特定数据算法
概念：数据算法是指在处理数据时所遵循的一系列明确的步骤和规则，它可以用来解决各种数据处理问题，例如排序、查找、数据挖掘、机器学习等。
分类：
排序算法：如冒泡排序、插入排序、选择排序、快速排序、归并排序等，主要用于将一组数据元素按照特定的顺序（通常是升序或降序）进行排列。
查找算法：包括顺序查找、二分查找、哈希查找等，用于在一组数据中找到特定元素的位置或确定其是否存在。
图算法：例如最短路径算法（Dijkstra 算法、Floyd-Warshall 算法）、最小生成树算法（Prim 算法、Kruskal 算法）等，用于解决图结构中的各种问题，如找到两个节点之间的最短路径，或者构建一棵包含所有节点且边的总权重最小的树。
搜索算法：如深度优先搜索（DFS）和广度优先搜索（BFS），常用于遍历树和图结构，解决路径搜索、连通性判断等问题。
机器学习算法：像线性回归、逻辑回归、决策树、支持向量机、K 近邻算法、神经网络等，用于从数据中学习模式和进行预测。
数据挖掘算法：包括关联规则挖掘（Apriori 算法）、聚类算法（K-Means 算法、层次聚类）、分类算法（朴素贝叶斯、决策树分类）等，用于从大量数据中提取有用的信息，如发现数据之间的关联、将数据分成不同的类别等。
重要性：好的数据算法可以显著提高程序的性能和效率，特别是在处理大量数据时，不同算法的时间复杂度和空间复杂度可能会导致性能上的巨大差异。
评估指标：
时间复杂度：表示算法执行所需的时间与输入规模之间的关系，通常用大 O 符号表示，如 O (n)、O (n log n)、O (n²) 等。
空间复杂度：表示算法执行所需的内存空间与输入规模之间的关系。
