前言

近日压力倍增，在图书馆自习，期望能够看更多的论文。休息期间找到一本算法的教材，从机器学习和人工智能的角度重温了一遍数据结构与算法。

本科阶段曾学习过数据结构与算法这门课程，使用的是C语言实现的小绿书。依稀记得当时老师只是讲解了计算机程序中常见的数据结构，例如线性表，队列，栈等的存储方式以及增删查改的操作实现方法，并且给出了程序时间复杂度和空间复杂度的概念和分析方法。
很明确的一个概念：

program = data + algorithm

数据结构算法与机器学习

最近研究了很多机器学习相关的概念和算法，发现其的核心理念就是使用计算机模拟人类的学习方法，来处理数据。才发现其实数据结构与算法是机器学习的基础。
二者都是使用算法来处理数据，得到一些结果。
区别在于，机器学习的数据非此处的结构化数据，往往需要进行预处理和特征抽取；算法也是复杂得多的模型和训练算法，目的是为了进行预测。
总体来说，计算机的数据结构与算法，是机器学习的基础。

数据结构与算法的架构

本书将数据结构与算法分为八大思想，数据结构，数据查找和排序四大部分。其中，八大思想讲述了日常算法中常用的八种思想；数据结构体现了数据在计算机中的组织形式，包括物理形式和逻辑形式，给出了数据在计算机中存储和运算的基本方法；最后，查找和排序，是数据处理最常见的需求，也是最基本的算法。
组织形式如下：

• 算法思想
  • 枚举
  • 递归
  • 递推
  • 迭代
  • 分治
  • 贪心
  • 试探
  • 模拟
• 数据结构
  • 基本结构
    • 线性表
    • 队列
    • 栈
  • 逻辑结构
    • 树
      • 二叉树
      • 霍夫曼树
    • 图
      • 有向图
      • 无向图
      • 连通图
      • 生成树
      • 深度遍历
      • 广度遍历
• 查找
  • 基于线性表的查找
  • 基于树的查找
• 排序(图文详解八大排序算法)
  • 交换排序
    • 冒泡排序
    • 快速排序
  • 插入排序
    • 希尔排序
  • 选择排序
    • 堆排序
  • 归并排序

相关思维导图如下图：

image