尚小馨的博客

#!/usr/bin/pythonimport heapq#第一种方法是根据堆排序的原理实现的。def fixdown(a,k,n):#自顶向下堆化 N =n-1; while 2*k<=N: j=2*k; if j<N and a[j]<a[j+1]: j+= 1; if a[k]<a[j]: a[k],a[j]=a[j],a[k];

!/usr/bin/pythondef qsort(seq): if seq==[]: return []; else: pivot     = seq[0]; lesser    = qsort([x for x in seq[1:] if x

相对于算法实现(一)，下面这个实现过程更容易理解：#!/usr/bin/pythonclass sort: def quicksort2(self,seq,left,right): i = left; j = right; middle = seq[left]; while i<=j: while seq[i]< middle and i<right

决策树的基本思想 决策树的思想来源非常朴素，每个人大脑中都有类似if-then这样的判断逻辑，if表示条件，then就是选择或决策。在程序设计中，最基本的语句条件分支结构就是if-then结构。而最早的决策树就是利用这类结构分隔数据的一种分类学习方法。实例背景 假定某IT公司销售笔记本电脑产品，为了提高销售收入，公司对各类用户建立了统一的调查表，统计了几个月的销售数据之后收集了如图所示的数据

回归算法原理 CART(Classification and Regression Tree)算法是目前决策树算法中最为成熟的一类算法，应用范围也比较广泛。它既可以用于分类。 西方预测理论一般都是基于回归的，CART是一种通过决策树方法实现回归的算法，它具有很多其他全局回归算法不具有的特性。 在创建回归模型时，样本的取值分为观察值和输出值两种，观察值和输出值都是连续的，不像分类函数那