【C++高阶】掌握AVL树：构建与维护平衡二叉搜索树的艺术

📝个人主页🌹：Eternity._
⏩收录专栏⏪：C++ “ 登神长阶 ”
🤡往期回顾🤡：STL-> map与set
🌹🌹期待您的关注 🌹🌹

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

❀AVL树

  • 📒1. AVL树的概念
  • 📙2. AVL树节点的定义
  • 📜3. AVL树的插入
  • 📚4. AVL树的旋转
    • 🌈右单旋
    • 🌞左单旋
    • 🌙左右双旋
    • ⭐右左双旋
  • 📝5. AVL树的验证
  • 📘6. AVL树的缺陷
  • 📖7. 总结

前言： 在数据结构的浩瀚海洋中，AVL树（Adelson-Velsky和Landis发明的树）以其独特的平衡机制和高效的搜索性能，成为了一颗璀璨的明星。它不仅解决了二叉搜索树在数据插入和删除时可能产生的失衡问题，更通过旋转操作，使得树的高度始终保持在一个相对较低的水平，从而保证了搜索的高效性

AVL树的学习并非一蹴而就。它需要我们深入理解其背后的数学原理和算法思想，掌握其插入、和旋转等操作的具体实现，并在实践中不断摸索和优化。只有经过这样的过程，我们才能真正掌握AVL树的精髓，并在实际项目中灵活运用

本篇我们将详细介绍AVL树的基本概念、性质、插入操作的具体实现、旋转操作的原理和技巧等内容！

让我们一起踏上学习 AVL树 的旅程，探索它带来的无尽可能！

📒1. AVL树的概念

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。

因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法：

当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：

  • 它的左右子树都是AVL树
  • 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

在这里插入图片描述
注意： 如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 O ( l o g 2 n ) O(log_2 n) O(log2​n)，搜索时间复杂度O( l o g 2 n log_2 n log2​n)

📙2. AVL树节点的定义

AVL树节点的定义通常包含以下几个关键部分：

基本元素：

  • _left：指向节点的左子节点的指针
  • _right：指向节点的右子节点的指针
  • _parent：指向节点的父节点的指针
  • _kv：一个结构体或配对（pair），包含节点的键值（key）和值（value）。这取决于AVL树的具体用途，可能只包含键或包含键值对。

平衡因子（_bf）：

  • 一个整数，表示节点左子树和右子树的高度差。AVL树的性质要求任何节点的平衡因子的绝对值不超过1（-1, 0, 1）

构造函数：

  • 初始化一个新节点时，通常需要一个构造函数，它接受一个键值对（或仅键），并设置节点的左子节点、右子节点、父节点和平衡因子（初始化为0）

节点定义示例(C++)：

template<class K,class V>
struct AVLTreeNode
{
	AVLTreeNode<K, V>* _left; // 该节点的左孩子
	AVLTreeNode<K, V>* _right; // 该节点的右孩子
	AVLTreeNode<K, V>* _parent; // 该节点的父亲
	
	pair<K, V> _kv;  // pair

	int _bf; // balance factor 该节点的平衡因子

	AVLTreeNode(const pair<K, V>& kv)
		:_left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _kv(kv)
		, _bf(0)
	{}
};

📜3. AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入过程可以分为两步：

  • 按照二叉搜索树的方式插入新节点
  • 调整节点的平衡因子

在我们进行插入操作之前，我们先定义一个AVL树的类

AVL树定义示例(C++)：

template<class K,class V>
class AVLTree
{
	typedef AVLTreeNode<K, V> Node;
public:
	// 其他未实现的成员函数
private:
	Node* _root = nullptr;
};

cur插入后，parent的平衡因子一定需要调整

在插入之前，parent的平衡因子分为三种情况：-1，0, 1, 分以下两种情况：

  • 如果cur插入到parent的左侧，只需给parent的平衡因子-1即可
  • 如果cur插入到parent的右侧，只需给parent的平衡因子+1即可

插入后，parent的平衡因子可能有三种情况：0，正负1， 正负2

  • 如果parent的平衡因子为0，说明插入之前parent的平衡因子为正负1，插入后被调整
    成0，此时满足AVL树的性质，插入成功
  • 如果parent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更
    新成正负1，此时以parent为根的树的高度增加，需要继续向上更新
  • 如果parent的平衡因子为正负2，则parent的平衡因子违反平衡树的性质，需要对其进
    行旋转处理

