从零开始读懂量子力学（精装加强版）

第0章 人工智能与算法 1
0.1 人工智能发展的水平 ……………………2
0.2 人工智能技术总览 ………………………3
0.2.1 机器学习算法的基本概念…………3
0.2.2 机器学习的流程……………………5
0.2.3 机器学习算法的分类………………5
0.3 算法在人工智能技术中的地位 …………9
0.4 学好算法能有哪些竞争优势……………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 直接选择排序（Select Sort）……………24
1.4 升 级 版 冒 泡 排 序 —— 快 速 排 （QuickSort） …………………………………26
1.5 升 级 版 插 入 排 序 —— 希 尔 排 序（ShellSort） ………………………………29
1.6 升级版选择排序——堆排序（Heap Sort）…………………………………………31
1.7 归并排序（Merge Sort）…………………34
1.8 基数排序（Radix Sort）…………………36
1.9 应用：应该使用哪种排序算法 …………40
1.10 高手点拨 ………………………………42
1.11 编程练习 ………………………………42
1.12 面试真题 ………………………………42
第2章 查找算法 43
2.1 线性查找（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）——预判位置 ……………………………………45
2.4 斐波那契查找（Fibonacci Search）——黄金分割法 ………………………………46
2.5 树结构查找（Tree Search） ……………48
2.6 散列查找（Hash Search）………………48
2.7 应用：自实现indexOf函数 ……………49
2.8 高手点拨…………………………………49
2.9 编程练习…………………………………50
2.10 面试真题 ………………………………50
第3章 字符串算法 51
3.1 朴素算法…………………………………52
3.2 KMP算法 ………………………………53
3.3 Boyer-Moore算法 ……………………55
3.4 Rabin-Karp算法 ………………………59
3.5 Trie树 ……………………………………59
3.6 应用：AC自动机算法……………………60
3.7 高手点拨…………………………………64
3.8 编程练习…………………………………65
3.9 面试真题…………………………………65
第4章 线性结构 66
4.1 链表………………………………………67
4.1.1 单链表 ……………………………67
4.1.2 双向链表 …………………………68
4.1.3 单向循环链表 ……………………69
4.1.4 双向循环链表 ……………………70
4.2 栈…………………………………………72
4.3 队列………………………………………73
4.3.1 普通队列 …………………………73
4.3.2 双端队列 …………………………73
4.3.3 阻塞队列 …………………………74
4.4 应用：逆波兰计算器 ……………………74
4.5 高手点拨…………………………………81
4.6 编程练习…………………………………82
4.7 面试真题…………………………………82
第5章 树结构 83
5.1 树结构概述………………………………84
5.2 二叉树 …………………………………84
5.2.1 列表存储的二叉树 ………………86
5.2.2 对象存储的二叉树 ………………86
5.2.3 二叉树的遍历 ……………………87
5.3 线索二叉树………………………………90
5.4 二叉查找树………………………………92
5.4.1 AVL树 ……………………………94
5.4.2 红黑树 …………………………103
5.5 K近邻算法与k-d树 …………………111
5.6 赫夫曼树 ………………………………119
5.6.1 赫夫曼树的构建 ………………119
5.6.2 应用：数据压缩与解压缩 ………122
5.7 多路查找树 ……………………………134
5.7.1 2-3树 …………………………134
5.7.2 B树………………………………140
5.7.3 B+树 ……………………………140
5.8 高手点拨 ………………………………141
5.9 编程练习 ………………………………141
5.10 面试真题 ……………………………142
第6章 堆结构 143
6.1 二叉堆 …………………………………144
6.2 d-堆 ……………………………………144
6.3 二项堆 …………………………………145
6.4 斐波那契堆 ……………………………148
6.5 左式堆 …………………………………150
6.6 斜堆 ……………………………………152
6.7 应用：优先队列 ………………………152
6.8 高手点拨 ………………………………153
6.9 编程练习 ………………………………153
6.10 面试真题 ……………………………153
第7章 散列结构 154
