從零開始讀懂量子力學(xué)（精裝加強(qiáng)版）

第0章 人工智能與算法 1
0.1 人工智能發(fā)展的水平 ……………………2
0.2 人工智能技術(shù)總覽 ………………………3
0.2.1 機(jī)器學(xué)習(xí)算法的基本概念…………3
0.2.2 機(jī)器學(xué)習(xí)的流程……………………5
0.2.3 機(jī)器學(xué)習(xí)算法的分類………………5
0.3 算法在人工智能技術(shù)中的地位 …………9
0.4 學(xué)好算法能有哪些競爭優(yōu)勢……………10
第1章 排序算法 12
1.1 冒泡排序（Bubble Sort） ………………13
1.2 直接插入排序（Insert Sort）……………20
1.3 直接選擇排序（Select Sort）……………24
1.4 升 級 版 冒 泡 排 序 —— 快 速 排 （QuickSort） …………………………………26
1.5 升 級 版 插 入 排 序 —— 希 爾 排 序（ShellSort） ………………………………29
1.6 升級版選擇排序——堆排序（Heap Sort）…………………………………………31
1.7 歸并排序（Merge Sort）…………………34
1.8 基數(shù)排序（Radix Sort）…………………36
1.9 應(yīng)用：應(yīng)該使用哪種排序算法 …………40
1.10 高手點(diǎn)撥 ………………………………42
1.11 編程練習(xí) ………………………………42
1.12 面試真題 ………………………………42
第2章 查找算法 43
2.1 線性查找（Line Search）——傻瓜式查找 ……………………………………44
2.2 二分查找（Binary Search）——排除另一半 ……………………………………44
2.3 插值查找（Insert Search）——預(yù)判位置 ……………………………………45
2.4 斐波那契查找（Fibonacci Search）——黃金分割法 ………………………………46
2.5 樹結(jié)構(gòu)查找（Tree Search） ……………48
2.6 散列查找（Hash Search）………………48
2.7 應(yīng)用：自實(shí)現(xiàn)indexOf函數(shù) ……………49
2.8 高手點(diǎn)撥…………………………………49
2.9 編程練習(xí)…………………………………50
2.10 面試真題 ………………………………50
第3章 字符串算法 51
3.1 樸素算法…………………………………52
3.2 KMP算法 ………………………………53
3.3 Boyer-Moore算法 ……………………55
3.4 Rabin-Karp算法 ………………………59
3.5 Trie樹 ……………………………………59
3.6 應(yīng)用：AC自動機(jī)算法……………………60
3.7 高手點(diǎn)撥…………………………………64
3.8 編程練習(xí)…………………………………65
3.9 面試真題…………………………………65
第4章 線性結(jié)構(gòu) 66
4.1 鏈表………………………………………67
4.1.1 單鏈表 ……………………………67
4.1.2 雙向鏈表 …………………………68
4.1.3 單向循環(huán)鏈表 ……………………69
4.1.4 雙向循環(huán)鏈表 ……………………70
4.2 ?！?2
4.3 隊(duì)列………………………………………73
4.3.1 普通隊(duì)列 …………………………73
4.3.2 雙端隊(duì)列 …………………………73
4.3.3 阻塞隊(duì)列 …………………………74
4.4 應(yīng)用：逆波蘭計(jì)算器 ……………………74
4.5 高手點(diǎn)撥…………………………………81
4.6 編程練習(xí)…………………………………82
4.7 面試真題…………………………………82
第5章 樹結(jié)構(gòu) 83
5.1 樹結(jié)構(gòu)概述………………………………84
5.2 二叉樹 …………………………………84
5.2.1 列表存儲的二叉樹 ………………86
5.2.2 對象存儲的二叉樹 ………………86
5.2.3 二叉樹的遍歷 ……………………87
5.3 線索二叉樹………………………………90
5.4 二叉查找樹………………………………92
5.4.1 AVL樹 ……………………………94
5.4.2 紅黑樹 …………………………103
5.5 K近鄰算法與k-d樹 …………………111
5.6 赫夫曼樹 ………………………………119
5.6.1 赫夫曼樹的構(gòu)建 ………………119
5.6.2 應(yīng)用：數(shù)據(jù)壓縮與解壓縮 ………122
5.7 多路查找樹 ……………………………134
5.7.1 2-3樹 …………………………134
5.7.2 B樹………………………………140
