Algorithms 绪论

     简单介绍了算法和数据结构;并从两者关系,算法性质,算法目的三方面来讲述我们应该怎么学习算法;

     算法和数据结构是相辅相成的,数据结构为算法的实现奠定了基础,二算法又让数据结构的实现更优雅;

     算法不是针对某种语言的算法,而是一种适用于任何一台电脑,任何一种编程语言的用来解决问题的思路;

     算法存在的意义在于处理那些具有大量数据的问题上;对于那些小问题,算法的存在并没有任何意义,但是如果数据很大的话,一个好的算法能让你的程序的性能提升成千上万倍;这要远比你买一台性能更好的电脑来的划算;

     而我们学习算法要做的不仅仅是实现某些基本算法,更重要的是会用算法;

     会用的意思是要明白算法的时间空间复杂性,针对不同的问题选择不同的算法,以达到最有效的效果;

      所以学习算法就是要做以下事情:

                   实现少量经典算法;

                    会用大量算法;

                    会分析算法的时间空间复杂性;

                   能针对具体问题选择合适的算法;

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