- 博客(63)
- 收藏
- 关注
RSS订阅原创 Prompt 工程实战总结：文本分类、信息抽取、语义匹配
本文基于Ollama+Qwen2:0.5b本地模型，实现了三个NLP任务的Prompt工程实践。通过SystemPrompt明确模型角色、Few-shot示例提供标准答案、后处理容错机制，成功完成了文本分类、信息抽取和语义匹配任务。实验表明：1）Few-shot比长篇指令更有效；2）限制输出格式可减少模型"废话"；3）正则提取+标点替换+try-catch的后处理能显著提升稳定性。虽然0.5B小模型能运行，但1.5B/7B效果更稳定。
2026-04-04 20:04:04
455
原创 主流大模型介绍(GPT、Llama、ChatGLM、Qwen、deepseek)
GPT系列模型演进历程：从GPT-1的单向生成到ChatGPT的人类价值对齐。OpenAI通过四年技术迭代，最终在GPT-3基础上引入RLHF（人类反馈强化学习），使ChatGPT具备更符合人类预期的对话能力。核心技术包括：Transformer架构、SparseAttention、Few-shot学习等。主流开源大模型方面，Meta的LLaMA、阿里的Qwen、清华的ChatGLM和深度求索的DeepSeek各具特色，其中DeepSeek采用创新的MoE（混合专家）架构和MLA注意力机制
2026-04-04 11:58:32
923
原创 从“计数”到“对话”：一文读懂语言模型与大语言模型 (LLM)
本文系统梳理了语言模型的发展历程与评估方法。语言模型从早期的N-gram统计模型，到神经网络模型，再到基于Transformer的预训练模型（BERT、GPT、T5），最终发展为千亿参数的大语言模型（LLM）。评估指标包括困惑度（PPL）、BLEU、ROUGE等。当前主流LLM多采用Decoder-Only架构（如GPT），因其训练高效、推理优化且表达能力突出。三大架构中，BERT擅长理解，GPT擅长生成，T5实现任务统一，而最终工程实践选择了"简单有效"的Decoder-Only路线。
2026-04-03 12:07:16
424
原创 一篇文章搞懂模型压缩、量化、蒸馏、剪枝
模型压缩技术综述：让大模型"瘦身"运行 本文系统介绍了三种主流模型压缩技术：量化、知识蒸馏和剪枝。量化通过降低数值精度（如FP32转INT8），在BERT模型上实现了62.8%的体积缩减和82.4%的速度提升；知识蒸馏采用"教师-学生"模式，将BERT的知识迁移到BiLSTM，使学生模型体积缩减至26.7%而精度仅下降2.39%；剪枝则通过删除冗余权重，以约2%的精度损失换取模型稀疏化。三种技术各有优势：量化适合CPU推理加速，蒸馏适用于小模型部署，剪枝为后续压奠基.
2026-04-02 15:58:44
735
原创 基于Deepseek大模型API完成文本分类预测功能
本文介绍了两种调用DeepSeek大语言模型API的方式：1) 通过LangChain的ChatOpenAI封装实现，支持JSON格式返回和重试机制；2) 直接使用OpenAI客户端调用。文章重点展示了新闻分类任务的实现方案，包括提示词工程、模型预测封装和评估流程。通过构建包含10个新闻类别的分类系统，实现了从文本预处理、模型调用到性能评估的完整流程，评估指标包含准确率、精确率和F1分数。该方案采用系统化的配置管理和模块化设计，便于扩展和维护。
2026-03-31 23:37:07
44
原创 基于huggingface库Trainer实现Bert文本分类实战
摘要：本文介绍了一个基于HuggingFace Transformers库的BERT文本分类系统实现方案。系统采用Trainer API简化训练流程，自动处理训练循环、分布式训练等功能。核心组件包括：1)配置模块(Config)集中管理模型参数和路径；2)数据处理模块(utils)实现数据加载和预处理；3)自定义BERT分类模型(BertClassifier)继承PreTrainedModel；4)训练流程使用TrainingArguments和Trainer；5)提供Flask API接口等
