)!=0:if root is not None:stack.append(root)root=root.leftelse:root=stack.pop()result2.append(root.val)root=root.right

def mlr_f(self,root):stack=[]if root is not None:stack.append(root)while len(stack)!=0:result1.append(stack.pop().val)if root.right is not None:stack.append(root.right)if root.left is not None:stack.append(root.left)

def partition(low, high, arr):index = low - 1mid = arr[high]for i in range(low, high + 1):if arr[i] < mid:index += 1arr[i], arr[index] = arr[index], arr[i]index += 1arr[index], arr[high] = arr[high], arr[index]return indexdef quick_sort(low, high, arr):if low < high:p = partition(low, high, arr)quick_sort(low, p - 1, arr)quick_sort(p + 1, high, arr)

def transpose(root):if root is None:returnif root.left is None and root.right is None:returnroot.left, root.right = root.right, root.leftif root.left is not None:transpose(root.left)if root.right is not None:transpose(root.right)return rootdef transpose_(root):stack = []if root is not None:stack.append(root)while len(stack) != 0:temp = stack.pop()temp.left, temp.right = temp.right, temp.leftif temp.left is not None:stack.append(temp.left)if temp.right is not None:stack.append(temp.right)return root

自我介绍   讲讲项目，扣着项目几个点尽心探讨解析   xgboost和随机森林的区别   神经网络和树模型的过拟合的一些参数以及解决方法   评价指标除了f1这些还有那些   特征怎么选择   算法：翻转一棵二叉树。(我写不出来。。。)   前面都回答的挺好