- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法channel
10 行实现最短路算法
今天是算法数据结构专题的第34篇文章，我们来继续聊聊最短路算法。 在上一篇文章当中我们讲解了bellman-ford算法和spfa算法，其中spfa算法是我个人比较常用的算法，比赛当中几乎没有用过其他的最短路算法。 使用优先队列之后这段代码会变得非常简单，同样也不超过十行，为了方便同学们调试，我把连带优先队列实现的代码一起贴上来。 0 que = PriorityQueue() INF = sys.maxsize edges = [[], [[2, 7], [3, 9], [6, 14]], [[1, 7], [3, 10 ], [4, 15]], [[1, 9], [2, 10], [6, 2], [4, 11]], [[3, 11], [5, 6]], [[4, 6], [6, 9]], [[3, 2], [5, 9]
1K20发布于 2020-08-21 - 来自专栏机器学习/数据可视化
10种聚类算法及python实现
一文洞悉10种聚类算法及Python实现 最近看到一篇介绍聚类算法的文章（来自海豚数据科学实验室），总结了10种聚类算法及Python实现 聚类或聚类分析是无监督学习问题。 对于所有数据集，有许多不同的聚类算法和单一的最佳方法。 在 scikit-learn 机器学习库的 Python 中如何实现、适配和使用顶级聚类算法。 没有最好的聚类算法，也没有简单的方法来找到最好的算法为您的数据没有使用控制实验。在本教程中，我们将回顾如何使用来自 scikit-learn 库的这10个流行的聚类算法中的每一个。 我们不会深入研究算法如何工作的理论，也不会直接比较它们。让我们深入研究一下。 聚类算法示例 在本节中，我们将回顾如何在 scikit-learn 中使用10个流行的聚类算法。 有许多不同的聚类算法，对于所有数据集没有单一的最佳方法。 在 scikit-learn 机器学习库的 Python 中如何实现、适合和使用顶级聚类算法。
1.6K30编辑于 2023-08-23 - 来自专栏氧化先生的专栏
10种深度学习算法的TensorFlow实现
这个 repository 是使用 TensorFlow 库实现的多种深度学习算法的实现。
1K40发布于 2018-08-21 - 来自专栏算法进阶
10大机器学习聚类算法实现（Python）
来源：尤而小屋 分享一篇关于聚类的文章：10种聚类算法和Python代码。文末提供jupyter notebook的完整代码获取方式。 聚类或聚类分析是无监督学习问题。 对于所有数据集，有许多不同的聚类算法和单一的最佳方法。 在 Scikit-learn 机器学习库的 Python 中如何实现、适配和使用顶级聚类算法。 没有最好的聚类算法，也没有简单的方法来找到最好的算法为您的数据没有使用控制实验。 在本教程中，我们将回顾如何使用来自 scikit-learn 库的这10个流行的聚类算法中的每一个。 我们不会深入研究算法如何工作的理论，也不会直接比较它们。让我们深入研究一下。 三、聚类算法示例 在本节中，我们将回顾如何在 scikit-learn 中使用10个流行的聚类算法。 有许多不同的聚类算法，对于所有数据集没有单一的最佳方法。 在 Scikit-learn 机器学习库的 Python 中如何实现、适合和使用10种顶级聚类算法
68820编辑于 2023-08-28 - 来自专栏五分钟学算法
10 大算法
什么是算法呢？ 简单的说，任何定义明确的计算步骤都可称为算法，接受一个或一组值为输入，输出一个或一组值。 1、有穷性，执行有限步骤后，算法必须中止。 2、确切性，算法的每个步骤都必须确切定义。 与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 这两种算法简单，但却相当强大，整个数字世界都离不开它们，其功能是实现时间域函数与频率域函数之间的相互转化。能看到这篇文章，也是托这些算法的福。 链接分析算法一直是这个领域最让人费解的算法之一，实现方式不一，而且其本身的特性让每个实现方式的算法发生异化，不过基本原理却很相似。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏机器学习与生成对抗网络
10种优化算法汇总实现（从SGD到NadaMax）
导读 本文总结了SGD、MomentumNesterov、Momentum、AdaGrad...等十种优化算法，每一种算法的讲解都附有详细的公式过程以及代码实现。 的计算不同，本文总结了下面十个优化算法的公式，以及简单的Python实现： SGD Momentum Nesterov Momentum AdaGrad RMSProp AdaDelta Adam AdaMax 在下面的优化算法中，只是作为一个传入的变量，其具体的计算是由其他模块负责，可以参考下面两个链接： Numpy实现神经网络框架(3)——线性层反向传播推导及实现 https://zhuanlan.zhihu.com ，另外有的Momentum算法中会使用指数加权平均来实现，主要公式如下： ? 所以，一般来说AdaGrad算法一开始是激励收敛，到了后面就慢慢变成惩罚收敛，速度越来越慢 对于代码实现，首先将 ? 展开得到： ? 通常 ? ，所以在第一次训练时(2.2)式为： ?