5.7.3 B+樹 ……………………………140
5.8 高手點(diǎn)撥 ………………………………141
5.9 編程練習(xí) ………………………………141
5.10 面試真題 ……………………………142
第6章 堆結(jié)構(gòu) 143
6.1 二叉堆 …………………………………144
6.2 d-堆 ……………………………………144
6.3 二項(xiàng)堆 …………………………………145
6.4 斐波那契堆 ……………………………148
6.5 左式堆 …………………………………150
6.6 斜堆 ……………………………………152
6.7 應(yīng)用：優(yōu)先隊(duì)列 ………………………152
6.8 高手點(diǎn)撥 ………………………………153
6.9 編程練習(xí) ………………………………153
6.10 面試真題 ……………………………153
第7章 散列結(jié)構(gòu) 154
7.1 散列概述 ………………………………155
7.2 散列函數(shù)的設(shè)計(jì) ………………………156
7.2.1 直接定址法 ……………………157
7.2.2 相乘取整法 ……………………157
7.2.3 平方取中法 ……………………157
7.2.4 除留取余法 ……………………157
7.2.5 隨機(jī)數(shù)法 ………………………157
7.3 解決沖突 ………………………………157
7.3.1 線性探測法 ……………………158
7.3.2 平方探測法 ……………………158
7.3.3 鏈地址法 ………………………159
7.4 完美散列 ………………………………160
7.5 應(yīng)用 ……………………………………161
7.6 高手點(diǎn)撥 ………………………………162
7.7 編程練習(xí) ………………………………162
7.8 面試真題 ………………………………162
第8章 圖結(jié)構(gòu) 163
8.1 圖結(jié)構(gòu)概述 ……………………………164
8.2 圖的存儲 ………………………………167
8.3 圖的搜索 ………………………………170
8.4 拓?fù)渑判?………………………………173
8.5 應(yīng)用：修路問題 ………………………175
8.6 高手點(diǎn)撥 ………………………………178
8.7 編程練習(xí) ………………………………179
8.8 面試真題 ………………………………179
第9章 遞歸算法 180
9.1 遞歸的概述 ……………………………181
9.2 應(yīng)用：漢諾塔問題 ……………………183
9.3 高手點(diǎn)撥 ………………………………185
9.4 編程練習(xí) ………………………………185
9.5 面試真題 ………………………………185
第10章 分類算法 186
10.1 分類算法概述 ………………………187
10.1.1 損失函數(shù) ………………………188
10.1.2 過擬合與模型選擇 ……………188
10.1.3 模型的評估方法 ………………189
10.2 決策樹 ………………………………192
10.2.1 算法原理 ………………………192
10.2.2 決策樹的剪枝 …………………196
10.2.3 常用的決策樹算法 ……………197
10.2.4 決策樹的代碼實(shí)現(xiàn)及應(yīng)用 ……197
10.2.5 決策樹算法實(shí)踐 ………………202
10.3 支持向量機(jī) …………………………207
10.3.1 決策邊界和距離 ………………207
10.3.2 SVM算法原理 ………………208
10.3.3 軟間隔與正則化 ………………213
10.3.4 核函數(shù) …………………………214
10.3.5 SVM算法實(shí)踐 ………………216
10.4 樸素貝葉斯算法 ……………………223
10.4.1 樸素貝葉斯算法原理 …………224
10.4.2 樸素貝葉斯算法代碼實(shí)現(xiàn)及應(yīng)用 ………………………………………225
10.5 綜合案例——基于SVM算法的癌癥預(yù)測 ……………………………………231
10.6 高手點(diǎn)撥 ……………………………235
10.7 編程練習(xí) ……………………………236
10.8 面試真題 ……………………………236
第11章 回歸算法 237
11.1 回歸算法概述 ………………………238
11.2 線性回歸算法 ………………………238
11.2.1 線性回歸算法原理 ……………239
11.2.2 線性回歸算法的推導(dǎo) …………240
11.2.3 線性回歸算法的代碼實(shí)現(xiàn)及使用 ………………………………………244
11.3 邏輯回歸算法 ………………………251
11.3.1 邏輯回歸算法原理 ……………251
11.3.2 邏輯回歸算法推導(dǎo) ……………253