AVL树的插入操作类似于我们之前二叉搜索树的插入，只不过AVL树的插入操作涉及到旋转操作，我们先演示一下它的全部代码

AVL树插入示例(C++)：

bool Insert(const pair<K, V>& kv)
{
	// 当根节点为空时直接插入
	if (_root == nullptr)
	{
		_root = new Node(kv);
		return true;
	}
	Node* parent = nullptr;
	Node* cur = _root;
		
	// 寻找插入位置
	while (cur)
	{
		if (cur->_kv.first > kv.first)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (cur->_kv.first < kv.first)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
		return false;
		}
	}
	// 链接新节点
	cur = new Node(kv);
	if (parent->_kv.first > kv.first)
	{
		parent->_left = cur;
		cur->_parent = parent;
	}
	else
	{
		parent->_right = cur;
		cur->_parent = parent;
	}
	// 更改平衡因子
	while (parent)
	{
		if (cur == parent->_left)
		{
			parent->_bf--;
		}
		else
		{
			parent->_bf++;
		} 

		if (parent->_bf == 0)
		{
			break;
		}
		// 向上遍历，判断祖先是否受到影响
		else if (parent->_bf == 1 || parent->_bf == -1)
		{
			cur = parent;
			parent = parent->_parent;
		}
		// 平衡出现问题，需要进行修理
		else if(parent->_bf == 2 || parent->_bf == -2)
		{
			// 旋转
			if (parent->_bf == 2 && cur->_bf == 1)
			{
				RotateL(parent);
			}
			else if (parent->_bf == -2 && cur->_bf == -1)
			{
				RotateR(parent);
			}
			else if (parent->_bf == -2 && cur->_bf == 1)
			{
				RotateLR(parent);
			}
			else if (parent->_bf == 2 && cur->_bf == -1)
			{
				RotateRL(parent);
			}
			break;
		}
		else
		{
			assert(false);
		}
	}
	return true;
}

📚4. AVL树的旋转

如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，
使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：

🌈右单旋

新节点插入较高左子树的左侧—左左：

此处旋转是将30的右子树变成60的左子树，然后让60成为30的右子树

在旋转中有几点要注意：

  • 30这个节点的右孩子可能不存在
  • 60这个节点可能是根节点，也可能是子树

如果是根节点，旋转完成后，要更新根节点
如果是子树，可能是某个节点的左子树，也可能是右子树

AVL树右单旋示例(C++)：

void RotateR(Node* parent)
{
	// 定义parent的左孩子 和 parent的左孩子的右孩子
	Node* subL = parent->_left;
	Node* subLR = subL->_right;

	parent->_left = subLR;
	if (subLR)
	{
		subLR->_parent = parent;
	}
	// 当旋转点是子树时，保留父亲节点
	Node* Parentparent = parent->_parent;

	subL->_right = parent;
	parent->_parent = subL;
	// 当旋转点是根时，跟新根节点
	if (_root == parent)
	{
		_root = subL;
		subL->_parent = nullptr;
	}
	// 当旋转点是子树时，更新链接
	else
	{
		if (parent == Parentparent->_left)
		{
			Parentparent->_left = subL;
		}
		else
		{
			Parentparent->_right = subL;
		}

		subL->_parent = Parentparent;
	}
	// 更新平衡因子为0
	parent->_bf = subL->_bf = 0;
}

🌞左单旋

新节点插入较高右子树的右侧—右右：
在这里插入图片描述
左单旋与单旋类似，所以我们直接来看代码

AVL树左单旋示例(C++)：

void RotateL(Node* parent)
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;

	parent->_right = subRL;
	subR->_left = parent;

