算法--如何开始

 现在才真正体会到,要静下心来去默默的学,不去想他是否对我有用，这实在是太不容易了。

现在才知道，数学对于算法的学习是多么重要。

整理下大牛说的算法:

对于我这个技能点数约等于0的人来说,当然从基础开始看起。  

下面的每个算法给我打上十到二十遍，同时自己精简代码，因为太常用，所以要练到写时不用想，10-15分钟内打完，甚至关掉显示器都可以把程序打出来.

1.最短路(Floyd、Dijstra,BellmanFord)

2.最小生成树(先写个prim,kruscal要用并查集，不好写)

3.大数（高精度）加减乘除

4.二分查找. (代码可在五行以内)

5.叉乘、判线段相交、然后写个凸包.

6.BFS、DFS,同时熟练hash表(要熟，要灵活,代码要简)

7.数学上的有：辗转相除（两行内），线段交点、多角形面积公式.

8. 调用系统的qsort, 技巧很多，慢慢掌握.

9. 任意进制间的转换

这些书是按照难易程度递进的顺序排放的:

  

 

   

  

 

Advanced Data Structures是MIT的高级数据结构教程，为什么会找到这个教程呢？因为GoogleAdvanced Data Structures第一个出来的就是这货。

这门课包含各种让本屌世界观崩坏的奇诡数据结构和算法，它们包括但不限于：

●带”记忆”的数据结构（Data Structure with Persistence）。

●van Emde Boas（逆天的插入，删除，前驱和后继时间复杂度）。

●o(1)时间复杂度的的LCA、RMQ和LA解法。

●o(lglgn)的BST。

MIT教授Erik Demaine则更为直接：

If you want to become a good programmer, you can spend 10 years programming, or spend 2 years programming and learning algorithms.

源于 原文链接：http://t.cn/8sBBEiC

这是下下个阶段要学习的 内容:

                                                                    10大数据挖掘算法

排名	算法	简单说明
1	C4.5	决策树分类
2	K-means	k均值聚类
3	Support Vector Machine(SVM)	支持向量机分类
4	Apriori	关联规则挖掘
5	Expectation Maximization(EM)	最大期望算法
6	PageRank	链接分析
7	AdaBoost	集成算法
8	K-Nearest Neighbors(KNN)	K近邻分类
9	Naive Bayes	朴素贝叶斯分类
10	CART	分类和回归