- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员成长充电站
算法入门
转载请联系授权 01 算法的定义 用不同顺序写不同语句也能得到一样结果，不同的是 "算法"，意思是：解决问题的具体步骤。即使结果一致，有些算法会更好，一般来说，所需步骤越少越好。 "算法" 一词来自 波斯博识者 阿尔·花拉子密（1000 多年前的代数之父之一）如何想出高效算法 - 是早在计算机出现前就有的问题，从而诞生了专门研究计算的领域，然后发展成一门现代学科—计算机科学！ 02 排序算法 记载最多的算法之一是"排序"，排序到处都，比如给名字、数字排序，找最便宜的机票，按最新时间排邮件，按姓氏排联系人等这些都要排序。你可能想"排序看起来不怎么难… 能有几种算法呢?" 刚刚这种方法，或者说算法，叫 选择排序 - 非常基础的一种算法 以下是"伪代码" ? 03 算法复杂度 这个函数可以排序8个, 80个或8千万个数字，函数写好了就可以重复使用。 算法的输入大小和运行步骤之间的关系叫算法的复杂度，表示运行速度的量级。
48420发布于 2019-08-19 - 来自专栏软件研发
AlexNet算法入门
AlexNet算法入门引言AlexNet是一个非常经典的卷积神经网络（Convolutional Neural Network, CNN），它由Alex Krizhevsky等人在2012年提出，并在ImageNet AlexNet算法的出现标志着深度学习的兴起，并对后续的神经网络算法有着深远的影响。本篇文章将带你入门AlexNet算法的基本原理和实现。算法原理AlexNet算法主要由5个卷积层和3个全连接层组成。 下面是AlexNet算法的核心原理：卷积层：用于提取图像的特征。每个卷积层由多个卷积核和一个激活函数组成。卷积核扫描输入图像，并通过计算卷积运算来提取特征。激活函数则引入非线性，增加网络的表达能力。 它的出现标志着深度学习的兴起，并对后续的神经网络算法有着深远的影响。通过学习和实践AlexNet算法，我们可以更好地理解卷积神经网络和深度学习的原理，并将其应用到更多的实际问题中。 AlexNet算法在图像分类问题中非常成功，尤其在大规模图像数据集上表现出色。通过学习和使用这个经典算法，我们可以更好地理解深度学习的原理和应用。
59320编辑于 2023-10-20 - 来自专栏软件研发
AlexNet算法入门
AlexNet算法入门引言AlexNet是深度学习领域中的经典卷积神经网络（CNN）模型之一，由Alex Krizhevsky等人提出，并在2012年的ImageNet图像识别竞赛中取得了重大突破。 缺点：AlexNet算法比较复杂，参数较多。它有超过600万个参数，因此需要大量的训练数据和计算资源来进行训练。AlexNet算法对输入图像的尺寸有限制。 AlexNet算法对GPU的依赖性较高。由于参数较多，使用CPU进行训练和推理的速度比较慢，往往需要使用GPU来加速计算。 类似的算法：VGGNet：VGGNet是由牛津大学的研究团队提出的，它在AlexNet的基础上做了改进。 这些类似的算法都是通过改进模型结构或引入新的思想来提高神经网络的性能，并在图像分类等任务中取得了显著的进展。不同的算法在网络结构、参数数量和计算量等方面有所差异，可以根据具体的应用场景选择适合的算法。
64330编辑于 2023-10-26 - 来自专栏软件研发
LoR算法入门
LoR算法入门在机器学习领域，逻辑回归（Logistic Regression, LoR）是一种常用的分类算法。逻辑回归与名字中的"回归"一词有些不同，实质上是一种二分类算法。 LoR算法的缺点逻辑回归（LoR）算法虽然在许多分类问题中被广泛应用，但也存在一些缺点：对线性可分问题的处理限制: 逻辑回归是一种线性分类器，只能处理线性可分问题。 类似的算法在机器学习中，有一些算法可以用作逻辑回归算法的替代或改进：支持向量机（Support Vector Machine, SVM）: SVM也可以用于二分类问题，但与逻辑回归不同，SVM可以处理非线性可分问题 K近邻算法（K-Nearest Neighbors, KNN）: KNN是一种基于实例的学习算法，通过计算样本与训练集中的最近邻样本的距离来进行分类。 这些算法都有各自的优缺点，在不同的场景和问题中使用它们可能会得到更好的结果。选择合适的算法要根据数据集的特性、问题的需求和性能要求来决定。
