算法圖解, 2/e
[美] 阿迪蒂亞 · Y. 巴爾加瓦（Aditya Y. Bhargava）
- 出版商: 人民郵電
- 出版日期: 2024-09-01
- 定價: $419
- 售價: 8.5 折 $356
- 語言: 簡體中文
- 頁數: 236
- ISBN: 7115649707
- ISBN-13: 9787115649706
- 此書翻譯自: Grokking Algorithms, 2/e
-
相關翻譯:
世界第一簡單的演算法：圖解 ✕ 程式 ✕ 刷題機器人 (繁中版)
已絕版
買這商品的人也買了...
-
數據挖掘：實用機器學習工具與技術 (Data Mining : Practical Machine Learning Tools and Techniques, 4/e)$594$564 -
統計學習理論基礎$258$245 -
人工智能算法 捲1 基礎算法$354$336 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
人工智能算法 捲2 受大自然啟發的算法$414$393 -
$403速通機器學習 -
$611金融中的機器學習 -
$607利用 Python 實現概率、統計及機器學習方法（原書第2版） -
精通機器學習算法$1,014$963 -
$352Python大數據分析Big Data Analysis with Python -
Python 強化學習：演算法、核心技術與產業應用$774$735 -
強化學習演算法入門$419$398 -
$254數據挖掘技術（微課視頻版） -
$254統計計算 -
蒙特卡羅方法與人工智能$828$787 -
AI 時代的管理數學：使用 R語言實作$720$475 -
深度學習的理論基礎與核心算法$594$564 -
機器學習的高風險應用｜負責任的人工智慧方法 (Machine Learning for High-Risk Applications: Approaches to Responsible AI)$780$616 -
財經計量方法與模型：原理與R範例 (適用: 大專學生．實務界)$600$570 -
R語言數據分析從入門到精通$539$512 -
$1,015資料分析與預測演算法：基於 R語言 -
算法設計與實踐$359$341 -
$454深度學習與大模型基礎（簡體書） -
$301最優化理論與智能算法 -
機器學習入門 ─ Weka$300$270
相關主題
商品描述
本書示例豐富，圖文並茂，以簡明易懂的方式闡釋了算法，旨在幫助程序員在日常項目中更好地利用算法為軟件開發助力。前三章介紹算法基礎，包括二分查找、大O表示法、兩種基本的數據結構以及遞歸等。餘下的篇幅主要介紹應用廣泛的算法，具體內容包括：面對具體問題時的解決技巧，比如何時採用分而治之、貪婪算法或動態規劃，哈希表的應用，圖和樹算法，K最近鄰算法等。這一版將示例代碼更新到了Python 3，並新增了兩章專門討論樹，加之諸多修訂，使得內容更加完善。
作者簡介
阿迪蒂亚·Y. 巴尔加瓦（Aditya Y. Bhargava）
Rula高级软件工程师，拥有芝加哥大学计算机科学硕士学位，还在adit.io撰写技术博客。
目錄大綱
版權聲明
贊譽
獻詞
序
前言
致謝
關於本書
第 1章 算法簡介 1
1.1 引言 1
1.1.1 性能方面 1
1.1.2 問題解決技巧 2
1.2 二分查找 2
1.2.1 更佳的查找方式 4
1.2.2 運行時間 8
1.3 大O表示法 8
1.3.1 算法的運行時間以不同的速度增加 9
1.3.2 理解不同的大O運行時間 10
1.3.3 大O表示法指出了最糟情況下的運行時間 12
1.3.4 一些常見的大O運行時間 12
1.3.5 旅行商 14
1.4 小結 15
第 2章 選擇排序 16
2.1 內存的工作原理 16
2.2 數組和鏈表 18
2.2.1 鏈表 19
2.2.2 數組 20
2.2.3 術語 21
2.2.4 在中間插入 22
2.2.5 刪除 23
2.2.6 數組和鏈表哪個用得更多 24
2.3 選擇排序 27