2026-03-31 22:28:54
479
原创 基于Bert的模型迁移文本分类项目
摘要：本文介绍了一个完整的BERT文本分类系统，包含数据加载、模型训练、验证评估、模型保存、API部署和前端展示等功能模块。系统采用模块化设计，支持多卡训练加速(accelerate)，每100个batch验证一次并保存最优模型。关键技术包括：1)基于BERT模型+输出头的全参微调结构；2)封装数据加载、预处理和dataloader构建；3)实现训练评估流程，包括前向传播、损失计算、反向传播等；4)提供Flask后端API和Streamlit前端展示。
2026-03-30 23:49:53
410
原创 基于FastText的文本分类全过程
本文提出了一种基于FastText模型的轻量化文本分类方案，通过对比字符级(char)和分词级(jieba)两种预处理方式，结合自动调参(auto)和默认(default)两种训练模式，构建了四种分类模型进行评估。系统采用模块化设计，包含数据预处理、模型训练/评估、推理服务等组件，支持Flask和FastAPI两种后端服务部署方式，并提供Web前端交互界面。实验结果表明，该方案能有效提升推荐系统的点击率和访问量，其中字符级分割+自动调参模式表现最佳。系统具有配置灵活、部署简便的特点
2026-03-30 11:44:51
309
原创 基于TF_IDF和Bagging的文本分类全过程
1.基于TF_IDF特征工程和RandomForestClassifier随机森林的基线模型，该模型以其可解释性强、性能稳定的特点为项目落地奠定基础2.从数据处理到模型构建、训练、评估、部署、前端测试等完成了整个落地流程
2026-03-29 18:10:25
961
原创 BERT及其变体、GPT、ELMo
摘要：本文详细介绍了BERT模型的核心架构与应用。BERT由Embedding层（Token+Segment+Position）、双向Transformer编码器和预微调模块组成，通过Masked LM和Next Sentence Prediction两大预训练任务实现深度语义理解。文章对比了BERT与ELMo、GPT的差异，指出BERT在双向上下文理解上的优势。同时展示了BERT在句子分类、问答、序列标注等下游任务的微调方法，并提供了中文场景下的实践代码。
2026-03-25 21:42:01
728
原创 NLP之迁移学习
本文系统介绍了基于 HuggingFace Transformers 库的预训练模型应用方法，涵盖迁移学习、预训练模型和微调三大核心概念，并通过六大典型 NLP 任务（文本分类、特征抽取、完形填空、阅读理解、文本摘要、命名实体识别）展示 Pipeline 和 AutoModel 两种应用方式。核心发现：Pipeline 方式代码极简，适合快速验证；AutoModel 方式灵活可控，适合生产环境定制。无论何种方式，通用流程均为“加载分词器→加载模型→文本编码→模型推理→结果解析”。
2026-03-24 23:50:52
361
原创 Transformer从零实现：从公式到代码的完整解析
本文详细解析了Transformer模型的PyTorch实现。Transformer采用编码器-解码器结构，核心是多头注意力机制，通过并行计算多个子空间的注意力权重来捕捉丰富的语义关系。编码器包含多头自注意力和前馈网络两个子层，解码器额外增加掩码多头注意力层。位置编码使用正弦/余弦函数处理长文本信息。模型通过残差连接和层归一化优化训练，最终输出层将隐藏状态转换为词汇概率分布。相比RNN/CNN，Transformer能更好地建模长距离依赖关系，在NLP任务中表现出色。
2026-03-23 15:56:32
919
原创 Attention is all you need !!!