43900编辑于 2023-10-22 - 来自专栏Hongten
算法入门-插入排序算法
插入排序算法 输入：n个数<a1,a2,a3,.....,an>。 输出：输入序列的一个排序(即重新排序)<a1',a2',a3',....... 3 */ 4 package com.b510.algorithms; 5 6 import java.util.Random; 7 8 /** 9 * 插入排序算法 import java.io.File; 7 import java.io.FileWriter; 8 import java.util.Random; 9 10 /** 11 * 插入排序算法
53840发布于 2018-09-13 - 来自专栏该溜子的专栏
【算法】递归入门
本篇文章主要是提供递归入门的简单算法题，可以帮助刚接触递归的友友们打开思路，打开递归的大局观，题目不难，重在思想 一：汉诺塔问题 心得感悟：汉诺塔问题是递归系列中最经典的一个问题，我们在思考递归问题的时候
18810编辑于 2025-02-16 - 来自专栏人工智能与演化计算成长与进阶
遗传算法入门
“参考自：基于NSGA-Ⅱ的多目标配电网重构 遗传算法历史 遗传算法(GA)是从生物进化的角度考虑提出来的方法，19世纪达尔文在大量观察基础上总结了大自然进化规律，即优胜劣汰：后来孟德尔通过豌豆实验发现了遗传规律 由于遗传算法适应能力较强，同时具备较强的全局搜索能力，使遗传算法在各个领域都得到了广泛的应用，同时也促使遗传算法在理论上得到了很大的发展 运用遗传算法求解实际问题时， 我们需要将目标问题同遗传算法建立联系 遗传交叉操作方式的选取对遗传算法效率影响较大，具体采用何种交叉方式取决于实际问题情况，总之无论采取哪种交叉方式，都需要 保证种群基因多样性，不然容易使遗传算法陷入早熟。 遗传编码、选择、交叉和变异组成了遗传算法的基本框架 ，即遗传算法的标准组成部分，其操作过程都是采用随机操作，有一定能力 跳出局部最优 ，具有较好的 全局搜索能力 。 通过对遗传算法的编码形式的分析，可以得出遗传算法在面对 非线性、不连续、离散型 问题时，具有较强的处理能力，在解决实际问题中具有较强的适应能力。
1.7K40发布于 2020-08-14 - 来自专栏IT从业者张某某
算法02-入门算法枚举与模拟算法
总结 本系列为C++算法学习系列，会介绍 算法概念与描述，入门算法，基础算法，数值处理算法，排序算法，搜索算法，图论算法， 动态规划等相关内容。本文为枚举算法与模拟算法部分。 大纲要求 【 1 】枚举法 【 1 】模拟法 枚举算法 在数学和计算机科学理论中，一个集的枚举是列出某些有穷序列集的所有成员的程序，或者是一种特定类型对象的计数。这两种类型经常（但不总是）重叠。 输出为： 枚举思想 枚举思想 枚举的一般解题步骤 运用枚举的思想解决因数统计、质数判断等问题质数判断的平方根优化 break和continue N进制的定义 模拟法-一维数组 模拟算法就是模拟题目给的操作
72110编辑于 2023-10-16 - 来自专栏喵叔's 专栏
【算法与数据结构】--算法基础--算法入门
算法可以看作是一种计算机程序的抽象，但更侧重于高度抽象和通用性。算法通常具备以下特征： 明确性（Definiteness）：算法的每一步都必须非常明确和清晰，不会产生歧义。 二、算法的性能分析 算法的性能分析是评估算法在不同输入情况下的效率和资源使用情况的过程。它是计算机科学中非常重要的一部分，可以帮助我们选择合适的算法来解决问题，优化程序的运行时间和资源利用。 通过分析算法的时间复杂度，我们可以估算出算法在不同输入规模下的运行时间增长趋势。 空间复杂度（Space Complexity）：空间复杂度用于估计算法在执行过程中所需的内存空间。 这是因为这些因子通常在输入规模足够大时不会对算法的总体性能产生显著影响。因此，我们更关注时间复杂度的渐进行为。 比较不同算法：性能分析还可以用于比较不同算法在解决同一问题上的效率。 性能分析是算法设计和优化的关键，它有助于开发者选择合适的算法、预测程序性能和进行代码优化。
1.2K30编辑于 2023-10-09 - 来自专栏软件研发
Hierarchical clustering算法入门