2.4 小結 30
第3章 遞歸 31
3.1 遞歸 31
3.2 基線條件和遞歸條件 34
3.3 棧 35
3.3.1 調用棧 36
3.3.2 遞歸調用棧 38
3.4 小結 42
第4章 快速排序 43
4.1 分而治之 43
4.2 快速排序 50
4.3 再談大O表示法 55
4.3.1 比較合並排序和快速排序 56
4.3.2 平均情況和最糟情況 57
4.4 小結 60
第5章 散列表 61
5.1 散列函數 63
5.2 應用案例 67
5.2.1 將散列表用於查找 67
5.2.2 防止重復 68
5.2.3 將散列表用作緩存 70
5.2.4 小結 72
5.3 沖突 73
5.4 性能 75
5.4.1 填裝因子 77
5.4.2 良好的散列函數 78
5.5 小結 80
第6章 廣度優先搜索 81
6.1 圖簡介 82
6.2 圖是什麽 84
6.3 廣度優先搜索 85
6.3.1 查找最短路徑 87
6.3.2 隊列 88
6.4 實現圖 89
6.5 實現算法 91
6.6 小結 98
第7章 樹 99
7.1 樹簡介 99
7.2 太空漫游：深度優先搜索 103
7.3 二叉樹 107
7.4 霍夫曼編碼 108
7.5 小結 113
第8章 平衡樹 114
8.1 平衡措施 115
8.2 樹越矮，速度越快 118
8.3 AVL樹——一種平衡樹 121
8.3.1 旋轉 121
8.3.2 AVL樹如何把握旋轉時機 123
8.4 伸展樹 128
8.5 B 樹 130
8.6 小結 133
第9章 迪傑斯特拉算法 134
9.1 使用迪傑斯特拉算法 135
9.2 術語 138
9.3 換鋼琴 140
9.4 負權邊 146
9.5 實現 148
9.6 小結 157
第 10章 貪婪算法 158
10.1 教室調度問題 158
10.2 背包問題 160
10.3 集合覆蓋問題 162
10.4 小結 168
第 11章 動態規劃 169
11.1 再談背包問題 169
11.1.1 簡單算法 170
11.1.2 動態規劃 171
11.2 背包問題FAQ 178
11.2.1 再增加一件商品將如何呢 178
11.2.2 行的排列順序發生變化時結果將如何 181
11.2.3 可以逐列而不是逐行填充網格嗎 181
11.2.4 增加一件更小的商品將如何呢 181
11.2.5 可以拿商品的一部分嗎 182
11.2.6 旅游行程最優化 182
11.2.7 處理相互依賴的情況 183
11.2.8 計算最終的解時會涉及兩個以上的子背包嗎 184
11.2.9 最優解可能導致背包沒裝滿嗎 184
11.3 最長公共子串 185
11.3.1 繪制網格 186
11.3.2 填充網格 186
11.3.3 揭曉答案 187
11.3.4 最長公共子序列 189
11.3.5 最長公共子序列之解決方案 190
11.4 小結 191
第 12章 K最近鄰算法 192
12.1 橙子還是柚子 192
12.2 創建推薦系統 194
12.2.1 特徵提取 195
12.2.2 回歸 199
12.2.3 挑選合適的特徵 201
12.3 機器學習簡介 202
12.3.1 OCR 202
12.3.2 創建垃圾郵件過濾器 203
12.3.3 預測股票市場 204
12.4 機器學習模型訓練概述 204
12.5 小結 206
第 13章 接下來如何做 207
13.1 線性回歸 207
13.2 反向索引 209
13.3 傅里葉變換 209
13.4 並行算法 210
13.5 映射/歸並 211
13.6 布隆過濾器和HyperLogLog 211
13.6.1 布隆過濾器 212
13.6.2 HyperLogLog 213
13.7 HTTPS和迪菲-赫爾曼密鑰交換算法 213
13.8 局部敏感的散列算法 217
13.9 最小堆和優先級隊列 217
13.10 線性規劃 219
13.11 結語 220
附錄A AVL樹的性能 221
附錄B NP-hard問題 223
附錄C 練習答案 232