注意力机制是深度学习中模拟人类视觉聚焦特性的重要技术。它通过动态计算输入序列各部分对输出的贡献权重，解决了传统Seq2Seq模型的信息丢失和长序列处理问题。核心包括查询(Q)、键(K)、值(V)三要素，通过相似度计算、归一化和加权求和三阶段处理。主要类型包括软/硬注意力、自注意力等，其中自注意力能建立序列内部元素的直接联系。该技术自2014年提出后迅速发展，现已成为NLP、CV等领域的标准组件，显著提升了模型对长距离依赖和上下文关系的处理能力。
2026-03-19 14:49:32
992
原创 深入浅出RNN及其变体：从传统RNN到LSTM、GRU
摘要：本文系统介绍了循环神经网络(RNN)及其变体LSTM和GRU。RNN通过隐藏状态传递序列信息，适用于文本、语音等时序数据，但存在梯度消失问题。LSTM通过遗忘门、输入门和输出门控制信息流，能有效捕捉长距离依赖。GRU简化了LSTM结构，合并为更新门和重置门，在保持性能的同时提高效率。文章详细分析了各模型的结构特点、参数配置及适用场景，并通过PyTorch代码示例展示了具体实现方法。
2026-03-17 19:02:28
941
原创 自然语言处理（NLP）文本预处理
本文介绍了自然语言处理(NLP)的基础知识和关键技术。主要内容包括：1）NLP定义与文本预处理（分词、NER、词性标注）；2）文本表示方法（One-hot、Word2Vec、词嵌入）；3）文本数据分析（EDA、长度统计、词频分析）；4）特征处理技术（N-gram、句子长度规范）。文章通过Python代码示例演示了jieba分词、FastText词向量训练等实操内容，并总结了NLP任务中的关键要点和实用技巧。
2026-03-15 17:01:39
860
原创 深度学习之循环神经网络RNN
摘要：本文系统介绍了循环神经网络(RNN)的核心知识与应用。首先讲解了RNN的基本概念、序列数据特点及主要应用场景（如文本生成、机器翻译等）。重点剖析了词嵌入层的作用和RNN的工作原理，包括向量表示、语义保持和时序依赖捕捉。通过PyTorch代码示例展示了Embedding层和RNN层的API使用方法。最后以AI歌词生成为例，详细演示了从数据预处理、模型构建到训练预测的全流程，并总结了RNN在维度变化、隐藏状态初始化等方面的注意事项。文章还探讨了RNN的局限性及改进方案，为序列数据处理提供了实用指南。
2026-03-13 22:53:10
754
原创 CNN卷积神经网络从入门到实战：一篇搞懂图像分类全流程
本文介绍了卷积神经网络(CNN)的基本原理及其在图像分类中的应用。首先讲解了图像基础概念，包括二值图、灰度图、索引图和RGB图等图像类型及其表示方式。然后详细阐述了CNN的核心组件：卷积层用于特征提取，池化层用于降维，全连接层用于分类。通过PyTorch代码示例展示了卷积和池化操作的具体实现。最后以CIFAR10数据集为例，构建了一个完整的CNN图像分类模型，包含训练和测试流程，并提供了模型优化建议。文章系统性地从理论到实践介绍了CNN在计算机视觉中的应用。
2026-03-12 18:52:20
897
原创 我的leetcode hot100之行(持续更新)
本文总结了8个经典算法题解：1.两数之和：通过差值查找匹配数对；2.字母异位词分组：使用排序字符串作为字典键；3.最长连续序列：从序列起点开始计数；4.相交链表：双指针交替遍历寻找交点；5.反转链表：三指针逐个反转节点；6.回文链表：转为数组比较正反序列；7.环形链表：快慢指针检测循环；8.合并有序链表：虚拟头节点辅助合并。这些题目涵盖了数组、字符串、链表等数据结构，运用了哈希、双指针、递归等核心算法思想。
2026-03-11 23:46:20
290
原创 深度学习之人工神经网络总结
本文介绍了神经网络的基本原理与优化方法。主要内容包括：1）神经网络模型构建，包括神经元计算（线性加权+非线性激活）和层级结构设计；2）激活函数的选择策略，隐藏层推荐ReLU，输出层根据任务类型选择Sigmoid或Softmax；3）参数初始化方法，如Kaiming和Xavier初始化；4）损失函数设计，包括分类任务中的交叉熵损失和回归任务中的SmoothL1损失；5）优化方法，重点介绍了动量法、自适应学习率算法（AdaGrad/RMSProp）和Adam优化器；6）反向传播算法原理和学习率衰减策略。
2026-03-10 14:47:09
2556
原创 深度学习之人工神经网络随笔