7.1 散列概述 ………………………………155
7.2 散列函数的设计 ………………………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 随机数法 ………………………157
7.3 解决冲突 ………………………………157
7.3.1 线性探测法 ……………………158
7.3.2 平方探测法 ……………………158
7.3.3 链地址法 ………………………159
7.4 完美散列 ………………………………160
7.5 应用 ……………………………………161
7.6 高手点拨 ………………………………162
7.7 编程练习 ………………………………162
7.8 面试真题 ………………………………162
第8章 图结构 163
8.1 图结构概述 ……………………………164
8.2 图的存储 ………………………………167
8.3 图的搜索 ………………………………170
8.4 拓扑排序 ………………………………173
8.5 应用：修路问题 ………………………175
8.6 高手点拨 ………………………………178
8.7 编程练习 ………………………………179
8.8 面试真题 ………………………………179
第9章 递归算法 180
9.1 递归的概述 ……………………………181
9.2 应用：汉诺塔问题 ……………………183
9.3 高手点拨 ………………………………185
9.4 编程练习 ………………………………185
9.5 面试真题 ………………………………185
第10章 分类算法 186
10.1 分类算法概述 ………………………187
10.1.1 损失函数 ………………………188
10.1.2 过拟合与模型选择 ……………188
10.1.3 模型的评估方法 ………………189
10.2 决策树 ………………………………192
10.2.1 算法原理 ………………………192
10.2.2 决策树的剪枝 …………………196
10.2.3 常用的决策树算法 ……………197
10.2.4 决策树的代码实现及应用 ……197
10.2.5 决策树算法实践 ………………202
10.3 支持向量机 …………………………207
10.3.1 决策边界和距离 ………………207
10.3.2 SVM算法原理 ………………208
10.3.3 软间隔与正则化 ………………213
10.3.4 核函数 …………………………214
10.3.5 SVM算法实践 ………………216
10.4 朴素贝叶斯算法 ……………………223
10.4.1 朴素贝叶斯算法原理 …………224
10.4.2 朴素贝叶斯算法代码实现及应用 ………………………………………225
10.5 综合案例——基于SVM算法的癌症预测 ……………………………………231
10.6 高手点拨 ……………………………235
10.7 编程练习 ……………………………236
10.8 面试真题 ……………………………236
第11章 回归算法 237
11.1 回归算法概述 ………………………238
11.2 线性回归算法 ………………………238
11.2.1 线性回归算法原理 ……………239
11.2.2 线性回归算法的推导 …………240
11.2.3 线性回归算法的代码实现及使用 ………………………………………244
11.3 逻辑回归算法 ………………………251
11.3.1 逻辑回归算法原理 ……………251
11.3.2 逻辑回归算法推导 ……………253
11.3.3 逻辑回归算法的代码实现及使用 ………………………………………253
11.4 综合案例——信用卡欺诈检测 ……259
11.5 高手点拨 ……………………………264
11.6 编程练习 ……………………………266
11.7 面试真题 ……………………………267
第12章 聚类算法 268
12.1 聚类算法概述 ………………………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算法的代码实现及使用 ………………………………………273
12.3 K-means算法实践 …………………276
12.3.1 KMeans类介绍………………276
12.3.2 算法应用 ………………………277
12.3.3 影响K-means算法的因素 …280
12.3.4 评估指标 ………………………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 算法实践 ………………………288
12.5 综合案例——图像分割 ……………290
12.6 高手点拨 ……………………………292
12.7 编程练习 ……………………………293
12.8 面试真题 ……………………………294
第13章 降维算法 295
13.1 降维算法概述 ………………………296
13.2 主成分分析 …………………………296
13.2.1 PCA原理 ……………………297
13.2.2 PCA求解步骤 ………………301
13.2.3 PCA实现 ……………………302
13.2.4 PCA实例 ……………………304
13.3 线性判别分析 ………………………306
