分类目录归档：algorithm
Mean Shift 算法，又称为均值漂移算法
核心思想：
算法流程：
$$ S_h\left(x\right)=\left(y\mid\left(y-x\right)\left(y-x\right)^T\leqslant h^2\right) $$ 2. 计算该
MD5：32 位，单向哈希，不可逆，速度快，破解难度低
SHA256：256 位，单向哈希，不可逆，速度较快，破解难度中等
BCrypt：可变位数，单向哈希，不可逆，速度慢，破解难度高
PBKDF2：可变位数，单向哈希，不可逆，速度可调，破解难度可调
Scrypt：可变位数，单向哈希，不可逆，速度慢，破解难度高
加盐，在输入信息中随机添加字符串（salt）以提高哈希算法的安全性
MD5 消息摘要算法（英语：MD5 Message-Digest Algorithm），一种被广泛使用的密码散列函数，可以
PageRank 是早期 Google 搜索的核心算法，决定了搜索结果中的网页展示顺序
PageRank 核心思想：
$$PR(j) = \sum_{i \rightarrow j} \frac{PR(i)}{l_i}$$
上式最大的问题在于忽略了"不存在外链的特殊页面"
因此 PageRank 算法引入了阻尼系
背景故事：啤酒与尿布
Aprior 算法的 3 个关键评价指标：
$$ Support(X,Y) = P(XY) = \frac{number(XY)}{num(All Samples)} $$ 2. 置信度（Confidence）：商品 Y 出现后，商品 X 出现的概率 $$ Confidence(X \Leftarrow Y) = P(X|Y)=P(XY)/P(Y) $$ 3. 提升度（Lift）：商品 X 出现的情况中，商品 Y 也出现的概率 $$ Lift(X \Leftarrow Y) = P(X|Y)
K 近邻算法（k-nearest neighbors, KNN）是一种很基本的机器学习方法
算法步骤：给定样本，寻找最近的 K 个样本进行（分类/回归）预测
KNN的 3 个核心要素：
KNN 的主要优点：
均值回归：对历史一段时间的值取平均，作为未来每个时刻的预测
指数平滑：预测值是过去一段时间内观测值（或已预测值）的加权平均值
普通回归预测：借助时序相关特征（如节假日、周期性）实现建模预测
更多时序类衍生特征可参考 tsfresh概述
自回归（AR）模型：
LDA 算法是一种监督学习的降维技术
LDA算法降维流程如下：
输入：数据集 $D = { (x_1,y_1),(x_2,y_2), ... ,(x_m,y_m) }$，其中样本 $x_i$ 是n维向量，$y_i \in {C_1, C_2, ..., C_k}$
DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的、对噪声鲁棒的空间聚类方法）是一种基于密度的经典聚类算法
启发式算法（Heuristic Algorithms）通常是以问题为导向的（Problem Specific），没有一个通用的框架，每个不同的问题通常设计一个不同的启发式算法，通常被用来解组合优化问题
普通启发式算法一般是一种贪婪算法，需要根据特定问题进行特定设计
贪婪算法，也叫贪心算法
其基本思想是：每一步都采取当前状态下最好的选择，而不考虑全局最优解是否已经达到。在每一步中，贪心算法都会做出一个贪心决策，即选择当前状态下最优的解决方案，并且不考虑这个决策可能会导致的未来后果
以经典的装包问
蚁群算法（Ant Colony Algorithm，ACA）由Marco Dorigo于1992年在他的博士论文中首次提出，该算法模拟了自然界中蚂蚁的觅食行为。
蚂蚁寻径的生物过程：