算法十讲
张晨光
第一讲 算法概述算法是计算机科学领域最重要的基石之一，计算机语言和开发平台日新月异，但万变不离其宗的是那些算法和理论，数据结构和算法是软件开发必备的核心基础，是内功心法。下面举例拿推荐算法和分类算法的实际场景做下举例：
推荐算法的应用场景,各种app（偏资讯）的应用外的手机推荐：
上面可以看出有米饭资讯，优酷视频，抖音短视频等推荐，他们都倾向于在下班休息的碎片时间进行推送。他们有的是根据你的关注和兴趣进行提醒，有的是根据当下社会热点进行推荐，还有的就是优惠券性质的推送。
再有就是应用内的推荐：
可以看出手机购物时，当我们搜索某家商店的某件商品时。系统会根据我们的搜索历史和购买历史进行相似物品的推荐。
分类算法（医学上的肿瘤判断）
如何判断细胞是否属于肿瘤细胞呢？肿瘤细胞和普通细胞，有差别。但是，需要非常有经验的医生，通过病理切片才能判断。如果通过机器学习的方式，使得系统自动识别出肿瘤细胞。此时的效率，将会得到飞速的提升。并且，通过主观（医生） 客观（模型）的方式识别肿瘤细胞，结果交叉验证，结论可能更加靠谱。
如何操作？通过分类模型识别。简言之，包含两个步骤。首先，通过一系列指标刻画细胞特征，例如细胞的半径、质地、周长、面积、光滑度、对称性、凹凸性等等，构成细胞特征的数据。其次，在细胞特征宽表的基础上，通过搭建分类模型进行肿瘤细胞的判断。
对于我们来说最简单的应用案例。请看如下代码应用
对于我们来说最简单的应用案例。请看如下代码应用,根据班级同学不同的分段给出评级。一个班级里不同分段的人数不是相等的，而是有着峰值和低谷。
案例：将学生的百分制成绩转换为五分制成绩：≥90 分: A，80～89分: B，70～79分: C，60～69分: D，＜60分: E。
一般程序写法：
如果学生的总成绩数据有10000条，则5％的数据需 1 次比较，15％的数据需 2 次比较，40％的数据需 3 次比较，40％的数据需 4 次比较，因此 10000 个数据比较的次数为： 10000 (5％＋2×15％＋3×40％＋4×40％)＝31500次。