Hierarchical Clustering算法入门概述Hierarchical Clustering（层次聚类）是一种常用的无监督学习算法，用于将数据样本分成不同的类别或簇。 算法步骤Hierarchical Clustering算法的步骤可以概括为以下几个阶段：初始化：将每个样本视为一个簇。 类似的聚类算法K-means聚类算法: K-means聚类算法是另一种常用的聚类算法。 K-means算法通过迭代的方式将数据点划分到K个最接近的聚类中心，目标是使得每个数据点到所属聚类中心的距离最小化。DBSCAN聚类算法: DBSCAN聚类算法是一种基于密度的聚类方法。 谱聚类（Spectral Clustering）算法: 谱聚类是一种基于图论的聚类算法。该算法通过将数据点构建成图，然后利用图的谱理论将聚类问题转化成一个图划分问题，最终得到聚类结果。
72710编辑于 2023-11-01 - 来自专栏IT从业者张某某
算法02-入门算法枚举与模拟算法
总结 本系列为C++算法学习系列，会介绍 算法概念与描述，入门算法，基础算法，数值处理算法，排序算法，搜索算法，图论算法， 动态规划等相关内容。本文为枚举算法与模拟算法部分。 大纲要求 【 1 】枚举法 【 1 】模拟法 枚举算法 在数学和计算机科学理论中，一个集的枚举是列出某些有穷序列集的所有成员的程序，或者是一种特定类型对象的计数。这两种类型经常（但不总是）重叠。 输出为： 枚举思想 枚举思想 枚举的一般解题步骤 运用枚举的思想解决因数统计、质数判断等问题质数判断的平方根优化 break和continue N进制的定义 模拟法-一维数组 模拟算法就是模拟题目给的操作
74110编辑于 2023-10-16 - 来自专栏about云
机器学习算法入门
2.什么是算法？ 3.什么是机器学习算法？ 4.机器学习的主要任务是什么？ 5.机器学习+数据库=？ 6.什么是自然语言处理？ （Algorithm） 算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或者多个操作。 再来看一个稍微复杂一点点的算法，【快速排序】，面试中考的频率非常高非常高，甚至可以说是必考。 ? 浅层学习 20世纪80年代末期，用于人工神经网络的反向传播算法（也叫Back Propagation算法或者BP算法）的发明，给机器学习带来了希望，掀起了基于统计模型的机器学习热潮。 例如著名的支持向量机算法，就是源自统计学科。
888100发布于 2018-03-27 - 来自专栏木木玲
小白入门——哈希算法
哈希 哈希（Hash）也称为散列，就是把任意长度的输入，通过散列算法，变换成固定长度的输出，这个输出值就是散列值。 散列表是算法在时间和空间上作出权衡的经典例子 如果没有内存限制，我们可以直接将键作为（可能是一个超大的）数组的索引，那么所有查找操作只需要访问内存一次即可完成。 事实上，我们不必重写代码，只需要调整散列算法的参数就可以在空间和时间之间作出取舍。我们会使用概率论的经典结论来帮组我们选择适当的参数。 使用Hash的查询算法分为两步： ① 用Hash函数将被查找的键转化为数组的一个索引。 理想情况下，不同的键都能转化为不同的索引值。 参考： Multiplication Method Fibonacci Hashing 《算法 第4版》
1.4K20发布于 2019-06-15 - 来自专栏Hongten
算法入门-二分查找算法
算法前提： ==>> 必须采用顺序存储结构 ==>> 必须按关键字大小有序排列 算法思路是： 1.每次去数组中的中间值与被查找的值进行比较 2.如果中间值小于被查找的值，则选择中间值右边的数组，重复 下面是我个人的代码实现： 1 /** 2 * 3 */ 4 package com.b510.algorithms; 5 6 /** 7 * 二分查找算法是在已经排序好的数组中查找出某个值 ]在数组中,且下标为：" + index; 18 System.out.println(result); 19 } 20 21 /** 22 * 二分法查询算法
76420发布于 2018-09-13 - 来自专栏PPV课数据科学社区
入门 | 解读分类算法与聚类算法
学习数据挖掘的朋友，对分类算法和聚类算法都很熟悉。无论是分类算法还是聚类算法，都有许多具体的算法来实现具体的数据分析需求。很多时候，我们难以判断选择分类或者聚类的场合是什么。 聚类的目标不是发现知识，而是化简问题，聚类算法并不直接解决数据分析的问题，而最多算是数据预处理的过程。 3. 有监督和无监督 分类是有监督的算法，而聚类是无监督的算法。 聚类算法中，待分析的数据同时处理，来一堆数据过来，同时给分成几小堆。因此，数据分类算法和数据聚类算法的最大区别是时效性问题。 典型的分类算法与聚类算法 典型的分类算法有：决策树，神经网络，支持向量机模型，Logistic回归分析，以及核估计等等。 聚类的方法有，基于链接关系的聚类算法，基于中心度的聚类算法，基于统计分布的聚类算法以及基于密度的聚类算法等等。 来自知乎 https://zhuanlan.zhihu.com/p/23101916