	Node* Parentparent = parent->_parent;

	parent->_parent = subR;
	if (subRL)
	{
		subRL->_parent = parent;
	}

	// 判断parent是不是根节点
	if (_root == parent)
	{
		_root = subR;
		subR->_parent = nullptr;
	}
	else
	{
		if (parent == Parentparent->_left)
		{
			Parentparent->_left = subR;
		}
		else
		{
			Parentparent->_right = subR;
		}
   		subR->_parent = Parentparent;
	}
	parent->_bf = subR->_bf = 0;
}

🌙左右双旋

新节点插入较高左子树的右侧—左右：
在这里插入图片描述
这里是将双旋变成单旋后再旋转，先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因子的更新

这里单旋可以复用上面讲的

AVL树左右双旋示例(C++)：

void RotateLR(Node* parent)
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;
	int bf = subLR->_bf; // 根据右子树的右孩子的平衡因子，判断旋转后的平衡因子情况

	// 复用单旋
	RotateL(parent->_left);
	RotateR(parent);

	// subLR就是新插入节点
	if (bf == 0)
	{
		parent->_bf = subL->_bf = subLR->_bf = 0;
	}
	else if (bf == 1)
	{
		subLR->_bf = 0;
		parent->_bf = 0;
		subL->_bf = -1;
	}
	else if (bf == -1)
	{
		subLR->_bf = 0;
		parent->_bf = 1;
		subL->_bf = 0;
	}
	else
	{
		assert(false);
	}
}

⭐右左双旋

新节点插入较高右子树的左侧—右左：
在这里插入图片描述
右左双旋和左右双旋类似，我们直接看代码

AVL树右左双旋示例(C++)：

void RotateRL(Node* parent)
	{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;
	int bf = subRL->_bf;
	
	// 复用单旋
	RotateR(parent->_right);
	RotateL(parent);

	if (bf == 0)
	{
		parent->_bf = subR->_bf = subRL->_bf = 0;
	}
	else if (bf == 1)
	{
		subRL->_bf = 0;
		parent->_bf = -1;
		subR->_bf = 0;
	}
	else if (bf == -1)
	{
		subRL->_bf = 0;
		parent->_bf = 0;
		subR->_bf = 1;
	}
	else
	{
		assert(false);
	}
}

总结：

假如以parent为根的子树不平衡，即parent的平衡因子为2或者-2，分以下情况考虑

  • parent的平衡因子为2，说明parent的右子树高，设parent的右子树的根为subR
    当subR的平衡因子为1时，执行左单旋
    当subR的平衡因子为-1时，执行右左双旋
  • parent的平衡因子为-2，说明parent的左子树高，设parent的左子树的根为subL
    当subL的平衡因子为-1是，执行右单旋
    当subL的平衡因子为1时，执行左右双旋

旋转完成后，原parent为根的子树个高度降低，已经平衡，不需要再向上更新

📝5. AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

验证其为二叉搜索树

如果中序遍历可得到一个有序的序列，就说明为二叉搜索树

代码演示示例(C++)：

// 中序遍历
void InOrder()
{
	_InOrder(_root);
	cout << endl;
}

void _InOrder(Node* root)
{
	if (root == nullptr)
	{
		return;
	}
	_InOrder(root->_left);
	cout << root->_kv.first << " ";
	_InOrder(root->_right);
}

验证其为平衡树

  • 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
  • 节点的平衡因子是否计算正确

代码演示示例(C++)：

bool IsBalance()
{
	return _IsBalance(_root);
}

int _Height(Node* root)
{
	if (root == nullptr)
	{
		return;
	}
	int rightHeight = _Height(root->_right);
	int leftHeight = _Height(root->_left);

	return rightHeight > leftHeight ? rightHeight + 1 : leftHeight + 1;
}

bool _IsBalance(Node* root)
{
	if (root == nullptr)
	{
		return true;
	}

	int rightHeight = _Height(root->_right);
	int leftHeight = _Height(root->_left);

	if (rightHeight - leftHeight != root->_bf)
	{
		cout << root->_kv.first << "平衡因子有误" << endl;
		return false;
	}

	return abs(rightHeight - leftHeight) < 2
		&& _IsBalance(root->_left)
		&& _IsBalance(root->_right);
}

