平方误差CART算法（回归树）

本文详细介绍了CART回归算法的原理。

本篇文章将会讲解CART算法的实现和树的剪枝方法，通过测试不同的数据集，学习CART算法和树剪枝技术。CART算法可以用于构建二元树并处理离散型或连续型数据的切分。若使用不同的误差准则，就可以通过CART算法构建模型树和回归树。一颗过拟合的树常常十分复杂，剪枝技术的出现就是为了解决这个问题。两种剪枝方法分别是预剪枝和后剪枝，预剪枝更有效但需要用户定义一些参数。

分类与回归树（calssification and regression tree，CART）是决策树算法中的一种，与其他决策树算法相同，同样由特征选择，树的生成与剪枝组成。CART被广泛应用，且被用于树的集成模型，例如，GBDT、RF等集成算法的基学习器都是CART树。决策树是典型的非线性模型，GBDT和RF因此也是非线性模型。决策树的经典算法包括ID3、C4.5、CART算法，其应用领域及所使用的准则，如下图所示。CART分类回归树是一种典型的二叉决策树，可以做分类或者回归。

决策树中的CART 回归树相关的公式详细说明：CART 回归树的预测模型表达式、确定区域内的输出值表达式、划分数据集公式、择最佳特征和分裂点的关键公式

CART回归树算法详解+最优划分点选择例题详解

因此用平方误差和最小的准则求解每个单元上的最优输出值时，每个划分的特征空间的均值就是最优输出值。一颗回归树对应的是输入空间的划分以及在划分的单元上的输出值，因此我们构造回归树的主要任务就是。(3)对得到的两个子区域继续调用步骤1，2，直到满足停止条件。(2)对选定的(j,s)进行划分区域和得到相应的输出值。定义如下：(其实就是对应每个划分的特征空间的均值)(4)讲输入的特征空间划分为M个区域，生成决策树。就是对应区间的y的均值，即。为第m个划分的特征空间。找到j点为切分点的最小的。

实际上，一个反半标准杨表（reverse SSYT）就是一种特殊的平面分拆（移除了无关的0），事实上，在我们定义反半标准杨表时，我们提到了另一个术语“列严格平面分拆”。本节和接下来的两节将致力于讨论整数分拆的一个引人入胜的推广，称为“平面分拆”。我们将基于 RSK 算法以及一种将一对同形状的反半标准杨表合并成单个平面分拆的简单方法，给出一个优雅的双射证明。当我们考虑 RSK 算法的对称性结果定理 7.13.1 时，定理 7.20.1 的一个很好的变体就出现了。的每一列都是互异奇数部分的分拆。

本文解析了LeetCode 34题，探讨如何在有序数组中高效查找目标值的起始和结束位置。通过分析原始代码的复杂度问题，提出优化方案：采用两次独立的二分查找，分别定位左边界（第一个等于目标值的位置）和右边界（最后一个等于目标值的位置）。优化后的代码逻辑更清晰，时间复杂度保持O(log n)，空间复杂度为O(1)。关键点在于正确处理二分查找的边界条件，先验证左边界有效性，再推导右边界，确保结果准确。

用途描述关键点基本操作通过指针间接访问和修改变量与数组高效地遍历和操作数组数组名即指针，指针算术运算与函数实现传址调用，修改实参，返回多个值函数参数定义为指针动态内存在运行时申请任意大小的内存malloccallocreallocfree掌握指针需要大量的练习和实践。先从简单的例子开始，理解地址和值的区别，然后再逐步深入到数组、函数和动态内存管理中。

计数排序是一种非比较排序算法，适用于整数数据且范围较小的情况。其核心思想是统计每个元素出现的次数，然后根据统计结果将元素重新排列。虽然时间复杂度高效（O(N+range)），但空间复杂度较高（O(range)），且仅适用于整数类型。该算法在数据范围集中时性能优异，比快速排序更快，但在数据范围较大时空间消耗显著。

归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法，该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。

解题思路一：我们可以设一个优先级队列，将各个链表头入列，在创建一个链表最小链入链表中。解题思路一：我们可以首先算出来有我们需要反转几次，然后我们就可以将他看作为几个逆置。解法思路二：归并我们可以通过归并将链表分为两个，在将两个链表进行排序。我们也可通过定义四个指针,改变她们的next值来交换结点。2、逆序后半段的指针（断开两端的指针）

/ 遍历 y 所在连通块，在不经过质数的前提下，统计有多少个非质数。// 这 size[y] 个非质数与之前遍历到的 sum 个非质数，两两之间的路径只包含质数 x。for (int y: g[x]) { // 质数 x 把这棵树分成了若干个连通块。if (size[y] == 0) { // 尚未计算过。// 质数=false 非质数=true。// 从 x 出发的路径。埃氏筛部分 函数的调用方式。lambda函数调用。

这篇文章介绍了一个解决力扣73题"矩阵置零"的算法。题目要求在m×n矩阵中，若元素为0，则将其所在行和列全部置0，且必须使用原地算法。解决方案是：首先创建两个标记数组分别记录需要置零的行和列；然后遍历矩阵，遇到0元素时标记对应行和列；最后再次遍历矩阵，根据标记数组将对应行和列置0。这种方法时间复杂度为O(N^2)，空间复杂度为O(m+n)，满足原地算法的要求。文末提供了相应的C++代码实现。