常见的算法题目分类图

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 343平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

转载最新推荐文章于 2026-03-22 01:13:22 发布 343 阅读 AI 写同款· GEO 优化 ›

【搞定算法】常见算法题分类总览博主秋招提前批已拿百度、字节跳动、拼多多、顺丰等公司的offer，可加微信：pcwl_Java 一起交流秋招面试经验，可获得博主的秋招简历和复习笔记。完善中...... 由于本人平时刷题比较零散，有时候找起来不是很方便，所以统一将题目记录于此。主要的题目来源自：剑指 Offer、LeetCode、左神算法、面试、笔试、面经等等。下面按照分类记录：说明（个人见解）：一、标注说明 ... 阅读详情

图片来自：https://www.zhihu.com/question/23148377/answer/907915556
在这里插入图片描述

收录于

数据结构与算法

当前文章被收录于：

数据结构与算法

20 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#数据结构 #算法

原文链接：https://www.zhihu.com/question/23148377/answer/907915556>

Leetcode题目分类指南(单独刷题或学习算法书籍配合使用) Leetcode题目分类指南笔者在学习《算法导论》同时，希望能够配合Leetcode的题目进行分类模块化练习，该分类为笔者自己根据做题学习经验，结合《算法导论》的内容，给出Leetcode题目分类。题目主要集中在Leetcode的前400题中，也包括有后面的一些经典值得刷的题。该题目分类按照算法和数据结构排版，即可供单独Leetcode刷题使用，也可以配合学习《算法导论》或者其他算法书籍... 阅读详情

相关推荐

多标签分类（multilabel classification ）

这几天看了几篇相关的文章，写篇文章总结一下，就像个小综述一样，文章会很乱 1、multilabel classification的用途多标签分类问题很常见，比如一部电影可以同时被分为动作片和犯罪片，一则新闻可以同时属于政治和法律，还有生物学中的基因功能预测问题，场景识别问题，疾病诊断等。 2. 单标签分类在传统的单标签分类中，训练

bemachine的专栏 4万+

收藏！机器学习算法分类图谱及其优缺点综合分析

来源：必达智库近日，Coggle对各类机器学习算法进行了归纳整理，形成了一个较为完整的机器学习算法分类图谱，并对每一类算法的优缺点进行了分析。具体分类如下：正则化算法（Regulariz...

人工智能学家 1706

机器学习：分类（Classification）算法

在目前的机器学习工作中，最常见的三种任务就是：回归分析分类分析聚类分析这篇文章的重点是分类（Classification）在机器学习领域中的应用。什么是「分类」虽然我们人类都不喜欢被分类，被贴标签，但数据研究的基础正是给数据“贴标签”进行分类。类别分得越精准，我们得到的结果就越有价值。分类是一个有监督的学习过程，目标数据库中有哪些类别是已知的，分类过程需要做的就是把每一条记录归到对应的类别之中。由...

小数据研究院 1万+

十大经典算法图解（详细版）

希尔排序的思想是采用插入排序的方法，先让数组中任意间隔为 h 的元素有序，刚开始 h 的大小可以是 h = n / 2,接着让 h = n / 4，让 h 一直缩小，当 h = 1 时，也就是此时数组中任意间隔为1的元素有序，此时的数组就是有序的了。从中轴元素那里开始把大的数组切割成两个小的数组(两个数组都不包含中轴元素)，接着我们通过递归的方式，让中轴元素左边的数组和右边的数组也重复同样的操作，直到数组的大小为1，此时每个元素都处于有序的位置。由于两个小的数组都是有序的，所以在合并的时候是很快的。

fierce_zhang的博客 4655

常见分类算法

综上，这些分类算法各有特点和适用场景，选择合适的算法通常取决于具体问题的性质、数据的特点以及所需的性能指标。此外，随着技术的发展，新的分类算法和改进方法也在不断出现，因此在选择分类算法时，应关注最新的研究和技术动态。它的核心思想是，一个样本的类别由它最近的K个邻居的类别决定。这些分类算法各有优缺点，选择合适的算法通常取决于具体问题的特点、数据的规模和性质以及计算资源等因素。这些算法涵盖了人工智能领域中常见的分类方式，每种算法都有其特定的应用场景和优缺点，选择时需根据具体任务需求和数据特性进行考量。

数字人生 5518

上一章我们介绍了介计算几何领域的德劳内三角剖分，我们提到过关于点集的很多种几何图都与德劳内三角剖分密切相关，其中最具代表的就是我们本章要介绍的 Voronoi 图 (即沃罗诺伊图) 。沃罗诺伊图有许多应用，包括计算机图形学、地理信息系统、计算机视觉等领域。

有道无术, 术尚可求。有术无道, 止于术。 3704

图算法 | 1、图算法的分类有哪些？(上)