7.5K30发布于 2020-12-18 - 来自专栏张俊红
太强了，10种聚类算法完整Python实现！
对于所有数据集，有许多不同的聚类算法和单一的最佳方法。 在 scikit-learn 机器学习库的 Python 中如何实现、适配和使用顶级聚类算法。 下面列出了10种比较流行的算法： 亲和力传播 聚合聚类 BIRCH DBSCAN K-均值 Mini-Batch K-均值 Mean Shift OPTICS 光谱聚类 高斯混合 每个算法都提供了一种不同的方法来应对数据中发现自然组的挑战 没有最好的聚类算法，也没有简单的方法来找到最好的算法为您的数据没有使用控制实验。在本教程中，我们将回顾如何使用来自 scikit-learn 库的这10个流行的聚类算法中的每一个。 我们不会深入研究算法如何工作的理论，也不会直接比较它们。让我们深入研究一下。 三.聚类算法示例 在本节中，我们将回顾如何在 scikit-learn 中使用10个流行的聚类算法。 有许多不同的聚类算法，对于所有数据集没有单一的最佳方法。 在 scikit-learn 机器学习库的 Python 中如何实现、适合和使用顶级聚类算法。
1.9K12编辑于 2022-04-27 - 来自专栏Unity3D
☆打卡算法☆LeetCode 10、实现正则表达式匹配 算法解析
一、题目 1、算法题目 “给定一个字符串，以及字符规律，实现一个正则表达式匹配。” LeetCode） 链接：https://leetcode-cn.com/problems/regular-expression-matching/ 2、题目描述 给你一个字符串 s 和一个字符规律 p，请你来实现一个支持 二、解题 1、思路分析 这道题，可以使用动态规划算法，题目中的匹配是一个逐步匹配的过程，每次从匹配规则中取出一个字符，然后在字符串中匹配。 2、代码实现 直接来看一下图，s="abbbc",p="abbc". true表示这个字符是匹配的，比如table[0,0]为true，表示s[0:0]="a"与p[0:0]="a"匹配。
41120编辑于 2022-08-07 - 来自专栏TechFlow
算法专题 | 10行代码实现的最短路算法——Bellman-ford与SPFA
这种方法的好处是非常直观，实现也很简单，但是缺点也很明显。这个二维矩阵所消耗的空间复杂度是，这里的V指的是顶点的数量。当顶点的数量稍稍大一些之后，带来的开销是非常庞大的。 但是也有缺点，除了实现稍稍复杂一点之外，另外一个明显的缺点就是我们没办法直接判断两点之间是否有边存在，必须要遍历链表才可以。 除了邻接矩阵和邻接表之外，还有一些其他的数据结构可以完成图的存储。 ，实现也不难，但是它有一个缺点就是复杂度很高。 想想看，假设对于一个有1w个顶点，10w条边的图来说，这个算法是显然无法得出结果的。 所以为了提高算法的可用性，我们必须对这个算法进行优化。 SPFA的代码也很短，实现起来难度很低，单单从代码上来看和普通的宽搜区别并不大。
1.1K20发布于 2020-08-18 - 来自专栏智能大数据分析
【深度学习优化算法】10：Adam算法
本专栏介绍基于PyTorch的深度学习算法实现。 在AdaGrad算法中，我们通过对每个坐标缩放来实现高效计算的预处理器。 在RMSProp算法中，我们通过学习率的调整来分离每个坐标的缩放。 Adam算法将所有这些技术汇总到一个高效的学习算法中。 前者在实践中效果略好一些，因此与RMSProp算法有所区分。通常，我们选择 \epsilon = 10^{-6} ，这是为了在数值稳定性和逼真度之间取得良好的平衡。 其次，RMSProp算法中两项的组合都非常简单。最后，明确的学习率 \eta 使我们能够控制步长来解决收敛问题。 二、实现 从零开始实现Adam算法并不难。 p.grad.data.zero_() hyperparams['t'] += 1 data_iter, feature_dim = d2l.get_data_ch11(batch_size=10
60810编辑于 2025-08-02 - 来自专栏数据科学与人工智能
