python算法

关于决策树和随机森林的一些小知识我会在后面陆续更新 决策树属于经典的十大数据分析与挖掘，是一种类似流程图的树结构，其规则就是IF…THE…的思想，可以用于数值型因变量的预测和离散型因变量的分类。该算法简单直观、通俗易懂，不需要研究者掌握任何领域知识或数学推理。而且算法的结果输出具有很强的解释性。通常情况下，将决策树用作很好的预测准确率。 来源： CSDN 作者： Zhongxin#c 链接： https://blog.csdn.net/qq_44852536/article/details/104201215

　　支持向量机（Support Vector Machine，SVM）的基本模型是定义在特征空间上间隔最大的线性分类器。它是一种二类分类模型，当采用了核技巧之后，支持向量机可以用于非线性分类。 　　1）线性可分支持向量机（也称硬间隔支持向量机）：当训练数据线性可分是，通过硬间隔最大化，学得一个线性可分支持向量机 　　2）线性支持向量机（也称为软间隔支持向量机）：当训练数据近似线性可分时，通过软间隔最大化，学得一个线性支持向量机 　　3）非线性支持向量机：当训练数据不可分时，通过使用核技巧以及软间隔最大化，学得一个非线性支持向量机。 1、线性可分支持向量机 　　输入：线性可分训练数据集T 　　输出：最大几何间隔的分离超平面和分类决策函数 　　算法步骤： 　　　　1）构造并且求解约束优化问题,求得最优解w*，b* 　　　　2）由此得到分离超平面，以及分类决策函数 　　若训练数据集T线性可分，最大间隔分离超平面存在且唯一 　　下面是线性可分支持向量机学习算法的对偶算法： 　　输入：线性可分训练数据集T 　　输出：最大集合间隔的分离超平面和分类决策函数 　　算法步骤： 　　　　1）构造并且求解约束最优化问题，求得最优解α* 　　　　2）计算w*，同时选择α*的一个正的分量αj*>0，计算b* 　　　　3）由此得到最大集合间隔分离超平面和分类决策函数 2、线性支持向量机 　

在FirstDemo中创建Directory，名为com.first.dict_set，然后在directory下创建Python文件，名为Demo06。 dict Python内置了字典：dict的支持，dict全称dictionary，在其他语言中也称为map，使用键-值（key-value）存储，具有极快的查找速度。 举个例子，假设要根据同学的名字查找对应的成绩，如果用list实现，需要两个list： names = ['Michael', 'Bob', 'Tracy'] scores = [95, 75, 85] 给定一个名字，要查找对应的成绩，就先要在names中找到对应的位置，再从scores取出对应的成绩，list越长，耗时越长。 如果用dict实现，只需要一个“名字”-“成绩”的对照表，直接根据名字查找成绩，无论这个表有多大，查找速度都不会变慢。用Python写一个dict如下： >>> d = {'Michael': 95, 'Bob': 75, 'Tracy': 85} >>> d['Michael'] 95 为什么dict查找速度这么快？因为dict的实现原理和查字典是一样的。假设字典包含了1万个汉字，我们要查某一个字，一个办法是把字典从第一页往后翻，直到找到我们想要的字为止，这种方法就是在list中查找元素的方法，list越大，查找越慢。

关联规则挖掘是数据挖掘中最活跃的研究方法之一， 最早是针对购物篮分析问题提出的，其目的是为了发现交易数据库中不同商品之间的联系规则，这些规则刻画了顾客购买行为模式，可以用来指导商家科学地安排进货，库存以及货架设计等。 而Apriori算法是第一个关联规则挖掘算法，也是最经典的算法。 以如下的场景为例，使用Python快速实现Apriori算法： 1.场景与需求 一家超市的业务数据库中有销售订单表如下： id为订单号，name为商品名称 来源： CSDN 作者： OMax 链接： https://blog.csdn.net/osvyxcbttw/article/details/104191941

学习主题：再说字符串等等，杂 学习日期：2020-02-05 Python 版本：3.7.4 列表，元组，字符串的共同点 都可以通过索引得到每一个元素 默认索引都是从0开始 可以通过slice分片得到一个范围中的元素的集合 有很多共同的操作符（重复操作符，拼接操作符，成员关系操作符） list的使用。 >> > c = ( 1 , 3 , 4 ) #这是一个元组 >> > list ( c ) #把c变成了列表 [ 1 , 3 , 4 ] >> > max ( c ) 4 >> > c = tuple ( c ) >> > c ( 1 , 3 , 4 ) >> > max ( c ) 4 >> > a = max ( c ) >> > type ( a ) < class 'int' > 合并打包zip的使用 >> > a = [ 1 , 2 , 3 ] >> > b = [ 4 , 5 , 6 ] >> > c = zip ( a , b ) >> > c < zip object at 0x0000000002CEB808 > >> > type ( a ) < class 'list' > >> > type ( c ) < class 'zip' > >> > list ( c ) [ ( 1 , 4 ) , ( 2 , 5 ) , ( 3 , 6 ) ] 来源： CSDN

