
数据结构和算法—动态规划
我一直最想做的就是机器学习,所以也都是在报机器学习的岗位,在BAT三家公司中,其实还是要讲百度吧,因为阿里在一面的时候就挂了,给我的理由是我投错了岗位(据面试官讲我应该去投算法岗,但我投的是数据挖掘),后来我在想,其实还就是我没能达到她的语气要求;腾讯就别讲了,连面试都没收到(据说这个岗位不招我们学校的),这可能就是个猜测吧。重点说说百度的笔试和面试吧,单纯从技术上来讲,因为我在做机器学习嘛,百度还是我最心仪的公司。这次百度的招聘分为笔试+面试(三个技术面+Hr面),我挂在了最后一个技术面上,先来说说武汉的笔试吧,当然笔试题我做得还是蛮开心的,因为最后一道证明题可以说还是我平时的强项吧,面试中,前两面都还好,面得比较基础,包括基本的数据结构,算法,然后是机器学习的算法理解,不同算法之间的对比,这也正是我平时做的一些工作,这样的过程还是蛮舒服的,整个流程下来,我觉得问题不是很大。最后一关就是很多实际的项目问题,由于我自己平时项目较少,加之自己的导师不是做机器学习的,没做过具体的机器学习相关项目,只是将算法学习的比较全。
我写以上的东西也是给找工作的朋友一个建议,也是给自己一个醒目的教训,多去实践,所以这段时间我还是会努力更新我的博客,当然不完全是前面的机器学习算法,现在将包括更多的东西,我会把我现在在做的项目也慢慢更新上来,然后又基本的算法的学习材料,希望关注我博客的朋友,大家一起努力,我不是科班出身,但是我希望大家不吝赐教,有你的帮助我会成长的更快。
好了,就写到这吧。我想还是从一些算法开始入手吧,今天还是来更新一篇动态规划的文章。
一、动态规划的思想
动态规划(dynamic programming)是一种算法设计的思想,主要是将一个问题划分成几个更小的问题,并对这样更小的问题进行求解,最终得到整个问题的解。有人在想这样的方式和分治法的求解很像。
动态规划:各个子问题不是独立的,他们包含了公共子问题
分治法:一个大问题是被划分成一些独立的子问题,通过递归地求解子问题最终得到整个问题的解
在动态规划法中,与其对交叠的子问题一次一次求解,不如对每个较小的子问题只求解一次并把结果记录在表中,这样就能从表中得到原始问题的解。举个简单的例子,对于菲波那切数列来说:
对于这样的递推式,可以把一个复杂的问题分解成几个非独立的子问题,我们可以采用的方式是记录每一组值,如斐波那契数列的值依次是0,1,1,2,3,5,...。而不需要重复去计算。
二、用动态规划求解二项式系数
二项式系数问题是一个求解的问题。我们有如下的递推式:
要计算的值,我们需要记录
到
之间的值。动态规划的核心思想就是要找到这样的递推式,然后构建这样的存储空间去记录中间的值,避免重复计算。最简单的方式是利用数组去记录。数据分析师培训
如上的问题可以用下面的Java代码实现:
[java] view plain copy 在CODE上查看代码片派生到我的代码片
package org.algorithm.dynamicprogramming;
/**
* 利用动态规划的思想去求解二项式系数的问题
*
* @author dell
*
*/
public class CalculateDemo {
/**
* 用动态规划计算C(n,k)
*
* @param n为二项式的参数
* @param k为二项式的参数
* @return C(n,k)的值
*/
public static int calBinomial(int n, int k) {
int C[][] = new int[n+1][k+1];
for (int i = 0; i <= n; i++) {
for (int j = 0; j <= minValue(i, k); j++) {
if (j == 0 || j == i) {
C[i][j] = 1;
} else {
C[i][j] = C[i - 1][j - 1] + C[i - 1][j];
}
}
}
return C[n][k];
}
// 返回较小的值
public static int minValue(int i, int k) {
return (i <= k ? i : k);
}
public static void main(String args[]) {
int n = 10;
int k = 5;
System.out.println(calBinomial(n, k));
}
}
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08