基於大資料的火爆，越來越多的讀者也在用心鑽研演算法分析的奧妙之處。但是，對不少資料分析人士，甚至it界人士來說，演算法分析也不能算作是容易理解的乙個科目。在此，大聖眾包威客平台（www.dashengzb.cn）特此推薦幾本非常經典的演算法分析相關書籍，讓你見招拆招，n招k.o.演算法分析！
1.《計算複雜性導論》
【基本資訊】
出版社：高等教育出版社
出版年：2002-8
【內容概括】
計算複雜性理論，是用數學方法研究使用數字計算機解決各種演算法問題困難度的理論。本書對電腦科學中這一重要理論做了全面的介紹。其內容包含基本理論，如計算模型np-完全性，以及較深入的課題，如線路複雜性、概率複雜性和互動證明系統等。此外，本書還包括了複雜性理論近年來兩個較重大的突破，即概率可驗證明及其在近似演算法上的應用和平均np-完全理論。本書中所有結果均有嚴格的數學證明，在每章後也配有相關的練習題。此書可用作計算機專業、計算數學專業的計算機理論課程的教材，也是有關研究人員不可或缺的參考書。
【書本評價】
課程推薦教材。
2.《introductiontoalgorithmsthirdedition》
【基本資訊】
出版社：mcgraw-hillscience/engineering/math
出版年：2001-7-16
【內容概括】
此書作為新版本，提供了基本文字和專業的參考，例如對等議題veb樹、多執行緒演算法、動態規劃，等等。
【書本評價】
這個不多說了，所有老師都會推薦的，是mit的經典教材。
3.《algorithmdesign》
【基本資訊】
出版社：addison-wesley
出版年：2005-3-26
【內容概括】
《演算法設計》，通過對現實世界產生問題而引發的好奇心引導到演算法中去。本書加深了讀者對演算法設計過程的理解，業界對其在電腦科學領域中的作用表示讚賞。
【書本評價】
康奈爾的計算機大牛克萊因伯格的演算法分析書，很經典！
4.《演算法設計與分析（21世紀大學本科計算機專業系列教材）》
【基本資訊】
出版社：清華大學出版社
出版年：2011-5
【內容概括】
本書為計算機科學技術專業核心課程「演算法設計與分析」教材。全書以演算法設計技術和分析方法為主線來組織各知識單元，主要內容包括基礎知識、分治策略、動態規劃、貪心法、回溯與分支限界、演算法分析與問題的計算複雜度、np完全性、近似演算法、隨機演算法、處理難解問題的策略等。書中對問題本身的分析和求解方法有突出的闡述，從問題建模、演算法設計與分析、改進措施等方面給出了適當的建議，同時也簡要介紹了計算複雜性理論的核心內容和處理難解問題的一些新技術。本書可作為大學電腦科學與技術、軟體工程、資訊保安、資訊與電腦科學等專業本科生和研究生教學用書，也可以作為從事實際問題求解的演算法設計與分析工作的參考書。
【書本評價】
屈奶奶寫的演算法經典書籍！
5.《程式設計珠磯（第二版·影印版）》
【基本資訊】
出版社：中國電力出版社
出版年：2004-5
【內容概括】
【書本評價】
《演算法導論》的作者之一，很薄，但很經典。
6.《algorithmsinanutshell》
【基本資訊】
出版社：o'reilly
出版年：2008
【內容概括】
建立強大的軟體需要使用高效的演算法，但很少程式設計師會想到它們，除非出現了問題。此書中的演算法描述了大量的解決各種各樣的問題的現有演算法，並為讀者的需求幫助其選擇和實施正確的演算法。本書最大的特點是，只需數學知識便足以讓讀者了解和分析演算法的效能。本書專注於應用，而不是理論，這本書中提到的幾種程式語言均可以很容易地適應特定的專案，從而提供高效的**解決方案。
【書本評價】
演算法經典，**很清楚，專注於應用。
大資料盛行，相關的學科也隨之火熱了起來。演算法分析是對乙個演算法需要多少計算時間和儲存空間作定量的分析。希望通過以上幾本叫好叫座的書籍，讓你在演算法分析以及大資料的路上越走走越順！
實現Apriori演算法（資料探勘經典關聯演算法）
摘自 首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支援度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支援度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這裡採用的是中規則的定義。一旦這些規則被生成，那麼只有那些...
「表哥表姐」看這裡！讓你輕鬆實現資料視覺化！
從校園到職場，但凡需要資料分析的時候，我們總是會想到伴隨我們這麼多年的excel 大家用的怎麼樣？大多數人可能會說好是好，可是 相信大家都有同樣的感覺 做工作匯報，寫 ppt時，心中有萬千想法和海量資料想要去展現，但是效果呢好像不怎麼盡如人意。做出了如下的中國式報表 中國式複雜報表的特點一句話就能概...
一文讓你讀懂為何增強分析是資料分析未來的趨勢
增強分析 具有將傳統資料分析與諸如機器學習 ml 或人工智慧 ai 之類的技術合併以及與nlp進行細微整合的潛力 可以幫助進行資料準備，洞察發現，共享，部署以及增強使用者探索的方式並在分析和bi平台中分析資料。借助增強型分析，下一波bi工具和分析將感覺與眾不同，因為它將繼續在整個bi流程中改變使用者...