業務解決方案/-資料結構與演算法速成

標籤：使用   分詞   貪心   拓撲   分治   man   spfa   兩種   stat   

  業務解決方案：

0. 資料來源載入

1. 特徵工程:   字元轉數值/二值型/多值型 把字元型特徵轉化成演算法可以處理的數值表示，實現特徵抽象.特徵是二值型的， 如sex 這個欄位有male 和fem 兩種，就把sex 抽象成0 和1。如果特徵的數值是多值型， 如status，就按照嚴重程度從0 到1 再到2 來抽象.

2.資料預先處理:數值轉double/歸一化到0 和1 之間 通過“類型轉換組件”先把資料類型全部轉化成 double 型（機器學習演算法普遍對double 型資料的支援比較好），然後通過“歸一化組件” 對資料進行去量綱處理，把全部數值都歸一化到0 和1 之間

3.訓練和評估：   拆分組件”，在組件中資料按照7 : 3 的比例隨機拆分 70%的資料用來訓練模型，30%的資料用來預測。

4。模型評估： 因為本次實驗是一個二分類情境，已經通過“預測組件”拿到了預測 值和真實值的結果，但是我們需要更直觀地驗證實驗是否準確，所以選擇了“二分類評估 組件”對結果進行評估。

新聞文本分析

1。資料預先處理及分詞，增加序號，分詞

2。關鍵詞提取 詞頻統計組件

3。文章分類。“三元組轉KV 組件”是文本向量化的常用演算法，原理是把文本資料 轉成K:V 格式展示，

 

突擊-資料結構與演算法速成

    第一課：從基本資料結構說起，棧，隊列，鏈表的常規應用    

第二課：基本資料結構之————棧，隊列，鏈表的奇淫技巧    

第三課：進階資料結構之————堆，二叉樹的常規應用    

第四課：進階資料結構之————樹的無奇不有的變形    

第五課：進階資料結構之————散列表、搜尋樹    

第六課：必修演算法之————排序    

第七課：必修演算法之————分治    

第八課：必修演算法之————貪心    

第九課：必修演算法之————搜尋    

第十課：圖演算法之————拓撲排序、最小產生樹（Kruskal與Prim）    

第十一課：圖演算法之————單源最短路徑（Dijstra、Bellmanford、SPFA）及其變式使用

業務解決方案/-資料結構與演算法速成