Description Preparing data and a linear model Machine learning tree methods Neural networks and KNN Machine learning with modern portfolio theory 这门课是基于DataCamp, 其实前面很大一部分都是在介绍python中的一些科学工具包: Numpy Pandas Matplotlib Seaborn

二叉树 前序遍历 根节点-> 左孩子-> 右孩子 中序遍历 左孩子-> 根节点-> 右孩子 后序遍历 左孩子->右孩子-> 根

从尾到头打印链表 输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。 示例1 1 2 **输入** head = [1,3,2] **输出** [2,3,1] 限制 0 <= 链表长

动态规划 若确定给定问题具有重叠子问题和最优子结构，那么就可以使用动态规划求解。总体上看，求解可分为四步 状态定义: 构建问题最优解模型，包括问题

反转链表 定义一个函数，输入一个链表的头节点，反转该链表并输出反转后链表的头节点. 示例 1 2 输入: 1->2->3->4->5->NULL 输出: 5->4->3->2->1->NULL 限制： 0 <= 节点个数 <= 5000 解法 1 2 3 4 5