本文系统阐述了神经网络训练的核心机制与关键要点。主要内容包括：1）训练三步骤（正向传播、损失计算、反向传播与参数更新）；2）梯度下降原理及权重更新公式；3）链式法则在反向传播中的应用，重点分析了损失对权重的导数分解过程；4）不同网络层的梯度计算特点；5）PyTorch中requires_grad参数的作用；6）二分类与多分类的概率解释；7）梯度消失问题的本质分析及解决方案，对比了不同激活函数的优缺点和使用场景。文章强调理解这些原理对掌握深度学习基础至关重要，特别是指出了激活函数选择（推荐ReLU家族）
2026-03-08 23:34:50
614
原创 深度学习之PyTorch框架
本文系统介绍了深度学习核心概念及PyTorch框架实践。主要内容包括：1）深度学习基础：神经网络类型（CNN/RNN/Transformer等）及应用场景（NLP/CV/推荐系统）；2）PyTorch核心操作：张量创建（随机/线性/指定值）、运算（基本/矩阵/统计）及形状变换（reshape/view/permute）；3）自动微分机制：梯度计算原理与实现（requires_grad/backward）；4）模型开发全流程等
2026-03-07 10:31:06
730
原创 梯度下降算法的红浪漫：从山谷小球到参数优化
摘要：本文通过"山谷小球"的物理类比生动讲解梯度下降算法原理。将损失函数比作山谷地形，参数w是小球位置，负梯度方向对应重力作用，学习率控制滚动速度。深入剖析了算法自稳定特性：梯度自动变小实现减速，方向自动修正防止冲过头。针对面试常见问题，分析了学习率选择、Adam优化器改进等要点，并给出代码实现和面试话术框架。最后讨论了训练振荡问题的6种优化策略，包括调整学习率、动量法、梯度裁剪等。这种从物理直觉到数学原理的讲解方式，帮助读者真正理解算法本质而非死记公式。
2026-03-06 18:13:48
675
原创 机器学习之数据挖掘时间序列预测
本文基于历史电力负荷数据，采用XGBoost算法构建了电力负荷预测模型。项目通过特征工程提取了时间特征（小时、月份）、历史负荷特征（前3小时负荷）和昨日同时刻负荷特征，使用网格搜索优化超参数后训练模型。在测试集上实现了较好的预测效果（均方误差和平均绝对误差评估）。预测模块可模拟实际场景，通过缓存历史数据提高预测效率。文章还提出了改进方向，包括优化特征工程（增加外部特征）、改进算法（尝试LightGBM、RNN等）以及提升系统扩展性（容器化部署、接口封装）。项目展示了数据挖掘在电力系统智能化转型中的应用价值。
2026-03-03 21:55:54
1261
原创 机器学习之朴素贝叶斯、聚类算法
摘要：本文介绍了朴素贝叶斯算法和聚类算法的原理与应用。朴素贝叶斯是一种基于概率的分类算法，假设特征相互独立，适用于文本分类等场景。聚类算法则是一种无监督学习方法，通过样本相似性进行分组，包括K-means、层次聚类等。K-means算法流程包括初始化聚类中心、计算距离、重新计算中心点等步骤，评估指标有SSE、轮廓系数等。文章还提供了商品评论情感分析和客户聚类两个实际案例，展示了算法在文本处理和商业分析中的应用。两种算法各有特点，适用于不同业务场景。
2026-03-01 20:34:41
713
原创 机器学习之集成学习
集成学习是一种通过组合多个弱学习器来提升模型性能的机器学习方法。主要分为Bagging和Boosting两类：Bagging（如随机森林）通过有放回抽样训练多个模型，并行执行后平权投票；Boosting（如AdaBoost、GBDT）则串行训练模型，每次调整样本权重关注前序模型的错误，最终加权投票。随机森林通过构建多棵决策树提高泛化能力，而GBDT通过拟合残差（负梯度）逐步优化预测。实际应用中，集成学习方法通常能获得比单一模型更好的性能，参数调优可进一步提升效果。不同场景下可根据数据特点选择合适的集成策略。
2026-02-28 20:39:22
985
原创 机器学习之决策树
决策树是一种监督学习算法，通过树形结构模拟人类决策过程，适用于分类和回归任务。其核心思想是通过特征选择（如信息增益、基尼指数）递归生成树结构，内部节点表示特征判断，叶子节点代表分类结果。决策树优点包括可解释性强、数据预处理简单，但易过拟合且不稳定。常用剪枝方法有预剪枝（降低过拟合但可能欠拟合）和后剪枝（泛化性能更好但计算成本高）。实际应用中常作为随机森林、XGBoost等集成算法的基模型。案例展示了决策树在电信用户流失预测和泰坦尼克生存分析中的具体实现。
2026-02-26 21:19:23
1294
2
原创 机器学习之逻辑回归
