关于算法的学习过程，如何在机器学习中学习算法

你应该说的是计算机算法，如果你真的想深入研究，建议提高数学的基础，最基础的两门课是离散数学和数据结构，当然，普通高校的教材还是比较好的，数据结构一开始比较抽象， 而当你学习它时，你会发现它非常有趣，学好它，并努力能够理解并实际编程所有常用的数据结构和相关算法，然后看看《计算机算法基础》一书，从分而治之到回溯等，学习常用算法（典型问题）并以编程方式实现它们， 差不多就是这样。推荐几本书：《数据结构》、《计算机算法基础》、《算法：

C 语言实现（2 本书，普林斯顿大学的罗伯特）。 另外，当你的基础足够好时，看看算法世界的大师唐纳德 E.Knuth的经典算法杰作（TAOCP，3卷）及其基于数学的著作《具体数学》。

当你学会了所有这些，我相信你已经达到了相当高的算法水平。 比尔·盖茨曾经说过，如果他读完了3卷taocp，就把简历发给他。 去吧！ 算法很有意思，一步一步，相信你会成功的。

算法等同于思想。

一开始，只要有概念，遇到问题就有解决问题的方法和思路，具体的实施过程就看你怎么想了！

而能不能做到，就看能力了！

能力的强弱慢慢培养出来！

大部分的书只是起到扔砖头和石头的作用，或者是参考资料、咨询等等！

说起来，算法好坏无所谓，最主要的是要有解决问题的思路，而思路有时候就是一些高手总结的算法（或者定律）了！

这似乎是一个矛盾，但事实就是如此！

我自己觉得，也许有些不标准，希望大家见谅！

算法不能说不重要，我想你想学程序，算法怎么说，当你一步一步掌握了语言，你就会接触到一些比较常用的算法。

随着你对程序的学习越来越深入，当你以后遇到问题时，你会有一种自然的反应，然后为了解决问题，你会主动去找一些算法，我觉得这种学习可能是最扎实有效的方法。 不要为了算法而学习算法。 那将是非常空洞的，也不是很有益。

算法是根据自己的思维方式实现的;

要实现特定的功能，就需要走捷径，而捷径应用广泛，那就是算法。

因此，没有必要专门学习算法，多思考解决问题的解决方案和捷径是最好的学习方式。

咱们先学一下数据结构，挺简单的，或者选一门语言认真学一下，比如C之类的，这些东西都是连在一起的，学一个，下一个就不难了。

选择一门语言，认真学习，比如C之类的，这些东西都懂了，学一门，下一门也不难。

数据结构。 c/c++

我推荐一本清华大学的闫伟民和吴伟民写的C语言的《数据结构》。

最好的方法！ 每天写作**。

别担心，你会明白的。

首先学习基础知识是解决它的最佳方法。

慢慢来，总有一天你会顿悟。

我们来看看算法的介绍，其中相当详细。

计算机方面？

它们有很多，建议从基础知识开始，比如数据结构和操作系统、基本数学等等。

让我们从数据结构开始。

打好基础是最重要的。

算法的本质是解决问题的一种方式，它是一种想法。

早期，人们遇到新问题，就要解决，经过“冥想”、“反复探索、尝试”，最后总结出来。 这导致了我们今天学习的各种算法。 如果你不能把握解决问题的想法，你就无法总结它，这件衬衫会有：

学习算法有什么用？ ”。如果你不知道你为什么要学习它，你自然会认为学习是没有意义的，没有用的。

2.算法应具有以下五个重要特征：

无穷大：算法的无穷大意味着算法必须能够在有限步数后终止，换句话说，算法必须始终在无限步数后结束，并且每个步骤都可以在无限的时间内完成。

确定性：算法中的每条指令都必须有一个精确的定义，不产生歧义，并且只为相同的输入产生相同的输出。

可行性：算法中执行的任何计算步骤都可以分解为基本的可执行动作步骤，即每个计算步骤都可以在有限的时间内完成（也称为有效性）。

输入：计算器有 0 个或多个输入来描述对象的初始情况，所谓的 0 个输入意味着算法本身决定了初始条件，这些输入取自一组特定的对象。

输出：算法有一个或多个输出，这些输出是与输入具有特定关系的量，没有输出的算法是没有意义的。

算法总是要解决一个特定的问题，问题**是算法的输入，期望的结果是算法的输出，没有输入输出的算法是没有意义的。

3.算法设计的5个要求：

正确性：在最基本的层面上，算法必须能够解决某个问题的需求。

鲁棒性：当输入数据是非法的时，算法会做出适当的反应或处理，而不会产生莫名其妙的输出。

效率：算法旨在解决大规模问题，因此它们需要运行得足够快。

存储：算法执行过程中所需的最大存储空间应尽可能小。

效率和存储与问题的大小有关，100人的平均得分与1000人的平均得分明显不同。

正确性、可读性和鲁棒性不仅是算法设计的要求，而且贯穿于整个软件设计层面。 对于算法本身，我们最关心的方面是效率。 我们不能把算法看作是计算机程序。

算法都是解决问题的思想，语言描述、伪算法、流程图、符号或控件也是算法。

什么是机器学习？

在讲解机器学习的原理之前，我们先给大家介绍一下最基本的基本思想，了解机器学习最本质的东西，这样你就可以更好的用机器学习来认识段寅，同时，这种解决问题的思维也可以用在工作和生活中。

机器学习的基本思想。

将现实生活中的问题抽象到数学模型中，并充分了解不同参数在模型中的作用。

这个数学模型是用数学方法来求解现实生活中的问题的。

评估这个数学模型是否真的解决了现实生活中的问题，它解决得如何？

无论使用什么算法，使用什么样的数据，最根本的思想都逃不过以上3个步骤！

由于我已经参加ACM比赛2年了，我想告诉你我的个人经历。

首先，最好对算法感兴趣，我以前学习算法后参加比赛，从做题中获得成就感，所以学得越多，我就越感兴趣。

如果刚开始学习，可以先看一些中文教材，最好把数据结构学好，清华出版社的《数据结构》就没问题了。 对于算法的书，可以看王晓东的《算法设计与分析》，吴文虎的教材也不错。

之后可以看一些经典的英语教材，比如《算法导论》，如果你觉得自己的数学能力还不够，书后面有数学知识的补充。

欢迎使用算法

提高学习效率不是一蹴而就的事情，需要长期的探索和积累。 前人的经验可以借鉴，但必须与我们自己的特点充分融合。 首先，要养成良好的学习习惯，合理利用时间，并注意"专注、敬业、坚韧"等基本素质，并对自己的长处和短处有深刻的认识。

总之"世上没有什么难事，只有怕心的人。 "

1、先学一门流行的编程语言的基础知识，而且要精通;

2、学好数学，从浅到深，高等数学、线性代数、离散数学、概率论、数理统计、计算方法等;

4.不要束缚自己的思维，一般头脑风暴，随意思考，算法想怎么写就怎么写，你会发现自己一下子就写对了，但不知道为什么会= =

希望对你有所帮助。

让我们来看看两本书，一本是关于数据结构的，一本是关于离散数学的...... 阅读后，您将...