magic__hu-CSDN博客

原创数据结构与算法总结5_查找算法

0.在这一篇博客里主要介绍二分查找，二叉查找树，平衡查找树(红黑树)以及散列表(哈希表)。平衡查找树(也就是红黑树)是二叉查找树的改进版本，如果想把红黑树介绍清楚的话，会花很长很长的篇幅，所以在这里可能只是对红黑树做一个简要的介绍。我对查找的一个很浅显的认识：如果你现在面临着一个查找任务，而你又对此一筹莫展。先进行排序然后再去查找，结果总不会太差的。1.二分查找我如果没记错的话，在初中数

2016-07-29 15:36:54 513

原创数据结构与算法总结4_排序算法

0.前面已经介绍了基本的数据结构，接下来会正式进入算法部分。算法部分将分成排序，查找，图和字符串四个部分进行介绍。这篇博客将会介绍八种不同的排序算法。选择排序，冒泡排序，插入排序，希尔排序，归并排序，快速排序，堆排序。受这篇博客的启发 http://blog.csdn.net/whuslei/article/details/6442755 我的这篇博客会对每种算法进行四个方

2016-07-15 18:56:11 704

原创数据结构与算法总结3_常用的数据结构(背包，栈和队列)

0.这一篇博客介绍背包，栈和队列。背包是一种不支持从中删除元素的集合数据类型。它的目的是收集元素并遍历所有收集到的元素。用一个更通俗的例子理解背包：有一个非常喜欢收集弹珠的人。他将所有的弹珠都放在一个背包里，一次一个，并且会不时在所有的弹珠中寻找一个具有某种特点的弹珠。因为感觉背包多少有点鸡肋了，在这篇博客中省略背包的具体实现。只是在这里做一个简单的介绍。队列是一种基于先进先出(FIFO)策

2016-07-13 15:35:40 876

原创数据结构与算法总结2_常用的数据结构(数组)

0.数组是我们很熟悉的一种数据类型。为了加深对数组的理解，我们在这里用抽象数据类型的形式讨论数组的定义和实现。1.数组的几个基本操作如下：InitArray(); //构造数组DestroyArray(); //销毁数组Value(); //取值Assign(); //给数组的某个元素赋值数组一般不作插入和删除的操作，所以采用顺序的存储结构表示数组。在线性代数或

2016-07-07 14:27:33 932

原创数据结构与算法总结1_常用的数据结构(线性表)

0.这里会介绍线性表，数组，背包，队列和栈。会根据内容的多少将这些数据结构分开进行介绍。关于数，图以及字符串的内容会在后面的算法里介绍。1.先说一下我对这些基本的数据结构的认识，因为我并没有什么实践经验，而且也没怎么真正用过这些数据结构，所以可能只是自己的一家之谈。我认为这些数据结构重要的是其所包含的思想（当然不懂实现，就真的是纸上谈兵了）。队列是一种先进先出的数据结构，栈是一种先进后出的数

2016-06-28 17:11:35 1513 2

原创数据结构与算法总结0_前言

暑假过完就要开始找工作了,写个博客梳理一下思路。这个博客的思路将顺着《算法第四版 Sedgewick著》展开，中间可能会扯些和面试笔试题相关的东西。毕竟是半路出家不是科班出身，再加上经验尚少，可能会有些小的大的错误，欢迎指教，交流，讨论。事无巨细，事必躬亲。永远相信结果总是好的。好运。 20

2016-06-28 15:11:40 541

原创机器学习总结9_未完待续

就先写这么多吧~~ 如果有一些比较好的想法，或者看到别人写的比较对自己胃口的博客，我还是会继续更新<机器学习总结>这个系列的。接下来准备写一下《算法第四版，Robert sedgewick著》的课后题。毕竟马上要开始找工作了，算法也该刷一刷了。好运~~

2016-06-17 22:04:17 476

原创机器学习总结8_从决策树到随机森林

0.先通过一个例子引入：例子转自：http://www.cnblogs.com/leoo2sk/archive/2010/09/19/decision-tree.html 如果对树结构有所了解的话，很容易生成一个树，这就是一个决策树，通过这个树就可以判断出女孩到底会不会去见一个相亲对象。我们可以看到决策树描述了整个做决定的过程，它和人们实际做决定的过程非常的类似，有

2016-06-17 15:01:07 1513

原创机器学习总结7_从模型融合到Adaboost

0.从模型融合开始说起。有时候我们会想到这么一个问题：我们能不能把几个模型融合在一起达到更好的效果呢？当然可以了。假设现在有g1,g2,..gng_1,g_2,..g_n,这n个模型，将这n个模型融合起来的基本策略大概有这么几种： 1、从这n个模型中，选出来一个误差最小的。 2、将每个模型都同等对待。 3、给每个模型不同的权重。(通过线性回归求解各个权重)