再比如全图k邻查询（k-Hop Neighbors，k跳邻居），在连通度较高的图中，即便是查询1个顶点的3跳、5跳邻居都可能会非常耗时（假如1个顶点的1跳邻居有20个，2跳邻居有400个，3跳邻居有8000个，而5跳邻居已经在3200000个的量级），如果有10000000个顶点，那么运行完这个算法的耗时和复杂度将是天文量级的。分而治之是算法设计中最经典的思路，把大的问题缩小，把大的数据集缩小，通过递归、并发、分布式等方法来分块处理，最后再汇总来解决全量的问题。❑ 面向元数据的低维、离散的操作。

Ultipa的博客 1248

顶刊级科研绘图技巧

2401_89571885的博客 1156

【干货】机器学习常用 35 大算法盘点（附思维导图）

本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。在本文中，我将提供两种分类机器学习算法的方法。一是根据学习方式分类，二是根据类似的形式或功能分类。这两种方法都很有用，不过，本文将侧重后者，也就

java、c++、机器学习方向King 1万+

AVL-Excite新手必看：5步搞定发动机阀系系统建模（附B站视频教程）

本文为AVL-Excite新手提供发动机阀系系统建模的5步详细指南，涵盖软件环境搭建、基本结构建立、关键参数设置、仿真分析及常见问题排查。通过清晰的步骤说明和实用技巧，帮助工程师快速掌握建模方法，并附有精选B站视频教程链接，便于实践学习。

weixin_29305313的博客 504

百度智能云训练图像分割模型+python调用模型并分割图像

目录训练模型阶段发布图像分割API 调用图像分割API 创建应用后显示以下两个代码在pycharm中可以调用API mask解码依赖库pycocotools安装步骤：依赖库urllib2的安装源码下载：最近上课听老师介绍了一个训练图像分割模型的网站，把数据集上传之后做图像标注，然后进行训练就能得到准确率等指标。训练模型阶段图像分割：https://ai.baidu.com/easydl/vision/ 图像分割-->创建模型-->上传数据--&gt

icecreamdinner的博客 1388

算法基础14 —— 图论入门之弗洛伊德算法(Floyed + Dijkstra + Bellman-Ford + SPFA)

入门概念带权图：如下图所示，我们把边带有权值的图称为带权图可以将边的权值理解为两点之间的距离一张图中任意两点间会有不同的路径相连最短路径：最短路径就是指连接两点的这些路径中最短的一条 Floyed、Dijkstra、Bellman-Ford、SPFA可以有效地解决最短路径问题。需要注意的是：边的权值可以为负。当出现负边权时，有些算法不适用最短路径问题是图论中典型的问题，多数模型可以归结为一下三种管道铺设线路安装地图规划问题引入国庆期间，7535寝室计划去旅行。在出发前，寝室长

smallrain6的博客 4125

从零开始：用Kimi API和LangChain打造智能写作助手

本文详细介绍了如何从零开始，利用Kimi API提供的强大AI大模型能力，结合LangChain框架构建一个智能写作助手。通过实战演示了环境搭建、核心写作链构建、以及引入检索增强生成和智能体等进阶功能，旨在解决长文档创作、事实准确性等痛点，打造一个能理解意图、调用工具并保持记忆的智能创作伙伴。

weixin_29294395的博客 138

算法_图

图图由顶点的集合和边的集合组成。表示一些事物或者状态的表达方法。顶点表示对象。边表示两个对象间的关系。分类一个图的顶点对是有序的，则可以称之为有向图。在对有向图中的顶点对排序后，便可以在两个顶点之间绘制一个箭头。有向图表明了顶点的流向。边没有指向性的图叫做无向图。可以为边赋予权值，来量化两个点之间的一些关系。边上带有权重的图叫做带权图。顶点的度无向图中顶点的度表示以该顶点作为一个端点的边的数目。对于有向图，顶点度分为出度和入度。入度表示以该顶点为终

shui2104的博客 613

【AI智能体】Spring AI Tool 从使用到实战详解

Spring AI Tool

congge 5864

29、智能问答系统：原理、挑战与实现

本文深入探讨了智能问答系统的原理、挑战与实现方法。从智能问答系统的定义、重要性、问题类型和构建步骤，到实现中的歧义问题、数据集创建及基于规则的系统实现，全面解析了这一自然语言处理领域的重要应用。同时，文章还介绍了智能问答系统的应用场景、发展趋势以及面临的挑战与应对策略，为读者提供了一个全面而深入的理解框架。

redis7keeper的博客 163

图算法之节点分类Node Classification

在图谱当中，有一项很重要的任务，节点分类。该任务通常是给定图中某些节点对应的类别，从而预测出生于没有标签的节点属于哪一个类别，该任务也被称为半监督节点分类。本文主要要解决的问题就是如何做节点分类。图中的相互关系在图谱中，存在着两种重要的相互关系 homophily亲和性(我自己的翻译成，不一定准确)，具体意思就是指人以群分物以类聚，例如在社交网络中，喜欢蔡徐坤的人通常都会有同样的喜好。 influence影响性，某节点的行为可能会影响到和他有关系的节点行为，例如有一天你吃起了螺蛳粉，结果你身边的人都

