如何评估一个算法的优劣与价值？幻风的AI之路为您解答算法是什么？我们首先应该知道什么是算法？算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或者多个操作。算法的特性知道了

如何评估一个算法的优劣与价值？

幻风的AI之路为您解答

算法是什么？

我们首先应该知道什么是算法？算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或者多个操作。

算法的特性

知道了算法的特点之后，我们应该知道算法有哪些特性？

有穷性：一个算法必须总是(对任何合法的输入值)在执行有穷步之后结束，且每一步都可在有穷时间内完成。

确定性：算法中每一条指令必须有确切的含义，读者理解时不会产生二义性。也就是说相同的输入必须产生相同的输出。

可行性：一个算法是可以通过有限的基本运算实现。

输入：一个算法有零格或多个输入

输出：一个算法有一个多个输出

什么是好的算法

最后要回答什么是一个好的算法？应该可以從下面的一个角度来对算法进行评价

正确性：算法应该能够正确的解决问题

可读性：算法应该易于理解

健壮性：即使是输入非法数据，算法也难以进行处理

效率和存储量：效率快，存储量低

如何判断一个程序员写代码好与不好？

程序员写的代码质量好坏可以从两个角度入手

1.好的代码一般通俗易懂

高手总会化繁为简，写的代码首先是能让人看懂，谷歌苹果的工程师代码提交之前都会找上周围的同时给看一遍，如果对方觉得没有什么问题可以直接提交，并且在提交注释里面写上reviewer名字，这样同时也把责任给担起来了，看似一个很简单的模式，却被绝大部分技术公司沿用。

所以代码不能只有自己能看懂，让别人能看懂你的思路，你的设计意图。

2.好的代码，遵守整个系统编码规范，不出格，最重要的一点好的代码能够经得起实践的考验，在实际运转过程中，没有很重大的系统崩溃出现才能称得上好代码

所以代码不能只是看着好，在性能上也需要有不俗的体现，对于程序员来讲代码就是脸面，特别是在团队配合之中，如果一个人写的代码质量高就会给人形成一种靠谱的感觉，在配合过程中也比较容易形成默契的感觉，一看谁写的代码如果平时代码质量高，大家在调用该模块的时候会觉得很舒心，很放心。代码直接关系着程序员的品质问题了，有很多老程序员对于代码质量非常关注，不允许自己犯一些很低级的错误，导致自己的名誉受损。

为什么有人说弄懂了《算法导论》的90%，就超越了90%的程序员？

其实计算机程序底层核心就是各种数学算法，剩下就是怎么用代码去实现数学，世界上有名的计算机程序大牛几乎都跟数学权威方面的专家有关。

Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？

对于用过几种开发语言（java，c#，nodejs，erlang），而后转Python做机器学习的人，我说说我的看法。

首先，大家说python慢是真的吗？我的回答是真的。非常慢，for循环比cpp慢两个数量级。

那为什么还用Python?假如我们遍历过亿的数据，两个数量级的差异是无法接受的。但如果我们用python做最上层的逻辑，把上亿数据进行分块，python只循环十几次，剩下扔给cpu和gpu。那么两个数量级是否就无所谓了呢？1毫秒和100毫秒在整个系统中真的无所谓了。

python最大的优势在于，可以非常非常优雅的把数据扔给高效的c，cuda去做计算。numpy，pandas，numba这些优秀的开源库可以非常方便的高效的处理海量的数据，借助zmq，celery等还可以做分布式计算，gevent借助系统的epoll进行io优化。所以，不需要花太多精力，就可以优雅，高效的实现海量的数据处理，机器学习的任务。这是python火爆的原因。

想想，同样的性能，代码只有cpp或java的三分之一甚至更少，是不是很有诱惑力？

为什么有些算法可读性很低？

建议阅读源码，可读性差的主要原因是因为都是封装好的库，如果不熟悉相应的库，基本上看不懂，有问题可以私信我，审核期求采纳，先谢谢老铁！

算法的评价指标包括什么？

1.时间复杂度

算法的时间复杂度是指执行算法所需要的时间。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做。

T(n)=Ο(f(n))

因此，问题的规模n 越大，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度

2.空间复杂度

算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。

3.正确性

算法的正确性是评价一个算法优劣的最重要的标准。

4.可读性

算法的可读性是指一个算法可供人们阅读的容易程度。

5.健壮性

健壮性是指一个算法对不合理数据输入的反应能力和处理能力，也成为容错性。