目录
1、决策树
决策树是一种树形结构的监督学习算法,广泛应用于分类任务和回归任务中。它通过递归地将数据集分割成更小的子集,最终形成一个树形模型,用于预测新数据的输出。
决策树是一种树形结构,其中每个内部节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶节点代表一种类别。
决策树是一种十分常用的分类方法。它是一种监督学习,所谓监督学习就是给定一堆样本,每个样本都有一组属性和一个类别,这些类别是事先确定的,那么通过学习得到一个分类器,这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。
面对上难度的DFS算法题,我们首先要做的就是画出决策树。
注意:画出的决策树越详细越好!!!
2、算法实战应用【leetcode】
2.1 题一:全排列
2.2.1 算法原理
- 画出决策树,记住:决策树越详细越好!!!
- 设置全局变量(全局变量的设置因题而异),本题设置二维数组ret为返回值,记录全部的全排列;数组path记录路径;布尔类型的check数组实现剪枝操作
- 对于递归函数,我们仍然要站在宏观角度,聚焦于某一层要做的事来设计
- DFS算法,不可避免的就是回溯、剪枝与函数出口等细节问题的考虑
- 对于本题回溯的设计,在dfs完下一层,回到当前层后,再进行恢复现场的操作(删除下一层在path中的数据),注意:本题需要对path和check均进行回溯操作
- 对于本题剪枝的设计,通过布尔数组的判断,判断数组中数据可否放进路径path中
- 对于本题递归函数的出口,将path中存放数据的数量和nums数组长度相比较,若相等,则添加到ret中。
2.2.2 算法代码
class Solution {
List<List<Integer>> ret;
List<Integer> path;
boolean[] check;
public List<List<Integer>> permute(int[] nums) {
ret = new ArrayList<>();
path = new ArrayList<>();
check = new boolean[nums.length];
dfs(nums);
return ret;
}
public void dfs(int[] nums) {
//函数出口
if(path.size() == nums.length) {
ret.add(new ArrayList<>(path));
return;
}
for(int i = 0; i < nums.length; i++) {
if(!check[i]) {
path.add(nums[i]);
check[i] = true;
dfs(nums);
//将下一层中的相关数据删除 -> 回溯 -> 恢复现场 -> 1.path 2.check
//add新数据时,递归仍然在本层中,add的是本层i位置处的新数据,
//dfs完后,i仍然为本层add时的数据的下标,
//此时回溯要将path和check恢复现场
path.remove(path.size() - 1);
check[i] = false;
}
}
}
}