验证用例

int main()
{
	// 这里会进行双旋
	int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };
	AVLTree<int, int> t;
	
	for (auto e : a)
	{
		t.Insert(make_pair(e, e));
	}
	t.InOrder();
	cout << t.IsBalance() << endl;

	return 0;
}

在这里插入图片描述

📘6. AVL树的缺陷

缺陷原因
插入操作复杂为了保持树的平衡，每次插入或删除节点时，AVL树可能需要进行多次旋转操作。具体来说，插入一个节点可能需要单旋转或双旋转来重新平衡树结构，而删除节点后可能需要从被删除节点到根节点这条路径上所有节点的平衡，旋转的量级最坏情况下为O(logN)。这增加了操作的复杂性并可能影响性能。
维护成本高由于AVL树要求每个节点的左右子树高度差不超过1，因此需要频繁地检查和调整树的结构。这种严格的平衡要求导致了相对较高的维护成本，特别是在频繁进行插入和删除操作的情况下。
空间开销较大虽然AVL树在查找效率上具有优势，但由于其需要频繁地进行旋转操作以维持平衡，这可能导致额外的空间开销。尤其是在处理大量数据时，这种开销可能会更加明显。
不适用于所有场景AVL树适用于查找操作远多于插入和删除操作的场景。如果在一个应用中插入和删除操作也非常频繁，那么AVL树可能不是最优选择，因为每次插入和删除都需要进行平衡调整，这会影响性能。

📖7. 总结

在深入探讨AVL树的旅程即将结束时，我们不禁为这种精妙的数据结构所折服。AVL树不仅以其高度的平衡性保证了高效的搜索、插入操作，而且它所蕴含的平衡维护机制也体现了计算机科学中的智慧与美

学习AVL树的过程，不仅是一次对数据结构知识的积累，更是一次对问题分析和解决能力的锻炼。我们学会了如何在插入和删除操作中通过旋转操作来保持树的平衡，这种动态调整的思想在软件开发中同样具有广泛的应用

AVL树的学习之旅虽然告一段落，但我们对数据结构和算法的探索永无止境。在未来的学习和工作中，我们将会遇到更多复杂的问题和挑战，但只要我们保持对知识的渴望和对问题的深入思考，就一定能够找到解决问题的钥匙

让我们以AVL树为起点，继续在数据结构和算法的海洋中遨游，不断挖掘计算机科学的奥秘，为未来的技术创新和进步贡献自己的力量。愿每一位学习者都能在求知的道路上不断前行，收获满满的智慧与快乐

在这里插入图片描述

希望本文能够为你提供有益的参考和启示，让我们一起在编程的道路上不断前行！
谢谢大家支持本篇到这里就结束了，祝大家天天开心！
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/737574.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

PMP-项目管理原则与生命周期

PMP-项目管理原则与生命周期

阅读更多...
统信UOS桌面操作系统漏洞修复流程

统信UOS桌面操作系统漏洞修复流程

原文链接&#xff1a;统信UOS桌面操作系统漏洞修复流程 Hello&#xff0c;大家好啊&#xff01;今天给大家带来一篇关于统信UOS桌面操作系统漏洞修复的文章。维护操作系统的安全性非常重要&#xff0c;定期修复漏洞可以防止潜在的安全威胁。本文将详细介绍如何在统信UOS桌面操作…
阅读更多...
VMware Workstation克隆虚拟机详细步骤

VMware Workstation克隆虚拟机详细步骤

克隆虚拟机 首先我们先创建一台虚拟机&#xff0c;将该虚拟机关闭后&#xff0c;然后右键该虚拟机按照图下所示点击 克隆 下一页 下一页 这里按照需求选择克隆类型&#xff0c;我选择创建完整克隆。点击下一步 设置好虚拟机名称和位置&#xff0c;点击完成 稍微等待一会 点击 …
阅读更多...
SQL注入-sqlmap使用

