python最小生成树算法_最小生成树:Kruskal算法及python实现

本人数学专业本科,研究生读的计算机,方向是深度学习相关的,在平时上课和自己自学,看论文都是深度学习和机器学习相关的。打算毕业之后从事机器学习相关工作,但是不知道学完Dl,ML的相关算法之后,还需不需要学习传统的数据结构,比如二叉树,图,队列,栈什么的,还有必要学习算法导论里的算法吗?如果都学的话,那感觉时间不够,而且这些难度都挺大的。有没有前辈来指点一二呢?

这是今天逛知乎时看到的一个提问“学习机器学习深度学习之后,还需要掌握传统算法和数据结构吗?”。相信很多机器学习的初学者都会有类似的疑问,特别是半路出家的学习者。为什么这么说呢?因为计算机科班出身的学生,在本科期间都系统地学习过数据结构和算法,他们肯定不会提出这样的问题,他们在学习的过程中会真切感受到这些知识的巨大作用。

最小生成树算法在机器学习中的应用

我最近在看数据聚类方面的论文,有篇文章用改进的MST算法实现稀疏数据集的自动聚类,这种思路让我眼前一亮。该文的主要思路是将多维向量视为空间中的点,向量之间的距离看作边长,将距离小于设定阈值的数据用最小生成树连接起来实现数据集的聚类。最小生成树(MST)虽然是图论中的概念,但是在机器学习领域却有着意想不到的效果。

python最小生成树算法_最小生成树:Kruskal算法及python实现_第1张图片

在上篇文章中,我们介绍了Prim算法的基本思路和python实现。当然除了Prim算法之外,

你可能感兴趣的:(python最小生成树算法)