👨💻4💯3
ماتریس اسپارس (ماتریس تُنُک) چیست؟
ماتریس اسپارس یک مورد خاص از ماتریس است که در آن تعداد عناصر صفر بسیار بیشتر از تعداد عناصر غیر صفر است. به عنوان یک قاعده کلی، اگر 2/3 از کل عناصر یک ماتریس صفر باشد، می توان آن را ماتریس پ اسپارس نامید. با استفاده از نمایش ماتریس اسپارس- جایی که فقط مقادیر غیر صفر ذخیره می شوند - فضای مورد استفاده برای نمایش داده ها و زمان اسکن ماتریس به طور قابل توجهی کاهش می یابد. این آرایه معمولا در آرایه دو بعدی ذخیزه می شود که میتوان گفت نوعی ساختار داده ایی می باشد که به واقع فضای مورد نیاز برای ذخیره سازی آن را نیز بیان می کند(سطر و ستون).
مثال:
بیایید یک سیستم توصیه فیلم را مثال بزنیم. میلیون ها کاربر و هزاران فیلم وجود دارد، بنابراین امکان تماشای و رتبه بندی همه فیلم ها برای کاربران وجود ندارد. این داده ها را می توان به عنوان یک ماتریس نشان داد که در آن ردیف ها کاربران و ستون ها فیلم هستند. در تصویر بالا میتوانید آن را مشاهده کنید.
یکی دیگر از کاربرد های این ماتریس در زمینه یادگیری ماشین می باشد.
📣👨💻 @AlgorithmDesign_DataStructuer
ماتریس اسپارس یک مورد خاص از ماتریس است که در آن تعداد عناصر صفر بسیار بیشتر از تعداد عناصر غیر صفر است. به عنوان یک قاعده کلی، اگر 2/3 از کل عناصر یک ماتریس صفر باشد، می توان آن را ماتریس پ اسپارس نامید. با استفاده از نمایش ماتریس اسپارس- جایی که فقط مقادیر غیر صفر ذخیره می شوند - فضای مورد استفاده برای نمایش داده ها و زمان اسکن ماتریس به طور قابل توجهی کاهش می یابد. این آرایه معمولا در آرایه دو بعدی ذخیزه می شود که میتوان گفت نوعی ساختار داده ایی می باشد که به واقع فضای مورد نیاز برای ذخیره سازی آن را نیز بیان می کند(سطر و ستون).
مثال:
بیایید یک سیستم توصیه فیلم را مثال بزنیم. میلیون ها کاربر و هزاران فیلم وجود دارد، بنابراین امکان تماشای و رتبه بندی همه فیلم ها برای کاربران وجود ندارد. این داده ها را می توان به عنوان یک ماتریس نشان داد که در آن ردیف ها کاربران و ستون ها فیلم هستند. در تصویر بالا میتوانید آن را مشاهده کنید.
یکی دیگر از کاربرد های این ماتریس در زمینه یادگیری ماشین می باشد.
📣👨💻 @AlgorithmDesign_DataStructuer
👍9🔥1👨💻1
🤔8👨💻5👍1
برای اینکه توانیم بفهمیم رشد کدام یک ار توابع gوf بیشتر است میتوانیم از حد استفاده کنیم راه های دیگری هم وجود دارد ولی با استفاد از حد شما میتوانید رشد همه توابع را حساب کنید.
نکته : البته رشد توابع برای توابعی می باشد که صعودی می باشند و برای توابع نزولی ما رشیدی را تعریف نمی کنیم.
📣👨💻 @AlgorithmDesign_DataStructuer
نکته : البته رشد توابع برای توابعی می باشد که صعودی می باشند و برای توابع نزولی ما رشیدی را تعریف نمی کنیم.
📣👨💻 @AlgorithmDesign_DataStructuer
🙏2👨💻2🤔1
👍6👨💻1
👍7👨💻2🤔1
👨💻4👍2👏2
👍5👌2👨💻1
👍6👌5👨💻2
یک مثال ساده و کامل از پیمایش درخت که به صورت:
Perorder(VLR)
Inorder(LVR)
Postorder(LRV)
نکته:یکی از نکات مهمی که باید در این مثال دقت کنیم این است که در پیمایشInorder اگر دقت کنید به صورت مرتب نمایش داده شده است یکی از خصوصات به خصوص این پیمایش می باشد.
📣👨💻 @AlgorithmDesign_DataStructuer
Perorder(VLR)
Inorder(LVR)
Postorder(LRV)
نکته:یکی از نکات مهمی که باید در این مثال دقت کنیم این است که در پیمایشInorder اگر دقت کنید به صورت مرتب نمایش داده شده است یکی از خصوصات به خصوص این پیمایش می باشد.
📣👨💻 @AlgorithmDesign_DataStructuer
👌6🤔1👨💻1