SQL注入-sqlmap使用

sqlmap简介 一款自动化的SQL注入工具&#xff0c;其主要功能是扫描&#xff0c;发现并利用给定的URL的SQL注入漏洞&#xff0c;目前支持的数据库是MySQL, Oracle, PostgreSQL, Microsoft SQL Server, Microsoft Access, IBM DB2, SQLite, Firebird, Sybase和SAP MaxDB Sqlma…
阅读更多...
ansible 任务块以及循环

ansible 任务块以及循环

任务块 可以通过block关键字&#xff0c;将多个任务组合到一起可以将整个block任务组&#xff0c;一起控制是否要执行 # 如果webservers组中的主机系统发行版是Rocky&#xff0c;则安装并启动nginx [rootpubserver ansible]# vim block1.yml --- - name: block tasks hosts…
阅读更多...
全面讲解数字化采购：整体技术架构与最佳实践

全面讲解数字化采购：整体技术架构与最佳实践

在全球化和数字化浪潮的推动下&#xff0c;企业的采购流程正经历深刻变革。数字化采购通过引入先进的信息技术&#xff0c;优化供应链管理&#xff0c;提高采购效率&#xff0c;降低成本。本文将详细介绍数字化采购的整体技术架构&#xff0c;并分享最佳实践经验&#xff0c;帮…
阅读更多...
摄影约拍管理系统

摄影约拍管理系统

摘 要 摄影约拍管理系统是一种基于SSM框架的系统&#xff0c;旨在为摄影师和用户提供便捷的约拍服务。本文通过对系统的设计与实现&#xff0c;解决了传统约拍方式中存在的信息不对称、预约流程繁琐等问题。本文介绍了系统的研究背景与意义&#xff0c;分析了国内外发展现状&a…
阅读更多...
联盟学习：技术原理、特点及适用场景

联盟学习：技术原理、特点及适用场景

一、引言 随着大数据和人工智能技术的快速发展&#xff0c;数据成为了推动科技进步的重要资源。然而&#xff0c;在实际应用中&#xff0c;数据往往呈现出碎片化、分散化的特点&#xff0c;如何有效地利用这些数据成为了业界关注的焦点。联盟学习&#xff08;Federated Learni…
阅读更多...
【算法面试】二分查找：如何在有序数组中高效搜索目标值

【算法面试】二分查找：如何在有序数组中高效搜索目标值

目录 题目描述 示例 1: 示例 2: 问题分析 解决方法 方法 1&#xff1a;标准二分查找 方法 2&#xff1a;递归二分查找 方法 3&#xff1a;非递归简化版本 方法 4&#xff1a;带调试信息的版本 详细步骤 总结 博主v&#xff1a;XiaoMing_Java 二分查找是一种常见的算…
阅读更多...
C语言常用标准头文件

C语言常用标准头文件

头文件的基础概念 在C的系列语言程序中&#xff0c;头文件&#xff08;通常扩展名为.h&#xff09;被大量使用&#xff0c;它通常包含函数、变量、结构体等的声明和定义&#xff0c;以及一些宏定义和类型定义。头文件的主要作用是为了方便管理和重用代码&#xff0c;它可以被多…
阅读更多...
【电源专题】案例：电量计遇到JEITA充电芯片，在高温下无法报百怎么办？

【电源专题】案例：电量计遇到JEITA充电芯片，在高温下无法报百怎么办？

在使用电量计芯片时，我们期望的是在产品工作温度下、在产品最低和正常充电电流下都要能报百。 所谓报百，就是电量计RSOC（电量百分比）能到达100%。这看起来简单，如果是常规的操作的话，那么电压达到充电截止要求、电流达到充电截止要求、容量累积变化满足要求，RSOC=100%肯…
阅读更多...
[分布式网络通讯框架]----ZooKeeper下载以及Linux环境下安装与单机模式部署（附带每一步截图）

