算法图解阅读笔记——第五曲（动态规划和K最近邻算法）

目录结构

第9章 动态规划

第10章 K最近邻算法

---

正文

动态规划

动态规划思想

• 动态规划先将问题分成小问题，先解决这些小问题，在逐步解决大问题。

动态规划的使用条件

1. 动态规划不适合处理商品的部分问题：使用动态规划时，要么考虑拿走整件商品，要么考虑不拿，而没发判断该不该拿走商品的一部分。
2. 动态规划不适合处理相互依赖的情况：仅当每个子问题都是离散的，动态规划才管用。

使用动态规划计算背包问题的最优解

• 之前使用贪婪算法无法求得背包问题的最优解，只能计算出近似解。【必须在背包容量给定的情况下，偷到价值最高的商品】而使用动态规划可以快速计算出背包问题的最优解。（可根据书本中例子，一步步画网格）

k最近邻算法

什么是K最近邻算法

• K最近邻算法，就是常说的KNN算法，不管是分类也好，回归也好，假设现在有一个点，我们不知道它的情况，可以根据离这个点最近的K个邻居判断它的情况，正所谓近朱者赤，近墨者黑。

使用K最近邻可以创建推荐系统

• 假设你现在是O，将你和其他用户放入创建的图表中，现在需要给你推荐电影，那么我们先采用KNN算法找出和O最近的K个邻居，现在$k=5$，我们找出了和O最近的5位邻居，分别为②、③、⑤、⑦、⑧。

  

• 因为②、③、⑤、⑦、⑧和O很相似，那么我们将他们喜欢的电影推荐给O即可。

特征抽取

因为需要对上述对象放入表中，并计算他们的距离，判断是否相近，那么需要将原本使用文字描述的量转为数字量【将物品描述转换为一系列可靠的数字】

特征选择

• 假设我们是做一个关于电影的推荐系统，那么我们挑选的特征：
  • 与推荐的电影密切相关的特征；
  • 不偏不倚的特征（如，只让用户给喜剧片打分，就无法判断他们是否喜欢动作片）

KNN的使用场景

• 分类：就是分组（编组）
• 回归：预测结果（预测具体数字）