逻辑回归是一种用于二分类问题的线性模型，其核心思想是结合线性回归和Sigmoid函数将输出映射为概率值进行分类。本文首先介绍了逻辑回归的原理：通过线性回归计算决策边界，再经Sigmoid函数转换为[0,1]概率值，最后根据阈值进行分类。接着通过癌症预测案例演示了逻辑回归的完整流程，包括数据预处理、特征工程、模型训练与评估。重点分析了分类评估指标如混淆矩阵、精确率、召回率和F1值，并以客户流失案例展示了实际应用。最后针对模型在样本不平衡情况下的表现问题，提出了增加特征、调整权重等优化建议，强调在业务场景中
2026-02-25 23:19:03
1055
原创 机器学习之线性回归
本文介绍了线性回归的基本概念和应用方法。线性回归通过线性公式描述自变量(特征)与因变量(标签)的关系，分为一元和多元回归。文章详细讲解了损失函数类型(MSE、RMSE、MAE)及其优化方法(正规方程法和梯度下降法)，并通过波士顿房价预测案例展示了实际应用。针对过拟合问题，介绍了L1和L2正则化方法：L1可使权重为0实现特征选择，L2使权重趋近于0。通过代码示例演示了欠拟合、正好拟合和过拟合的情况，以及L1/L2正则化在解决过拟合问题中的效果。
2026-02-22 23:04:24
2643
原创 机器学习之KNN算法
KNN算法是一种基于距离的分类和回归方法。摘要包括：1) KNN原理：通过计算测试样本与训练样本的距离，取K个最近邻进行投票(分类)或均值计算(回归)；2) 实现步骤：距离计算、排序、取K近邻、决策；3) 特征工程：介绍了归一化和标准化处理，解决量纲问题；4) 应用案例：包括鸢尾花分类和手写数字识别；5) 优化方法：网格搜索交叉验证寻找最优参数。KNN简单有效但计算量大，适用于小数据集，K值选择影响模型性能。
2026-02-21 22:49:23
1671
原创 初始机器学习
本文系统介绍了机器学习的核心概念与基础知识。首先阐述了人工智能(AI)、机器学习(ML)和深度学习(DL)的定义及其相互关系：ML是实现AI的途径，DL是ML的一种方法。其次对比了基于规则的学习与基于模型的学习方式，后者通过算法自动从数据中学习规律。然后介绍了机器学习的发展历程、应用领域（如图像识别、自然语言处理等）以及发展的三要素：数据、算法和算力。最后详细讲解了机器学习中的关键术语（样本、特征、标签）和算法分类，包括监督学习（分类与回归）、无监督学习、半监督学习和强化学习的基本原理与应用场景。
2026-02-16 17:15:35
1408
原创 Pandas绘图和Seaborn绘图
本文介绍了使用Pandas和Seaborn进行数据可视化的方法。首先展示了如何用Pandas绘制柱状图、折线图等基础图表，包括统计葡萄酒产地分布和评分分布。然后介绍了Seaborn的高级绘图功能，如直方图、散点图、箱线图和小提琴图等，用于分析账单数据与性别、时间的关系。两种工具都基于Matplotlib，但Seaborn提供了更丰富的统计图形功能。文中通过具体案例演示了数据可视化的实现步骤，包括数据预处理、图表绘制和样式设置等。
2026-02-15 18:19:59
507
原创 RFM会员价值度模型经典案例
本文介绍了会员价值度评估的RFM模型及其实现过程。RFM模型通过最近购买时间（R）、购买频率（F）和购买金额（M）三个维度评估客户价值，将用户分为8类（如重要价值用户、重要挽留用户等）。实现过程包括：设置基准日期、提取订单数据、计算R/F/M值并进行五分位评分，最终导出结果用于客户分群。文中详细展示了Python代码实现，包括数据预处理、RFM计算、结果导出到Excel/MySQL以及3D可视化展示分组结果。该模型可帮助企业识别高价值客户，制定差异化营销策略。
2026-02-15 17:57:18
1108
原创 数据分析三剑客之Matplotlib
Matplotlib是一个Python的2D/3D图表库，用于数据可视化。本文介绍了Matplotlib的基本使用方法，包括：1) 绘制简单折线图的流程（创建画布、绘制图像、显示图像）；2) 如何添加坐标轴、标题、网格等辅助功能；3) 解决中文显示问题的方法；4) 保存图片和在同一坐标系中绘制多个图像。通过一个天气温度变化案例，演示了完整的绘图过程，包括数据准备、图像美化、多图叠加等实用技巧。Matplotlib能直观呈现数据，是数据分析的重要工具。
2026-02-14 16:41:19
982
原创 数据分析三剑客之Pandas