11.3.3 邏輯回歸算法的代碼實(shí)現(xiàn)及使用 ………………………………………253
11.4 綜合案例——信用卡欺詐檢測 ……259
11.5 高手點(diǎn)撥 ……………………………264
11.6 編程練習(xí) ……………………………266
11.7 面試真題 ……………………………267
第12章 聚類算法 268
12.1 聚類算法概述 ………………………269
12.2 K-means算法 ………………………270
12.2.1 K-means算法原理 …………271
12.2.2 K-means算法的基本概念 …272
12.2.3 K-means算法流程 …………272
12.2.4 K-means算法的代碼實(shí)現(xiàn)及使用 ………………………………………273
12.3 K-means算法實(shí)踐 …………………276
12.3.1 KMeans類介紹………………276
12.3.2 算法應(yīng)用 ………………………277
12.3.3 影響K-means算法的因素 …280
12.3.4 評估指標(biāo) ………………………282
12.4 DBSCAN算法 ………………………284
12.4.1 基本概念 ………………………285
12.4.2 算法原理 ………………………286
12.4.3 算法實(shí)踐 ………………………288
12.5 綜合案例——圖像分割 ……………290
12.6 高手點(diǎn)撥 ……………………………292
12.7 編程練習(xí) ……………………………293
12.8 面試真題 ……………………………294
第13章 降維算法 295
13.1 降維算法概述 ………………………296
13.2 主成分分析 …………………………296
13.2.1 PCA原理 ……………………297
13.2.2 PCA求解步驟 ………………301
13.2.3 PCA實(shí)現(xiàn) ……………………302
13.2.4 PCA實(shí)例 ……………………304
13.3 線性判別分析 ………………………306
13.3.1 LDA原理………………………307
13.3.2 LDA求解步驟…………………309
13.3.3 LDA實(shí)現(xiàn)………………………310
13.3.4 LDA實(shí)例………………………312
13.4 綜合案例——基于 PCA和邏輯回歸算法對鳶尾花數(shù)據(jù)集分類 …………………313
13.5 高手點(diǎn)撥 ……………………………315
13.6 編程練習(xí) ……………………………316
13.7 面試真題 ……………………………317
第14章 集成學(xué)習(xí)算法 318
14.1 集成學(xué)習(xí)概述 ………………………319
14.2 Bagging算法 …………………………319
14.3 Boosting算法 ………………………321
14.4 XGBoost算法 ………………………322
14.4.1 XGBoost算法的原理 ………322
14.4.2 XGBoost的安裝 ……………326
14.4.3 XGBoost的參數(shù) ……………327
14.4.4 XGBoost的基本流程 ………329
14.5 綜合案例——基于 XGBoost算法的客戶流失預(yù)測 ………………………………335
14.6 高手點(diǎn)撥 ……………………………346
14.7 編程練習(xí) ……………………………346
14.8 面試真題 ……………………………347
第15章 基于價(jià)值的強(qiáng)化學(xué)習(xí)(Value-Based RL)算法 348
15.1 強(qiáng)化學(xué)習(xí) ……………………………349
15.1.1 強(qiáng)化學(xué)習(xí)的定義 ………………349
15.1.2 強(qiáng)化學(xué)習(xí)的分類 ………………350
15.2 Q-Learning算法 ……………………351
15.2.1 算法原理 ………………………351
15.2.2 算法實(shí)現(xiàn)過程 …………………352
15.2.3 算法實(shí)現(xiàn) ………………………354
15.3 DQN（Deep Q-Learning）算法 ……356
15.3.1 DQN實(shí)現(xiàn)的基本過程 ………356
15.3.2 DQN的不同改進(jìn)版本 ………357
15.3.3 算法實(shí)現(xiàn) ………………………358
15.4 綜合案例——讓AI自主探索迷宮 ……………………………………363
15.5 高手點(diǎn)撥 ……………………………366
15.6 編程練習(xí) ……………………………366
15.7 面試真題 ……………………………366
第16章 基于策略的強(qiáng)化學(xué)習(xí)(Policy-Based RL)算法 367
16.1 策略梯度（Policy Gradient）算法 ……368
16.1.1 Policy-Based算法概述 ……368