1-04常见时间复杂度与大小关系 文章目录 1-04常见时间复杂度与大小关系 常见的时间复杂度 常见时间复杂度之间的关系 练习： 时间复杂度练习( 参考算法的效率规则判断 ) 解答 常见的时间复杂度 注意，经常将log2n（以 2 为底的对数）简写成logn 常见时间复杂度之间的关系 所消耗的时间从小到大：【必背！！！！！！】 练习： 时间复杂度练习( 参考算法的效率规则判断 ) O(5) O(2n + 1) O(n²+ n + 1) O(3n³+1) 解答 O(5)=O(1) O(2n + 1)=O(n) O(n²+ n + 1)=O(n²) O(3n³+1)=O(n³) 所以 O(5)<O(2n + 1)<O(n²+ n + 1)<O(3n³+1) 来源： CSDN 作者： 汪雯琦 链接： https://blog.csdn.net/qq_35456045/article/details/104185928

历程 花一周左右阅读了 Problem Solving with Algorithms and Data Structures Using Python ，用Python实现各类数据结构和算法。此书的 中文版 。 2019/11/26-2020/2/2，开始刷LeetCode，按标签，通过率从高到低开始，完成218题，对标签重新归纳。 接下来整理之前做过的题目，归纳知识点和模板，还未开始。 标签整理 数据结构 数组 字符串 链表 树 字典树/二叉搜索树 线段树/线状数组 栈/队列 堆 图 拓扑排序 哈希表 并查集 算法 查找 二分查找 排序 快排 堆排序 贪心算法 DFS/BFS 动态规划 递归/回溯/记忆化 分治 双指针/滑动窗口/Line Sweep 其他 设计 数学/几何/脑筋急转弯 位运算 随机/蓄水池抽样/Rejection Sampling Ordered Map/极小化极大 来源： https://www.cnblogs.com/vincent1997/p/12267478.html

0. 前言 接着上一篇 博客 的内容，我将继续介绍Python相关的语法。部分篇章可能不只是简单的语法，但是对初学者很有帮助，也建议读懂。 1. 表达式 由数字、符号、括号、变量等组成的组合。 算术表达式 逻辑表达式 赋值表达式 在Python中，变量无需实现声明，也不需要指定类型。 a = 1 # 无需声明和指定类型 在Python中，赋值即定义，如果一个变量已经定义，赋值相当于重新定义。 2. 内存管理 在其他语言，如C++和C中，内存管理是非常重要的，因为在一段内存地址被释放之后，内存中会留下一个“空洞”，造成内存碎片化。通常地，开发者会利用特定的策略来管理内存，把需要经常变动的值放到一个区域，静态的值放到另一个区域。开发者手动管理维护内存，不仅麻烦，还很容易留下安全隐患。 在Python编程中无须关心变量的存亡，也不关心内存的管理。 Python语言和Java一样，采用了类似的垃圾收集的机制(Garbage Collection)。 简单的理解：首先，在Python中，一切皆对象。Python使用引用计数 ob_refcnt 记录所有对象的引用数。当对象引用数 ob_refcnt 变为0，它就被认为是生命结束了，内存也会被回收。例如在函数运行结束时，局部变量就会被自动销毁，内存被回收。变量赋值给其他对象时，内存被回收。下面举一个例子： num1 = 12 # 定义一个变量

在学习python的过程中，感觉python中的排序相和c++中的泛型算法还是比较相似的，但相对于c++而言更加简单易用。 python中列表的内置函数sort（）可以对列表中的元素进行排序，而全局性的sorted（）函数则对所有可迭代的序列都是适用的；并且sort（）函数是内置函数，会改变当前对象，而sorted（）函数只会返回一个排序后的当前对象的副本，而不会改变当前对象。 1、内置函数sort（） 原型：sort（fun，key，reverse=False） 参数fun是表明此sort函数是基于何种算法进行排序的，一般默认情况下python中用的是归并排序，并且一般情况下我们是不会重写此参数的，所以基本可以忽略； 参数key用来指定一个函数，此函数在每次元素比较时被调用，此函数代表排序的规则，也就是你按照什么规则对你的序列进行排序； 参数reverse是用来表明是否逆序，默认的False情况下是按照升序的规则进行排序的，当reverse=True时，便会按照降序进行排序。 下面 通过简单的例子进行解说： （由于个人爱好原因，我的编译器是pycharm，所以接下来的所有示例都是在pycharm中可以运行的。） #coding:utf-8 from operator import attrgetter,itemgetter list1 = [(2,'huan',23),(12,

Python数据结构与算法 1-01-算法引入 文章目录 Python数据结构与算法 1-01-算法引入 为什么要学习数据结构与算法？ 面试题 解答 枚举法 思路 代码实现 结果 记录时间的代码实现 说明 算法的定义 推荐图书 算法的五大特性 为什么要学习数据结构与算法？ 因为算法即兵法，是基本功，要不断地主动学习与积累 面试题 如果 a+b+c = 1000，且 a^2 + b^2 = c^2（a,b,c 为自然数），如何求出所有a、b、c可能的组合?不允许依赖任何数学公式 解答 不依靠数学公式，我们靠枚举法 枚举法 思路 a=0 b=0 c=0 a=0 b=0 c=1 a=0 b=0 c=2 a=0 b=0 c=0~1000 a=0 b=1 c=0~1000 这样手工也可以解答出 如果题目改成 如果 a+b+c = 2000，且 a^2 + b^2 = c^2（a,b,c 为自然数），如何求出所有a、b、c可能的组合?不允许依赖任何数学公式 这样的枚举法也是基于实现的 以上就是一个枚举法的思路 程序怎么来写呢 代码实现 # 如果 a+b+c=1000，且 a^2 + b^2=c^2（a,b,c 为自然数），如何求出所有a、b、c可能的组合?不允许依赖任何数学公式 # a # b # c for a in range ( 0 , 1001 ) : for b in range (