2.4K40发布于 2018-04-24 - 来自专栏机器学习AI算法工程
PageRank算法（1）：PageRank算法原理入门
一、PageRank简介 大名鼎鼎的PageRank算法是Google排名运算法则（排名公式）的一个非常重要的组成部分，其用于衡量一个网站好坏的标准。 这就是PageRank的核心思想，当然PageRank算法的实际实现上要复杂很多。 他们两人从理论上证明了不论初始值如何选取，这种算法都将能够保证了网页排名的估计值能够收敛到它们就有的真实值。值得一提的是，这种算法的执行是完全没有任何人工干预的。 Larry和Sergey两利用稀疏矩阵计算的技巧，大大简化了计算量，并实现了这个网页排名算法。 但是网页的排名在Google所有算法中依然是到头重要的。在学术界，这个算法被公认为是文献检索中最大的贡献之一，并且被很多大学引入了信息检索课程的教程。
2.5K61发布于 2018-03-13 Dijkstra算法概述-常用的算法快速入门
Dijkstra算法是一种非常流行的路径查找算法，用于查找同一图中两点之间的最短路径。 2. 什么是寻路？ 路径查找是一种用于图遍历的算法，其中我们有一个开始和结束节点，需要确定两者之间的最佳路由。 Dijkstra 算法 Dijkstra 算法是一种路径查找算法，它通过图生成每条路线，然后选择总体成本最低的路线。 伪代码 现在我们知道算法将如何工作，它是什么样子的？让我们更详细地探讨一些描述算法的伪代码。 该算法的核心是一个迭代过程，每次都查看当前的最佳节点，直到我们达到目标。
23110编辑于 2025-04-05- 来自专栏设计模式
Quicksum，入门级算法
A checksum is an algorithm that scans a packet of data and returns a single number. The idea is that if the packet is changed, the checksum will also change, so checksums are often used for detecting transmission errors, validating document contents, and in many other situations where it is necessary to detect undesirable changes in data.
18410编辑于 2024-12-20 - 来自专栏机器学习AI算法工程
随机森林算法入门(python)
如果一个观测值为length=45,blue eye,legs=2,那么它将被划分为红色 1.3 随机森林 引入的随机森林算法将自动创建随机决策树群。 而如果我们使用随机森林算法，它可以更好的逼近log(x)曲线从而使得它看起来更像实际的函数。 ? ? 线性模型 vs 随机森林 当然，你也可以说随机森林对log(x)函数有点过拟合。
1K20发布于 2019-10-28 - 来自专栏软件研发
神经网络算法入门
神经网络算法入门神经网络是一种受到生物神经元系统启发而设计的人工智能算法。它通过模仿人类大脑中神经元之间的连接和信号传递方式，建立起一种用于模式识别、分类和预测的模型。 通过不断学习和实践，我们可以更好地理解神经网络算法，并将其应用于解决真实世界中的问题。 希望本文能够帮助你入门神经网络算法，期待你能够深入学习并掌握更多的人工智能算法知识。1. 类似的算法：决策树算法：决策树算法是一种基于树结构的分类算法，通过对输入特征进行判断和分割来构建决策树模型。 支持向量机算法：支持向量机算法是一种二分类和多分类的监督学习算法，通过将样本映射到高维空间，寻找一个最优超平面来进行分类。 这只是一些类似的算法的例子，根据具体问题和需求，还有许多其他的算法可供选择。
82810编辑于 2023-10-23
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