07. 重建二叉树

输入某二叉树的前序遍历和中序遍历的结果,请重建该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。

解法1:递归思路。
在前序遍历中,根节点即为第一个数。
确定根节点后,在中序遍历中找到根节点对应位置,根据中序遍历特点,根节点位置左侧属于左子树,右侧属于为右子树。
这样就确定了左子树的节点个数。根据节点个数在前序遍历中划分出左子树区间。
形成循环节

/**
 * Definition for a binary tree node.
 * public class TreeNode {
 *     int val;
 *     TreeNode left;
 *     TreeNode right;
 *     TreeNode(int x) { val = x; }
 * }
 */
class Solution {
    public TreeNode buildTree(int[] preorder, int[] inorder) {
        return buildTreePart(preorder, 0, preorder.length, inorder, 0, inorder.length);
    }

    // 左闭右开
    private TreeNode buildTreePart(int[] preorder, int pre_left, int pre_right,
                                   int[] inorder,  int in_left, int in_right)
    {
        if(pre_right-pre_left <= 0) return null;
        if(pre_right-pre_left==1) return new TreeNode(preorder[pre_left]);

        TreeNode root = new TreeNode(preorder[pre_left]);
        for(int i=in_left;i<in_right;i++)
        {
        	// pre_left为子数的根节点,在中序遍历中找出根节点位置
            if(preorder[pre_left] == inorder[i])
            {
                int len = i-in_left;  //计算左子树元素个数
                //创建左子树
                root.left = buildTreePart(preorder, pre_left+1, pre_left+len+1,
                                          inorder, in_left, i);
                //创建右子树
                root.right = buildTreePart(preorder, pre_left+len+1, pre_right,
                                           inorder, i+1, in_right);
                break;
            }
        }
        return root;
    }
}
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
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