16.1.2 增加Baseline…………………369
16.1.3 近 端 策 略 優(yōu) 化（Proximal PolicyOptimization，PPO）算法 ……………369
16.2 Actor-Critic算法 ……………………377
16.2.1 Actor-Critic算法基本思想 …377
16.2.2 Actor-Critic算法的更新公式 ………………………………………378
16.2.3 Advantage Actor-Critic（A2C）算法 ………………………………………378
16.2.4 Asynchronous Advantage Actor-Critic（A3C）算法 …………………379
16.3 綜合案例——超級馬里奧的實(shí)現(xiàn) …386
16.4 高手點(diǎn)撥 ……………………………389
16.5 編程練習(xí) ……………………………389
16.6 面試真題 ……………………………389
第17章 神經(jīng)網(wǎng)絡(luò)模型算法 390
17.1 神經(jīng)網(wǎng)絡(luò)概述 ………………………391
17.2 神經(jīng)元模型和神經(jīng)網(wǎng)絡(luò)模型 ………392
17.2.1 神經(jīng)元模型 ……………………392
17.2.2 神經(jīng)網(wǎng)絡(luò)模型 …………………393
17.2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識別過程 ………………………………………394
17.2.4 激勵函數(shù) ………………………394
17.2.5 單層神經(jīng)網(wǎng)絡(luò)模型 ……………396
17.3 BP神經(jīng)網(wǎng)絡(luò)算法 ……………………398
17.3.1 BP神經(jīng)網(wǎng)絡(luò)算法基本原理 …398
17.3.2 使用 BP 神經(jīng)網(wǎng)絡(luò)對 MNIST 數(shù)據(jù)集數(shù)字進(jìn)行分類 …………………………400
17.4 綜合案例——使用神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸預(yù)測 ……………………………………403
17.5 高手點(diǎn)撥 ……………………………407
17.6 編程練習(xí) ……………………………407
17.7 面試真題 ……………………………408
第18章 循環(huán)神經(jīng)網(wǎng)絡(luò)算法 409
18.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本概念 ……………410
18.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) ………410
18.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)處理自然語言 ………………………………………411
18.2 長短期記憶（LSTM）算法 ……………412
18.3 長期循環(huán)單元（GRU） ………………417
18.4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)算法 ……………419
18.5 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)算法 ……………429
18.6 綜合案例——使用 LSTM 網(wǎng)絡(luò)對電影影評進(jìn)行情感分析 ………………………430
18.7 高手點(diǎn)撥 ……………………………436
18.8 編程練習(xí) ……………………………437
18.9 面試真題 ……………………………437
第19章 卷積神經(jīng)網(wǎng)絡(luò)算法 438
19.1 卷積網(wǎng)絡(luò)基本概念 …………………439
19.1.1 卷積 ……………………………439
19.1.2 池化 ……………………………442
19.1.3 激活（Activation） ……………442
19.2 卷積神經(jīng)網(wǎng)絡(luò)（LeNet）算法 …………443
19.3 深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）算法 ……………………………………452
19.4 殘差網(wǎng)絡(luò)（ResNet）算法 ……………453
19.5 綜合案例——使用卷積神經(jīng)網(wǎng)絡(luò)算法識別貓狗的二分類任務(wù) …………………454
19.6 高手點(diǎn)撥 ……………………………460
19.7 編程練習(xí) ……………………………461
19.8 面試真題 ……………………………461
附錄 462