25、二叉搜索树:原理、遍历与逻辑规范

二叉搜索树:原理、遍历与逻辑规范

1. 线性链表搜索的局限与二叉搜索树的引入

在存储有序信息时,线性链表有一定优势,但搜索长列表时存在明显缺点。对整个列表中的所有节点进行顺序或线性搜索是 $O(N)$ 操作。而在有序数组中,二分搜索能以 $O(log_2N)$ 的时间复杂度找到元素。虽然我们希望能在链表中使用二分搜索,但实际上很难找到链表节点的中点。不过,我们可以将列表元素重新组织成一种非常适合二分搜索的链表结构,即二叉搜索树。它保留了链表的灵活性,同时在平均情况下允许以 $O(log_2N)$ 的时间复杂度访问列表中的任何节点。

2. 树的基本概念

树是一种非线性结构,与单链表不同,单链表中的每个节点只能指向另一个节点,是线性结构,而树中的每个节点可以有多个后继节点,称为子节点。树有一个唯一的起始节点,称为根节点。树可用于表示数据项之间的层次关系,例如教科书的章节结构、Java 类的层次继承关系以及蝴蝶的科学分类等。

树具有递归性,任何树节点都可以看作是其自身树(即原树的子树)的根。树的子树是不相交的,即它们不共享任何节点,这意味着从树的根到任何其他节点都有唯一的路径,除根节点外,每个节点都有唯一的父节点。不符合此规则的结构就不是树。

树的特点总结

  • 有唯一的起始节点(根节点)。
  • 每个节点可以有多个子节点。
  • 从根到每个其他节点有唯一路径。

3. 二叉树

二叉树是一种特殊的树,其中每个节点最多可以有两个子节点,分别称为左子节点和右子节点。如果一个节点没有子节点,则称为叶节点。

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