步骤一、确定状态:1、确定原问题中变化的变量个数 2、考虑最后一步右下角坐标设为(m-1,n-1) 那么前一步一定是在(m-2,n-1)或者(m-1,n-2)步骤二、推断状态方程:f[i][j] =从(0,0)走到(i,j)的路径最小数字总和步骤二、推断状态方程:f[i][j] =从(0,0)走到(i,j)的路径最小数字总和 A[i][j] 格子(i,j)的数字f[i][j] = min{f[i-

桶排序 (Bucket sort)的工作的原理:假设输入数据服从均匀分布， 将数据分到有限数量的桶里，每 个桶再分别排序(有可能再使用 别的排序算法或是以递归方式继 续使用桶排序进行排序编程思路1、初始化桶的大小为K2、获取 n 个数据中的最大值 max，最小值 min3、将数据放入到 n/K +1 个桶中，a[i] 放入哪个桶的规则为 (a[i]-min)/k4、对 n/K 个桶分别进行快速排序

哈密尔顿回路: 从一个点出发，沿着边行走，经过每个顶点恰好一次，之后再回到出发点欧拉回路: 从一个点出发，沿着边行走，经过每个边恰好一次，之后再回到出发点欧拉回路性质: 对于无向连通图, 每个点的度是偶数 <-----> 图存在欧拉回路判断图中有没有欧拉回路:Hierholzer 算法：# encoding = 'utf-8'from copy import copyf...

一、风控算法的评估1、搭建风控模型数据(KG)－特征工程－模型特征工程：申请人相关特征：年龄、收入、工作性质等等从知识图谱提取出的特征：1）从规则提取出来的特征：申请人是不是第一次借款(0 or 1) 申请人的朋友之前有没有逾期过(0 or 1)2）直接提取出来的特征: 申请人的二度关系中有多少个节点触碰了黑名单（如10个）...

一、自定义图import org.apache.spark.{SparkConf, SparkContext}import org.apache.spark.graphx.{Edge, VertexId}import org.apache.spark.rdd.RDDimport org.apache.spark.graphx.Graphobject PropertiesGraph ...

基数排序是按照低位先排序，然后收集; 再按照高位排序，然后再收集; 依次类推，直到最高位。有时候有些属性是有优先级顺序的，先按低优先级排序，再按高优先级排序。最后的次序就是高优先级高的在前，高优先级相同的低优先级高的在前。基数排序基于分别排序， 分别收集，所以是稳定的。import randomclass phone_num(object):num = ""def __init__(self, n

计数排序(Counting sort)是一种稳定的排序算法。计数排序使用一个额外的数组C，其 中第i个元素是待排序数组A中值等于i的元素的个数。然后根据数组C来将A中的元素排到 正确的位置。它只能对整数进行排序。import randomdef counting_sort(data_list):length = len(data_list)# 定义桶bucket = []max = data_li

选择排序(Selection-sort)是一种简单直观的排序算法。它的工作原理:首先在未排序序列中找到最小(大)元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小(大) 元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。(拿出最大或最小， 然后在剩余中再拿最大或最小)。def selection_sort(data_list):length = len(data

非结构话数据到知识图谱非结构数据－> 信息抽取(命名实体识别、关系抽取)－> 图谱构建(实体消歧、链接预测)－> 图分析算法一、文本分析关键技术拼写纠错分词词干提取词的过滤文本的表示文本相似度词向量句子向量实体命名识别二、拼写纠错input －> correction天起 －> 天气theris －...

编写一个高效的算法来判断m x n矩阵中，是否存在一个目标值。该矩阵具有如下特性：每行中的整数从左到右按升序排列。每行的第一个整数大于前一行的最后一个整数。示例 1：输入：matrix = [[1,3,5,7],[10,11,16,20],[23,30,34,60]], target = 3输出：true示例 2：输入：matrix = [[1,3,5,7],[10,11,16,20],[23,3