如何評估一個算法的優(yōu)劣與價值？幻風的AI之路為您解答算法是什么？我們首先應該知道什么是算法？算法是對特定問題求解步驟的一種描述，它是指令的有限序列，其中每一條指令表示一個或者多個操作。算法的特性知道了

如何評估一個算法的優(yōu)劣與價值？

幻風的AI之路為您解答

算法是什么？

我們首先應該知道什么是算法？算法是對特定問題求解步驟的一種描述，它是指令的有限序列，其中每一條指令表示一個或者多個操作。

算法的特性

知道了算法的特點之后，我們應該知道算法有哪些特性？

有窮性：一個算法必須總是(對任何合法的輸入值)在執(zhí)行有窮步之后結束，且每一步都可在有窮時間內完成。

確定性：算法中每一條指令必須有確切的含義，讀者理解時不會產生二義性。也就是說相同的輸入必須產生相同的輸出。

可行性：一個算法是可以通過有限的基本運算實現(xiàn)。

輸入：一個算法有零格或多個輸入

輸出：一個算法有一個多個輸出

什么是好的算法

最后要回答什么是一個好的算法？應該可以從下面的一個角度來對算法進行評價

正確性：算法應該能夠正確的解決問題

可讀性：算法應該易于理解

健壯性：即使是輸入非法數(shù)據(jù)，算法也難以進行處理

效率和存儲量：效率快，存儲量低

如何判斷一個程序員寫代碼好與不好？

程序員寫的代碼質量好壞可以從兩個角度入手

1.好的代碼一般通俗易懂

高手總會化繁為簡，寫的代碼首先是能讓人看懂，谷歌蘋果的工程師代碼提交之前都會找上周圍的同時給看一遍，如果對方覺得沒有什么問題可以直接提交，并且在提交注釋里面寫上reviewer名字，這樣同時也把責任給擔起來了，看似一個很簡單的模式，卻被絕大部分技術公司沿用。

所以代碼不能只有自己能看懂，讓別人能看懂你的思路，你的設計意圖。

2.好的代碼，遵守整個系統(tǒng)編碼規(guī)范，不出格，最重要的一點好的代碼能夠經得起實踐的考驗，在實際運轉過程中，沒有很重大的系統(tǒng)崩潰出現(xiàn)才能稱得上好代碼

所以代碼不能只是看著好，在性能上也需要有不俗的體現(xiàn)，對于程序員來講代碼就是臉面，特別是在團隊配合之中，如果一個人寫的代碼質量高就會給人形成一種靠譜的感覺，在配合過程中也比較容易形成默契的感覺，一看誰寫的代碼如果平時代碼質量高，大家在調用該模塊的時候會覺得很舒心，很放心。代碼直接關系著程序員的品質問題了，有很多老程序員對于代碼質量非常關注，不允許自己犯一些很低級的錯誤，導致自己的名譽受損。

為什么有人說弄懂了《算法導論》的90%，就超越了90%的程序員？

其實計算機程序底層核心就是各種數(shù)學算法，剩下就是怎么用代碼去實現(xiàn)數(shù)學，世界上有名的計算機程序大牛幾乎都跟數(shù)學權威方面的專家有關。

Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？

對于用過幾種開發(fā)語言（java，c#，nodejs，erlang），而后轉Python做機器學習的人，我說說我的看法。

首先，大家說python慢是真的嗎？我的回答是真的。非常慢，for循環(huán)比cpp慢兩個數(shù)量級。

那為什么還用Python?假如我們遍歷過億的數(shù)據(jù)，兩個數(shù)量級的差異是無法接受的。但如果我們用python做最上層的邏輯，把上億數(shù)據(jù)進行分塊，python只循環(huán)十幾次，剩下扔給cpu和gpu。那么兩個數(shù)量級是否就無所謂了呢？1毫秒和100毫秒在整個系統(tǒng)中真的無所謂了。

python最大的優(yōu)勢在于，可以非常非常優(yōu)雅的把數(shù)據(jù)扔給高效的c，cuda去做計算。numpy，pandas，numba這些優(yōu)秀的開源庫可以非常方便的高效的處理海量的數(shù)據(jù)，借助zmq，celery等還可以做分布式計算，gevent借助系統(tǒng)的epoll進行io優(yōu)化。所以，不需要花太多精力，就可以優(yōu)雅，高效的實現(xiàn)海量的數(shù)據(jù)處理，機器學習的任務。這是python火爆的原因。

想想，同樣的性能，代碼只有cpp或java的三分之一甚至更少，是不是很有誘惑力？

為什么有些算法可讀性很低？

建議閱讀源碼，可讀性差的主要原因是因為都是封裝好的庫，如果不熟悉相應的庫，基本上看不懂，有問題可以私信我，審核期求采納，先謝謝老鐵！

算法的評價指標包括什么？

1.時間復雜度

算法的時間復雜度是指執(zhí)行算法所需要的時間。一般來說，計算機算法是問題規(guī)模n 的函數(shù)f(n)，算法的時間復雜度也因此記做。

T(n)=Ο(f(n))

因此，問題的規(guī)模n 越大，算法執(zhí)行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度

2.空間復雜度

算法的空間復雜度是指算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

3.正確性

算法的正確性是評價一個算法優(yōu)劣的最重要的標準。

4.可讀性

算法的可讀性是指一個算法可供人們閱讀的容易程度。

5.健壯性

健壯性是指一個算法對不合理數(shù)據(jù)輸入的反應能力和處理能力，也成為容錯性。