Python核心算法内容讲义全集，人工智能？机器语言？ 现在开始进入新的学习阶段吧！

系列文章目录

这里涵盖了关于Python算法的主要内容，主要是对算法的解释 和基本的日常运用实战代码案例。

---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

文章目录

• 一、python算法中的排序算法（详解）

1. 冒泡排序

2. 选择排序

3. 插入排序

4. 快速排序

5. 归并排序

6. 希尔排序

7. 堆排序

8. 计数排序

9. 桶排序

10. 基数排序

•   二、python算法中的搜索算法（详解）

1. 冒泡排序1. 线性搜索1. 冒泡排序

2. 二分搜索

3. 广度优先搜索

4. 深度优先搜索

5. A*搜索

6. 蒙特卡洛树搜索

7. 启发式搜索

8. 遗传算法

9. 神经网络

10. 强化学习

• 三、三、三python算法中的图算法（详解一）

图算法

图的表示方法

1. 邻接矩阵

2. 邻接表

3. 边集数组

图的遍历算法

1. 深度优先搜索

2. 广度优先搜索

最短路径算法

1. 单源最短路径问题

①、Dijkstra算法

②、Bellman-Ford算法

2. 多源最短路径问题

①、Floyd算法

最小生成树算法

1. Prim 算法

2. Kruskal 算法

拓扑排序算法

关键路径算法

• 四、四

网络流算法

Ⅰ. 网络流模型

Ⅱ . Ford-Fulkerson算法

Ⅲ. Edmonds-Karp算法

Ⅳ. Dinic算法

Ⅴ. 最小割算法

Ⅵ. 最大权闭合子图算法

Ⅶ. 最大权独立集算法

Ⅷ. 最小费用最大流算法

Ⅸ.  最大流最小费用算法

Ⅹ. 费用流算法

• 五、python算法中的图算法（详解三）

社区发现算法

Ⅰ. 基于聚类的算法

①. Girvan-Newman算法

②. 层次聚类算法

③.  K-means聚类算法

Ⅱ. 基于图划分的算法

①. 谱聚类

②. Metis

Ⅲ. 基于链接的算法

Ⅳ. 基于模型的算法

PageRank算法

随机游走算法

• 六python算法中的字符串算法（详解）、六python算法中的字符串算法（详解）

树结构

Ⅰ. 字符串匹配算法

①. Brute-Force算法

②. KMP算法

Ⅱ. 字符串排序算法

Ⅲ. 子串查找算法

①. 暴力匹配算法

②. KMP算法

③. Boyer-Moore算法

Ⅳ. 最长公共子串算法

Ⅴ. 最长公共子序列算法

Ⅵ . 字符串编辑距离算法

Ⅶ. 正则表达式算法

Ⅷ. 字符串压缩算法

• 七python算法中的数学算法（详解上）、七python算法中的数学算法（详解上）

树结构

数值计算

Ⅰ. 数值类型和精度控制

Ⅱ.线性代数计算

Ⅲ. 插值和拟合

Ⅳ. 常微分方程求解

Ⅴ. 非线性方程求解

Ⅵ. 统计计算

• 八、python算法中的数学算法（详解下）

树结构

Ⅰ. 数值优化

①、均值

②、方差

③、协方差

④、相关系数

⑤、概率分布

⑥、假设检验

Ⅱ. 随机数生成

Ⅲ. 积分和微分

①、数值积分

②、数值微分

③、微积分

④、微分方程求解

Ⅳ. 计算几何

①、sympy库的应用

②、numpy库的应用

③、向量

④、矩阵

⑤、平面

⑥、空间几何

• 九、python算法中的机器学习算法之监督学习知识点（详解）

树结构

Ⅰ. 线性回归

Ⅱ. 逻辑回归

Ⅲ. 决策树

Ⅳ. 随机森林

Ⅴ. 支持向量机

Ⅵ. 朴素贝叶斯

Ⅶ . K最近邻

Ⅷ. 神经网络

• 十、python算法中的机器学习算法之无监督学习知识点（详解）

树结构

Ⅰ. K均值聚类

Ⅱ. 层次聚类

Ⅲ . DBSCAN聚类

Ⅳ. 主成分分析

Ⅴ. 因子分析

Ⅵ . 独立成分分析

• 十一、python算法中的机器学习算法之半监督学习和强化学习（详解）

树结构

1. 半监督学习

Ⅰ. 基于图的半监督学习

Ⅱ. 半监督支持向量机

2. 强化学习

Ⅰ. Q学习

Ⅱ. SARSA算法

Ⅲ. 深度强化学习

• 十二、python算法中的深度学习算法之前馈神经网络（详解）

前馈神经网络

Ⅰ. 多层感知机

Ⅱ. 卷积神经网络

• 十三、python算法中的深度学习算法之循环神经网络（详解）

循环神经网络

Ⅰ. TensorFlow

Ⅱ. Keras

Ⅲ. PyTorch

• 十四、python算法中的深度学习算法之长短时记忆网络（详解）

算法之长短时记忆网络

Ⅰ. LSTM 网络单元

①、输入门

②、遗忘门

③、输出门

Ⅱ. 训练过程

①、前向传播计算出预测值

②、损失函数

③、反向传播算法

• 十五、python算法中的深度学习算法之生成对抗网络（详解）

生成对抗网络

Ⅰ. 生成器

Ⅱ. 判别器

Ⅲ. 损失函数

Ⅳ. 训练过程

Ⅴ. 变体

• 十六、python算法中的深度学习算法之自编码器（详解）

自编码器

Ⅰ. 编码器

Ⅱ. 解码器

Ⅲ. 损失函数

Ⅳ. 训练算法

Ⅴ. 正则化方法

Ⅵ. 变种自编码器

• 十七、python算法中的深度学习算法之强化学习（详解）

强化学习

Ⅰ. 环境建模

Ⅱ . Markov决策过程

Ⅲ. 基于值的方法

Ⅳ. 基于策略的方法

Ⅴ. 深度强化学习

Ⅵ. 多智能体强化学习

Ⅶ. 模仿学习

Ⅷ. 迁移学习

Ⅸ. 对抗性强化学习

• 十八、python算法中的深度学习算法之深度信念网络（详解）

深度信念网络

Ⅰ. 预训练

Ⅱ. 微调

• 十九、python算法中的深度学习算法之深度卷积生成对抗网络（详解）

深度卷积生成对抗网络

Ⅰ. 使用卷积层

Ⅱ. 反卷积层

Ⅲ. 生成器

Ⅳ. 判别器

• 二十、python算法中的深度学习算法之受限玻尔兹曼机（详解）

受限玻尔兹曼机

Ⅰ. 有向无环图模型

Ⅱ. 能量模型

Ⅲ. 二元随机变量

Ⅳ. 可见层和隐藏层

Ⅴ. 可视化学习

Ⅵ. 无监督学习

 

---

总结

以上就是有关机器语言的核心目录，如果您感兴趣，快点进去学习吧！ 在这里您会深刻理解机器这门语言的魅力 和乐趣。