【算法】10 种机器学习算法要点
小编邀请您，先思考： 1 你熟悉那些机器学习算法？ 2 你如何应用机器学习算法？ 常见机器学习算法名单 这里是一个常用的机器学习算法名单。 这些算法几乎可以用在所有的数据问题上： 线性回归 逻辑回归 决策树 SVM 朴素贝叶斯 K最近邻算法 K均值算法 随机森林算法 降维算法 Gradient Boost 和 Adaboost 算法 1、线性回归 更多请见：支持向量机的简化(http://www.analyticsvidhya.com/blog/2014/10/support-vector-machine-simplified/) 将这个算法想作是在一个 princomp(train, cor = TRUE) train_reduced <- predict(pca,train) test_reduced <- predict(pca,test) 10
74090发布于 2018-03-27 - 来自专栏决策智能与机器学习
算法集锦（10）| 自动驾驶、机器人 | 物品图像动态检测算法实现
在自动驾驶技术和机器人系统中，实现实例分割有很重要的意义。对于自动驾驶汽车，我们可以获得汽车以及行人的准确位置；而机器人在获得两个障碍物的准确位置后，则可以轻松实现障碍穿越。 实例分割算法有很多种，在最新的Tensorflow物品检测API中，Google使用了Mask R-CNN技术，从而可以实现对图像的像素级检测。 视频物品检测 上面介绍了tensorflow物品检测API和Mask R-CNN技术，接下来我们就利用它们来实现一个玩具小车的动态检测。 图 Object Mask-玩具 利用该二值mask图像，模型不仅可以提取边界框的位置还能够实现物品像素级的定位。 Mask图像可以利用Pixel Annotation Tool来创建。
1.1K30发布于 2020-08-04 - 来自专栏算法工程师之路
每日算法题：Day 10
作者：TeddyZhang，公众号：算法工程师之路 Day 10, Linux知识点走起~ 1 编程题 【剑指Offer】顺时针打印数组 输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字 ，例如，如果输入如下4 X 4矩阵：1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 则依次打印出数字1,2,3,4,8,12,16,15,14,13,9,5,6,7,11,10 +,top++,right--,bottom--; } return res; } }; 【剑指Offer】包含min函数的栈 定义栈的数据结构，请在该类型中实现一个能够得到栈中所含最小元素的
65430发布于 2019-08-13 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（10）通俗讲kmp算法
---- 什么是KMP算法 它是一个字符串匹配算法。 KMP算法的优势 （就恨当初写kmp那篇的时候，没有留下图解，全篇文字铺开，现在我自己都看不懂了） 首先，给定 “主串” 和 “模式串” 如下： BF算法使用简单粗暴的方式，对主串和模式串进行逐个字符的比较 ，做了很多无谓的比较，还好，我们今天讲的不是这种算法。 //next[j]即为j所对应的next值 j = vec[j]; } } if (j >= pLen) return(i - j); return -1; } KMP算法整体实现 j = vec[j]; } } if (j >= pLen) return(i - j); return -1; } int main() { vector<int> vec1(10,0
98020发布于 2021-09-18 - 来自专栏yeedomliu
《图解算法》第10章 K最近邻算法
你刚才就是使用K最近邻（k-nearest neighbours，KNN）算法进行了分类！ 创建推荐系统 可以将所有用户都放入一个图表中
75130发布于 2020-08-13 - 来自专栏大数据文摘