2016-06-16 18:22:12 2836

原创机器学习总结6_支持向量机(SVM)

0.支持向量机，非常非常非常经典的一个算法。看起来也特别费劲，看SVM的时候先别有一次性就能全面整明白的准备，可能要反反复复看许多不同的文章不同的资料，或许某一天，一切都明朗了。然后你会发现，之前的所有挣扎所有努力都是值得的，真的是很有启发性。我不准备具体写SVM算法的整个流程。因为我感觉我写也写不好，写不好就怕给这个算法粘上一些污点，所以我想推荐一些文章和视频： 1.july大神的支持向量

2016-05-24 15:53:42 757

原创机器学习总结5_Logistic Regression(逻辑回归)

0.逻辑回归，回归，千万别被这个名字给骗了。逻辑回归更多的用在分类问题上，就像是贝叶斯那样。逻辑回归的模型分别给出样本的Y是+1和-1的概率，然后根据概率值的大小，对样本的类别进行预测。1.逻辑回归，它先计算一个得分(score,简称s)，然后通过sigmoid函数(S型函数)将这个得分转换成概率值。这么做有什么道理？请往下看两段。sigmoid函数： sigmoid函数图像：逻辑回归的模型：

2016-05-23 16:16:24 953

原创二维数组和指针

0.关于C语言的指针，我觉得真正难的是：当指针和二维数组掺和起来的时候，太令人肾疼了。如果你不是很清楚一维指针，不要看这篇文章！！！这篇文章中写的都是我对二维数组和指针的理解，并没有真正可靠的出处。1.正式开始对二维数组(int a[3][4])的理解 (0). 二维数组中有很多看起来一样，但所包含的意义不一样的东西，煞是蛋疼，注意区分。(1). 从二维数组的角度来看，a代表二维数组首

2016-05-18 16:58:29 742 2

原创机器学习总结4_线性回归

1(1)分类，拟合，回归的区别？前几天用到了MATLAB中的多项式拟合函数和线性回归函数，然后发现有些概念和我理解的不一样。我就把我对这三个概念的理解说一下。分类：在之前两讲中讲的算法PLA和朴素贝叶斯都是用来解决分类问题的。在二分类中，Y=+1或-1。分类问题是找到一个最好的超平面将不同的样本分开。回归：回归问题的输出Y不只是局限在+1或者-1中，通常Y可以取整个实数空间的任意值。在这里我

2016-05-12 14:54:33 801

1.纠结了好一阵这一节写哪一个算法，最后决定先把容易写的给总结出来。朴素贝叶斯，我们从名字上就可以明显感觉到这是和概率有着很大关系的一个算法。我们在这里只谈二分类的问题，我觉得如果你会通过贝叶斯解决二分类问题，那多分类问题也不是一件难事了。(0)贝叶斯公式P(Y,X)=P(Y|X)×P(X)=P(X|Y)×P(Y) P(Y,X)=P(Y|X)\times P(X)=P(X|Y)\times P(Y)

2016-04-26 20:34:37 869

原创机器学习总结2_感知机算法(PLA)

1.正式开始之前的描述(1)PLA：Perceptron Learning Algorithm。在正式开始之前，我想先说一下，PLA到底是干嘛的。大部分机器学习的书以及视频都是以感知机算法作为开头的。既然放在最前面，它应该就是一个很简单的机器学习算法。事实上，它确实很简单。如下图所示: 红色和蓝色的点分别表示训练集中的正样本和负样本，PLA的任务就是寻找下面那条能将训练集完全分开的蓝色直线。

2016-04-21 20:20:17 11996 3

原创机器学习总结1_学习理论

学习理论主要想表达的东西想一下，在什么样的情况下，我们会想到机器学习。可能你在碰到这么一个问题时：你现在有很多有癌症和没有癌症的人的身体情况资料，然后让你判断一个人是否患有癌症。在你碰到这个问题的时候，你会说现在有了现成的训练集，我把它扔到机器学习算法里去学习一下，学习出来一个模型，然后就可以做判断了啊！！这很easy啊。在这一讲里面，我想说的就是，为什么这么做是有效的？在这个看起来很easy的做法

2016-04-19 21:05:05 1864 4

原创机器学习总结_前言

写在前面的话兜兜转转，一年有余，期间看了一些关于机器学习的视频，博客和书籍。看过不同的人对机器学习不一样的认识之后，自己也偶有所思。所以有此总结，以便回顾。如果我的总结能够帮助到你，请你不要吝啬你的赞美。哈哈哈~~。原本是打算在纸上写个总结的，无奈发现，白纸黑字记下来之后，想要做点更改，着实有点麻烦。然后发现csdn有类似latex的编辑器，解决了公式编辑的问题，那就索性开个博客吧。一直以来，都是在

2016-04-19 19:13:54 808

这是一个关于科研民谣运动生活以及爱的博客