算法
GRFire
1.能够快速的适应各种工作环境,具有良好的分析能力,适应能力<br>2.工作积极进取,对 IT 领域的软件开发和设计工作有浓厚的兴趣;<br>3.具有良好的人际交往、组织及沟通协调能力以及团队精神;<br>4.为人诚恳,踏实肯干,认真负责,敢于面对困难和挑战,爱岗敬业<br>5.学习能力极强,对于各种开发软件及开发语言有着极快的上手速度<br>6.生活上性格开朗,为人诚实,遇事乐观,上进心强,学习认真,工作积极主动,刻苦耐劳,有较强的组织、策划、创新能力。善于发挥团队精神。对新事物有较强的认知和吸收能力。绝对是一位可靠,诚实<br>衷心的好员工。在假期期间经常进行销售等工作,有较多的社会经验、懂得人情世故
展开
-
排序算法—————冒泡排序
排序算法-----冒泡排序什么是冒泡排序呢?它重复地走访过要排序的元素列,依次比较两个相邻的元素,如果他们的顺序(如从大到小、首字母从A到Z)错误就把他们交换过来。走访元素的工作是重复地进行直到没有相邻元素需要交换,也就是说该元素已经排序完成...原创 2019-08-01 18:00:59 · 169 阅读 · 0 评论 -
排序算法—————选择排序
什么是选择排序呢?选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理是每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,直到全部待排序的数据元素排完。 选择排序是不稳定的排序方法上面的呢是百度词条上的定义,但理解起来是什么样子呢?如何理解选择排序?其实选择排序顾名思义就是每一次选取数列中的一个值把它放到自己应该在的位置上比如我们...原创 2019-08-01 19:58:48 · 224 阅读 · 0 评论 -
排序算法—————快速排序
什么是快速排序?快速排序是一种比较“中庸”的排序方法,它在最好和最坏的情况下的时间复杂度都比较可观。因此,当我们遇到一串数据,不知道用那种排序方法比较合适的时候,可以先用快速排序解决一下问题。甚至,在学会快速排序的算法和代码之后,我们可以把代码背下来,以备不时之需。如何理解快速排序?在一串有序的数列中,我们总能找到一个处于中间或类似中间位置的数,在这个数一边的数比它大,另一边的数比它小。那么...原创 2019-08-01 21:21:51 · 161 阅读 · 0 评论 -
练习算法——————将列表倒序输出
话不多说,我们先上代码a=[1,2,3,4,5,6,7]x=len(a)-1#设置全局变量x为最后一位下标def change(a,i=len(a)-1):参数要求传入列表a和默认参数i,i为最后一位下标 j=len(a)-1-i#每次记录开始位下标方便移位 global x if i>(x-1)/2:#通过判断i此时是否走到列表下标的一半控制是否递归完毕 ...原创 2019-08-02 11:44:11 · 587 阅读 · 0 评论 -
算法练习—————python实现二叉树
一、树的概念树也是一种数据结构,大家可以想象一下,自然界中的树木,树木的叶子就相当于树的结点,那树其实就是N(N>0)个结点的有限集合。其中有一个特殊的结点叫做树根,这个结点没有前趋,除了根结点之外,其余的结点可以看成是M(M>=0)个互不相交的集合,每一个集合又可以看成是一棵树,也就是根的子树。也就是说,树其实就是由有限个子树组成,而且没有次序之分。二、二叉树的概念首先要注意...原创 2019-08-02 14:09:20 · 365 阅读 · 0 评论 -
KMeans算法------学习笔记
KMeans算法究竟是什么?KMeans 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的那么说通俗一点呢其实就是对一组数据进行分类,说的这里我们就要扩展一下了KMeans和KNN这两种算法区别在哪呢?其实很简单,KMe...原创 2019-08-12 20:54:46 · 340 阅读 · 0 评论 -
梯度下降算法的简单Python原理实现
梯度下降算法的简单Python原理实现#梯度下降 == 导数值下降#import matplotlib.pyplot as pltimport numpy as np'''目标函数:f(x) = x^2梯度函数:一阶导数函数f'(x) = 2*x梯度下降算法是一个方法,是帮助我们找极值点的方法cost'''def targetFunc(p): return ...原创 2019-09-05 09:11:14 · 287 阅读 · 0 评论 -
对于KMeans++算法的精度优化理论实现
我们知道Kmeans聚类算法在理论上有一定弊端,由于初始化完全随机,会使得生成的点收到限制,最后聚类的结果不好,且 kmeans算法由于初始“簇中心”点是随机选取的,因此最终求得的簇的划分与随机选取的“簇中心”有关,也就是说,可能会造成多种 kk 个簇的划分情况。这是因为kmeans算法收敛到了局部最小值,而非全局最小值。正因如此,Kmeans++作为Kmeans的衍生版本出现了k-means...原创 2019-09-23 11:47:46 · 840 阅读 · 0 评论