[分布式网络通讯框架]----ZooKeeper下载以及Linux环境下安装与单机模式部署（附带每一步截图）

首先进入apache官网 点击中间的see all Projects->Project List菜单项进入页面 找到zookeeper&#xff0c;进入 在Zookeeper主页的顶部点击菜单Project->Releases&#xff0c;进入Zookeeper发布版本信息页面&#xff0c;如下图&#xff1a; 找到需要下载的版本 …
阅读更多...
外部网络如何访问内网？

外部网络如何访问内网？

在现代信息化时代&#xff0c;随着企业规模的扩大和业务范围的扩展&#xff0c;越来越多的企业需要实现外部网络访问内网的需求。外部网络访问内网指的是在外部网络环境下&#xff0c;通过互联网等公共网络途径&#xff0c;实现对企业内部网络的访问和操作。这种需求的出现&…
阅读更多...
iptables动作总结

iptables动作总结

ACCEPT动作 将数据包放行&#xff0c;进行完此处理动作后&#xff0c;将不再比对当前链的其它规则&#xff0c;直接跳往下一个规则链。 范例如下&#xff1a; #新增自定义链TEST_ACCEPTiptables -t filter -N TEST_ACCEPT#新增自定义链TEST_ACCEPT2iptables -t filter -N TES…
阅读更多...
仿迪恩城市门户分类信息网discuz模板

仿迪恩城市门户分类信息网discuz模板

Discuz x3.3模板 仿迪恩城市门户分类信息网 (GBK) Discuz模板 仿迪恩城市门户分类信息网(GBK)
阅读更多...
Spring 内部类获取不到@Value配置值问题排查（附Spring代理方式）

Spring 内部类获取不到@Value配置值问题排查（附Spring代理方式）

目录 一、实例问题 1、现象 2、原因 3、解决 二、Spring的代理模式 1、静态代理&#xff08;Static Proxy&#xff09; 1&#xff09;原理 2&#xff09;优缺点 3&#xff09;代码实现 2、JDK动态代理&#xff08;JDK Dynamic Proxy&#xff09; 1&#xff09;原理 …
阅读更多...
用于射频功率应用的氮化铝电阻元件

用于射频功率应用的氮化铝电阻元件

EAK推出了新的厚膜氮化铝 &#xff08;AlN&#xff09; 电阻器和端接系列&#xff0c;以补充公司现有的产品。传统上&#xff0c;射频功率电阻元件采用氧化铍&#xff08;BeO&#xff09;陶瓷材料作为陶瓷基板;然而&#xff0c;由于国际上要求从产品中去除BeO的压力&#xff0c…
阅读更多...
第T2周：彩色图片分类

第T2周：彩色图片分类

&#x1f368; 本文为&#x1f517;365天深度学习训练营 中的学习记录博客&#x1f356; 原作者&#xff1a;K同学啊 &#x1f449; 要求&#xff1a; 学习如何编写一个完整的深度学习程序了解分类彩色图片会灰度图片有什么区别测试集accuracy到达72% &#x1f9be;我的环境&am…
阅读更多...
【ajax核心05】宏任务与微任务

【ajax核心05】宏任务与微任务

ES6之后引入Promise对象(用来管理异步任务)&#xff0c;让JS引擎也可以发起异步任务 一&#xff1a;异步任务分类 异步任务分为&#xff1a;宏任务与微任务 宏任务 由浏览器环境执行的异步代码 具体宏任务分类 微任务 由JS引擎执行的代码 创建Promise对象时&#xff0c;…
阅读更多...
数据清洗！即插即用！异常值、缺失值、离群值处理、残差分析和孤立森林异常检测，确保数据清洗的全面性和准确性，MATLAB程序！

数据清洗！即插即用！异常值、缺失值、离群值处理、残差分析和孤立森林异常检测，确保数据清洗的全面性和准确性，MATLAB程序！

适用平台&#xff1a;Matlab2021版及以上 数据清洗是数据处理和分析中的一个关键步骤&#xff0c;特别是对于像风电场这样的大型、复杂数据集。清洗数据的目的是为了确保数据的准确性、一致性和完整性&#xff0c;从而提高数据分析的质量和可信度&#xff0c;是深度学习训练和…
阅读更多...
最新文章

Copyright @ 2022~2023