Python数据分析利器Pandas实践指南 本文系统介绍了Python数据分析库Pandas的核心功能与应用场景。主要内容包括： Pandas优势：基于Numpy构建，处理速度快；提供灵活的数据清洗、分组聚合功能；适用于单机大数据分析场景。 核心数据结构：Series（一维）和DataFrame（二维）对象的使用方法，包括创建、索引操作和基本属性。 数据处理技术：缺失值处理（删除、填充）、数据合并（concat、merge）、分组聚合（groupby）等核心操作。 数据可视化：通过GDP案例演示折线图绘制
2026-02-13 14:55:40
939
2
原创 Numpy的常用计算属性介绍
本文介绍了NumPy库的基本使用方法和矩阵运算功能。主要内容包括：1) NumPy数组(ndarray)的创建方法，如array()、arange()和随机数生成；2) 数组常用属性如维度、形状、数据类型等；3) 数组操作函数包括数学运算、统计计算、排序去重等；4) 矩阵运算如加减乘除，重点演示了矩阵乘法的三种实现方式。文章通过代码示例展示了NumPy在科学计算中的核心功能，特别是对多维数组的高效处理能力。
2026-02-10 22:43:32
141
原创 数据分析三剑客之Numpy
Numpy是Python中用于科学计算的核心库，提供了高效的N维数组对象ndarray。相比Python原生列表，ndarray具有显著优势：内存连续存储提升访问速度，支持并行化运算，底层C语言实现带来更高效率。ndarray支持多维数组操作，通过shape属性表示维度，dtype属性指定元素类型（如int32、float64等）。这些特性使Numpy成为机器学习和大规模数据处理的理想工具，能显著减少循环语句使用，提高计算性能。
2026-02-10 21:42:06
1362
原创 一篇文章搞清楚数据库(下)
本文介绍了SQL中的单表约束和单表查询操作。单表约束包括主键约束(非空且唯一)、非空约束、唯一约束和默认约束，通过示例演示了这些约束的用法。单表查询部分详细讲解了简单查询、条件查询(比较运算符、逻辑运算符、范围查询)以及模糊查询和非空判断。查询操作涵盖了基本查询语法、别名设置、表达式计算以及各种条件筛选方式，如比较大小、区间范围、固定值匹配、模糊匹配等。这些内容为数据库操作提供了基础语法和实用技巧。
2026-02-08 22:32:03
775
原创 一篇文章搞清楚数据库(上)
本文介绍了数据库的基础知识及MySQL环境搭建。主要内容包括： 数据库概述 存储数据的方式对比（变量/文件/数据库） 数据库分类（关系型/非关系型）及常见数据库产品 MySQL环境搭建 三种安装方式（虚拟机/官网下载/小皮工具） 重点介绍小皮工具安装配置流程 MySQL基本操作 登录登出命令 DataGrip连接配置方法 SQL语句特点（大小写/注释/格式） DDL语句操作 数据库操作（创建/修改/删除） 数据表操作（创建/重命名/删除） 字段操作（新增/修改/删除） 文章提供了详细的SQL示例代码，适合初
2026-02-07 21:20:29
1033
原创 一篇文章搞定linux操作系统
Linux操作系统学习摘要 本文介绍了Linux操作系统的基础知识，主要包括： 操作系统概述：解释了计算机软硬件资源及操作系统的作用，对比了Windows、Unix和Linux系统的特点 Linux系统简介：讲述了Linux起源、特点和主流发行版本 安装配置：详细说明了虚拟机安装和Linux系统部署步骤，包括网络配置和常见问题解决方法 远程连接：介绍了MX远程工具的使用方法和连接参数设置 目录结构：对比了Linux与Windows目录差异，重点讲解了/bin、/etc、/home等核心目录的作用 基础命令：
2026-02-06 22:10:34
1496
原创 一篇文章了解python中的二叉树
本文介绍了二叉树的基本概念和Python实现。主要内容包括：1) 树结构特点：单一根节点、父子节点关系、叶子节点定义等；2) 二叉树分类：完全二叉树、满二叉树、平衡二叉树等；3) 存储方式：顺序存储和链式存储；4) 遍历方法：广度优先遍历和深度优先（前序、中序、后序）遍历；5) Python实现：通过Node类和BinaryTree类模拟二叉树结构，并实现了添加节点和各种遍历方法。代码示例展示了如何创建二叉树对象、添加节点以及执行不同方式的遍历操作。
2026-02-05 16:10:11
490
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人