u012526436的博客 2万+

Python 爬虫实战：抓取应届生求职网校招岗位信息，助力学子就业

应届生求职网作为国内知名的招聘平台，汇聚了大量企业的校招岗位信息。了解这些岗位信息，对于应届毕业生制定求职策略、企业制定招聘计划以及相关就业市场分析等都具有重要意义。因此，本文将深入探讨如何运用 Python 爬虫技术从应届生求职网平台抓取校招岗位信息，为应届毕业生提供有益的就业信息支持。本文深入探究了利用 Python 爬虫技术从应届生求职网平台抓取校招岗位信息的全流程。从前期的环境搭建、模拟登录，到核心的数据抓取、存储，再到后续的数据分析与可视化，都详细展开讲解并提供代码支持。

u014481728的博客 1300

leetcode怎么刷？高效必刷经典算法——leetcode的分类方式与分类中的经典题目

很多人刚要刷算法的时候，打开leetcode，乍一看上去题目特别多，不知道怎么去刷。有的人直接按顺序从头到尾刷，刷到难题就刷不下去了，是不是你？那么leetcode上的算法题，都有什么分类，怎么去刷呢？怎么刷才最有效率？？？？当然是对所有算法进行分类，然后每个分类下都刷一些经典的必刷题目，就可以了。

太书红叶的博客 5086

【教程4＞第6章＞第26节】基于FPGA的MMSE信道估计与均衡系统实现与整体测试,并对比LS信道估计

通过前面几个章节的学习，我们完成了MMSE信道估计和均衡系统。为了进一步验证MMSE信道估计的性能，我们在系统的最后，增加一个信道估计误差计算程序。由于MMSE信道估计，其主要优势在SNR较小时提现，因此测试对比时，我们在testbench中，将SNR设置为2db。然后m值，我们不考虑一个固定值，而是一直累加，直到所设置的仿真时间结束。通过对比可以看到，MMSE信道估计性能优于LS信道估计。这样方便FPGA中的误差计算。

FPGA/MATLAB学习教程/源码/项目合作开发 1598

复分析阿尔福斯(Ahlfors) 第三版答案英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

分类算法(Classification algorithms)

我们会发现我们的线性回归往右边平移了，而判断是否为良性肿瘤的值也往右边移动了，这时我们的模型就会因为我们的数据而发生变化，这很明显不是一个准确的方法，让我们得到我们需要的数据。在这里我们把以上的图形进行了我们的线性回归得到了在0.5纵坐标的分界线，在0.5左侧是我们的良性肿瘤而在右边是我们的恶性肿瘤，这时我们得到了我们判断是否是良性肿瘤的方法，但当我们再添加一个数据时。在图中我们的❌指的是我们的好的事物，而⭕️指的是坏的事物，这时，我们要找到我们的决策分界线。很明显它与我们在上面的式子是等价的。

princess_pig的博客 1994

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

【热门话题】常见分类算法解析

在机器学习领域，分类算法是用于预测数据所属类别的重要工具，它们能够对大量数据进行模式识别与分析，为复杂问题提供决策支持。本文将深入探讨几种常见的分类算法，包括逻辑回归、朴素贝叶斯、决策树、支持向量机、K近邻算法以及神经网络，通过介绍其基本原理、适用场景及优缺点，帮助读者全面理解并合理选择合适的分类方法。

鑫宝的博客 2894

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

PAT题目分类

文章目录PAT水题（27）逻辑题（13）数学问题（14）线性结构（5）静态链表（5）STL（29）string（11）vector（2）set（4）stack（1）queue（2）map（6）查找（16）hash（10）线性结构（5）排序（20）算法/技巧（16）贪心（6）动态规划（5）two pointers二分（3）树状数组（1）红黑树（1）图（17）遍历（4）图论（5）最短路径（7）拓扑排序（1）最小生成树关键路径 / 最长路径树（25）一般树（7）二叉树（6）完全二叉树（1）二叉查找树 BST（4）

vuscity的博客 2351

算法——分类算法之朴素贝叶斯分类(Naive Bayesian classification)

朴素贝叶斯分类，算法讲解，实例解析

u014741673的博客 5126

分类和聚类的区别以及各自常见的算法

搬运工参考： [1] 百度回答：点击打开链接 [2] 博客：点击打开链接简单地说，分类(Categorization or Classification)就是按照某种标准给对象贴标签(label)，再根据标签来区分归类。简单地说，聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。区别是，分类是事先定义好类别，类别数不变。分类器需要由人

CillyB的博客 4177

上一篇：算法题模板

下一篇： java8中一个极其强悍的新特性Stream（非常实用）

多标签分类（multilabel classification ）