GitHub标星近10万，用Python实现所有算法合集
Github链接： https://github.com/TheAlgorithms/Python 我们来看看都有什么算法。 这个项目的算法也是按照字典 A-Z 分类排列的，比如第一个大类就是 Arithmetic Analysis，这个大类里面包括了常见的对分法、高斯消元、交叉法、牛顿法等等。 ? 像这样的算法，这个项目收集了800多个，胖哥不得不说，真是牛逼！ 另外这个项目还集合了欧拉计划的 Python 算法，每个问题都提供了多种 Python 算法。 当然，这些算法都是世界各地的编程高手提供的，所以算法的质量也是有保证的。 算法都满足如下要求： 具有直观的类名和函数名，使读者能够清楚地了解其目的 使用 Python 命名规则和直观的变量名来简化理解 可以灵活地接受不同的输入值 使用 Python 类型提示输入参数和返回值
89920发布于 2021-01-11 - 来自专栏乐行僧的博客
10-归并排序算法
注意点： 稳定的排序算法 时间复杂度O(nlog2n) 空间复杂度O(n) 非递归实现，自定上下 注意分治和归并中数组中间位置下标的对应关系 应用：逆序对个数的求解 代码： #include <stdio.h
20920编辑于 2022-02-25 - 来自专栏全栈程序员必看
10个JS常见算法题目
1、冒泡排序调优（从小到大排序） 2、输出九九乘法表 3、输出水仙花数 4、1–10的阶乘和 5、输出1900年至2100年中的所有闰年 6、输出10–100之间的所有素数 7、1，2，3， 源码如下： js算法题目练习 <! -- 4、1--10的阶乘和 --> <script type="text/javascript"> // 内容提示 console.log("4、1--10的阶乘和"); // 1; i <= 10; i++) { // 第二层循环表示求1到10的每一个数的阶乘的过程 for (var j = 1; j <= i; j++) { 5个数字 var areFive = 0; // 10到500循环，一次利用下面的算法进行判断 for (var num = 10; num <= 500; num++) {
1.2K20编辑于 2022-09-07 - 来自专栏奇点大数据
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 我们将借鉴、重用来自许多其它领域的算法（包括统计学）来实现这些目标。 不过，该算法在大量的复杂问题中十分有效。 6. K 最近邻算法 K 最近邻（KNN）算法是非常简单而有效的。KNN 的模型表示就是整个训练数据集。这很简单吧？ 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10. 要实现 Boosting 方法，首先你需要利用训练数据构建一个模型，然后创建第二个模型（它企图修正第一个模型的误差）。
67420发布于 2019-04-29 - 来自专栏算法码上来
每日算法系列【LeetCode 470】用 Rand7() 实现 Rand10()
题目描述 已有方法 rand7 可生成 1 到 7 范围内的均匀随机整数，试写一个方法 rand10 生成 1 到 10 范围内的均匀随机整数。 不要使用系统的 Math.random() 方法。 如果生成两次，那么就得到了两个 1 到 7 之间的整数，然后怎么转换为 1 到 10 呢。 具体分配情况如下所示： 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 . . . . . . . . . 而转换后的随机数可以表示为 ，注意到最后 9 个数没有用到，因为它们不足以表示 1 到 10 这 10 个数，如果表示了概率就不等了。 那么如果根据上面式子算出来落在了最后 9 个数范围内怎么办呢？
81920发布于 2020-03-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号