会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
HuZihu
博客园
首页
新随笔
联系
订阅
管理
随笔 - 166
文章 - 0
评论 - 35
阅读 -
112万
10 2017 档案
用大O记号法测量算法的效率(Algorithm efficiency Asymptotic notation Big O notation)
摘要:为什么要了解算法的效率? 一般来说,编程就是把各种已知的算法代入到自己的代码当中,以此来解决问题。因此,了解各种算法的效率对于我们选择一个合适的算法有很大帮助。 算法的效率由什么确定? 从算法分析的理论来讲,算法的效率通常由它们的复杂度来评估,包括时间复杂度和空间复杂度。由于现代计算机RAM空间充足
阅读全文
posted @
2017-10-04 11:00
HuZihu
阅读(1651)
评论(0)
推荐(0)
编辑
公告
昵称:
HuZihu
园龄:
7年5个月
粉丝:
101
关注:
3
+加关注
<
2025年3月
>
日
一
二
三
四
五
六
23
24
25
26
27
28
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1
2
3
4
5
搜索
常用链接
我的随笔
我的评论
我的参与
最新评论
我的标签
随笔分类
Big Data(2)
Data Analysis(28)
Database(25)
Machine Learning(13)
Matplotlib/Seaborn(20)
Miscellaneous(1)
ML Basics(32)
Python(14)
Statistics(24)
Web Crawler(4)
随笔档案
2021年4月(2)
2021年3月(8)
2021年2月(3)
2021年1月(2)
2020年4月(2)
2020年3月(9)
2020年2月(4)
2020年1月(1)
2019年12月(24)
2019年11月(4)
2019年9月(12)
2019年8月(10)
2019年7月(14)
2019年6月(7)
2019年5月(10)
2019年4月(1)
2019年3月(2)
2019年2月(2)
2019年1月(7)
2018年12月(5)
2018年11月(2)
2018年9月(6)
2018年8月(18)
2018年7月(1)
2018年2月(1)
2017年11月(4)
2017年10月(1)
2017年9月(4)
更多
阅读排行榜
1. 皮尔逊相关系数(Pearson Correlation Coefficient,Pearson's r)(56292)
2. 如何计算假设检验的功效(power)和效应量(effect size)?(46710)
3. 常见的概率分布类型(一)(Probability Distribution I)(41300)
4. 线性回归中常见的一些统计学术语(RSE RSS TSS ESS MSE RMSE R2 Pearson's r)(37334)
5. 假设检验(Hypothesis Testing)(37325)
评论排行榜
1. 特征缩放(Feature Scaling)(4)
2. 训练集,验证集,测试集(以及为什么要使用验证集?)(Training Set, Validation Set, Test Set)(4)
3. 样本量大小会影响假设检验的结果(是否显著)吗?(3)
4. 用户行为路径分析(User Path Analysis)(3)
5. Matplotlib学习---用matplotlib画雷达图(radar chart)(3)
推荐排行榜
1. 超参数(Hyperparameter)(9)
2. 训练集,验证集,测试集(以及为什么要使用验证集?)(Training Set, Validation Set, Test Set)(7)
3. 特征缩放(Feature Scaling)(6)
4. Hive数据倾斜原因和解决办法(Data Skew)(3)
5. 探索性数据分析(Exploratory Data Analysis,EDA)(3)
最新评论
1. Re:再谈假设检验(比率检验)
清晰好文, 感谢博主总结
--icyorange
2. Re:验证和交叉验证(Validation & Cross Validation)
你好请问经过五折交叉方法构建的模型,如何去验证他有没有过拟合
--宋子墨
3. Re:为什么梯度指向函数上升最快的方向
公式有笔误
--胡可颜
4. Re:验证和交叉验证(Validation & Cross Validation)
太赞了
--不偷不抢安度阴
5. Re:超参数(Hyperparameter)
简单明了
--cvaiflasfn
点击右上角即可分享