deque & vector

本文详细介绍了deque(双端队列)作为一种高效利用内存的顺序容器的特点与优势。deque能够在两端有效地执行插入和删除操作,并且其内存空间由多块通过链表连接的不连续内存组成。此外,对比vector,deque在不同位置插入数据时表现出了更高的效率。

deque(双端队列)

deque同样是一种顺序容器,里面的元素的一样按照严格的线性序列排序

这种容器与其他容器相比,能够更有效的在两端执行插入和删除,deque在第一个元素能够执行插入,这是个优势,deque的缺点在与它的内存空间不是连续的,是有多块内存使用链表结构链接在一起,不过这样的好处是更有效的使用内存,能够自动释放内存,而vector不会释放内存,直到程序结束才释放.这样deque与vector的各具有的优势就显示出来了,vector使用的是数组,deque使用的是链表,如果只在尾部插入数据,vector的效率会高一些,但在其他地方插入,deque效率会高一些,而且当vector中的元素大于容量时要使用realloc()重新分配内存,这会导致vector中元素的引用,指针和迭代器失效,而且重新分配内存会花很多时间,而deque增大或变小不会导致引用,指针和迭代器失效,因为它只改变链表结构.

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值