13.3.1 LDA原理………………………307
13.3.2 LDA求解步骤…………………309
13.3.3 LDA实现………………………310
13.3.4 LDA实例………………………312
13.4 综合案例——基于 PCA和逻辑回归算法对鸢尾花数据集分类 …………………313
13.5 高手点拨 ……………………………315
13.6 编程练习 ……………………………316
13.7 面试真题 ……………………………317
第14章 集成学习算法 318
14.1 集成学习概述 ………………………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的安装 ……………326
14.4.3 XGBoost的参数 ……………327
14.4.4 XGBoost的基本流程 ………329
14.5 综合案例——基于 XGBoost算法的客户流失预测 ………………………………335
14.6 高手点拨 ……………………………346
14.7 编程练习 ……………………………346
14.8 面试真题 ……………………………347
第15章 基于价值的强化学习(Value-Based RL)算法 348
15.1 强化学习 ……………………………349
15.1.1 强化学习的定义 ………………349
15.1.2 强化学习的分类 ………………350
15.2 Q-Learning算法 ……………………351
15.2.1 算法原理 ………………………351
15.2.2 算法实现过程 …………………352
15.2.3 算法实现 ………………………354
15.3 DQN（Deep Q-Learning）算法 ……356
15.3.1 DQN实现的基本过程 ………356
15.3.2 DQN的不同改进版本 ………357
15.3.3 算法实现 ………………………358
15.4 综合案例——让AI自主探索迷宫 ……………………………………363
15.5 高手点拨 ……………………………366
15.6 编程练习 ……………………………366
15.7 面试真题 ……………………………366
第16章 基于策略的强化学习(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 优 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 综合案例——超级马里奥的实现 …386
16.4 高手点拨 ……………………………389
16.5 编程练习 ……………………………389
16.6 面试真题 ……………………………389
第17章 神经网络模型算法 390
17.1 神经网络概述 ………………………391
17.2 神经元模型和神经网络模型 ………392
17.2.1 神经元模型 ……………………392
17.2.2 神经网络模型 …………………393
17.2.3 神经网络的训练和识别过程 ………………………………………394
17.2.4 激励函数 ………………………394
17.2.5 单层神经网络模型 ……………396
17.3 BP神经网络算法 ……………………398
17.3.1 BP神经网络算法基本原理 …398
17.3.2 使用 BP 神经网络对 MNIST 数据集数字进行分类 …………………………400
17.4 综合案例——使用神经网络进行回归预测 ……………………………………403
17.5 高手点拨 ……………………………407
17.6 编程练习 ……………………………407
17.7 面试真题 ……………………………408
第18章 循环神经网络算法 409
18.1 循环神经网络基本概念 ……………410
18.1.1 循环神经网络基本结构 ………410
18.1.2 循环神经网络处理自然语言 ………………………………………411
18.2 长短期记忆（LSTM）算法 ……………412
18.3 长期循环单元（GRU） ………………417
18.4 深度循环神经网络算法 ……………419
18.5 双向循环神经网络算法 ……………429
18.6 综合案例——使用 LSTM 网络对电影影评进行情感分析 ………………………430
18.7 高手点拨 ……………………………436
18.8 编程练习 ……………………………437
18.9 面试真题 ……………………………437
第19章 卷积神经网络算法 438
19.1 卷积网络基本概念 …………………439
19.1.1 卷积 ……………………………439
19.1.2 池化 ……………………………442
19.1.3 激活（Activation） ……………442
19.2 卷积神经网络（LeNet）算法 …………443
19.3 深度卷积神经网络（AlexNet）算法 ……………………………………452
19.4 残差网络（ResNet）算法 ……………453
19.5 综合案例——使用卷积神经网络算法识别猫狗的二分类任务 …………………454
19.6 高手点拨 ……………………………460
19.7 编程练习 ……………………………461
19.8 面试真题 ……………………………461
附录 462