多项式复杂度的算法是复杂度比较高的算法

1. 多项式复杂度的算法是复杂度比较高的算法

多项式复杂度的算法是复杂度比较高的算法。这句话是错误的。

1、时间复杂度
时间复杂度不是测量一个算法或一段代码在某个机器或者条件下运行所花费的时间。时间复杂度一般指时间复杂性，时间复杂度是一个函数，它定性描述该算法的运行时间，允许我们在不运行它们的情况下比较不同的算法。例如，带有O(n)的算法总是比O(n)表现得更好，因为它的增长率小于O(n)。
2、空间复杂度
就像时间复杂度是一个函数一样，空间复杂度也是如此。 从概念上讲，它与时间复杂度相同，只需将时间替换为空间即可。 维基百科将空间复杂度定义为：
算法或计算机程序的空间复杂度是解决计算问题实例所需的存储空间量，以特征数量作为输入的函数。
下面我们整理了一些常见的机器学习算法的计算复杂度。
1、线性回归
n= 训练样本数，f = 特征数；训练时间复杂度：O(fn+f)；
预测时间复杂度：O(f)；运行时空间复杂度：O(f)
2、逻辑回归
n= 训练样本数，f = 特征数；训练时间复杂度：O(f*n)
预测时间复杂度：O(f)；运行时空间复杂度：O(f)

2. 分析下列算法的复杂度？

答：主要看双重循环部分，外层循环执行n次，内层循环执行m次，总共执行次数为m×n次，对应时间复杂度为O(n＾2)。

3. 算法复杂度主要包括时间复杂度和空间复杂度

算法复杂度主要包括时间复杂度和空间复杂度解释如下：
算法的时间复杂度是指对算法执行时所花时间的度量。一般为问题规模的函数。
计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况。
算法复杂度分为时间复杂度和空间复杂度。

算法的时间复杂度作用： 
时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。
算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间资源，因此复杂度分为时间和空间复杂度。

时间复杂度和空间复杂度资料：
算法复杂度分为时间复杂度和空间复杂度。其作用： 时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。（算法的复杂性体运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。

4. 什么是算法的复杂性

算法的复杂性主要包括两个内容:时间复杂度和空间复杂度；
（1）时间复杂度：表示算法运行时间的长短，主要和数据的规模、算法实现的效率有关，一般用O(n)来表示，n表示数据的规模大小。
（2）空间复杂度，主要是指算法实现所需占用内存空间的大小，一般用S（n)来表示。

5. 计算复杂性的介绍

所谓计算复杂性，通俗说来，就是用计算机求解问题的难易程度。其度量标准：一是计算所需的步数或指令条数（这叫时间复杂度），二是计算所需的存储单元数量（这叫空间复杂度）的书籍。

6. 该算法的分而治之中的复杂度是怎么计算的

因为2^k等于N就，即k=logN
将其带入你圈起来的1得（因为O（f（n））≥cf(n)）
=cN+cNlogN
=O（NlogN）(当N足够大时，复杂度取决于第二项)

7. 进行算法的复杂度分析以及渐进效率分析

(1) C=105和N0=1 是什么意思
这里只是给出例子, 说明C 和n0不是固定的,  但只要找到一组确定的C, n0, 就表示符合O(g(n))
(2) C2g（n）=<t(n)=<C1g(n)
这里也是类似，
考虑n(n-1)/2<=n^2/2时， 可取c1=1/2, n0=0
考虑n(n-1)/ >= n^2/4时，可取c2=1/4, n0=2
最终取n0=2即可满足上限和下限要求。

8. 算法的时间复杂度取决于什么,算法分析的时间复杂度取决于

1.算法时间复杂度取决于问题的规模和待处理数据的初态。
 
 2.算法的时间复杂度是衡量一个算法效率的基本方法，同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。
 
 3.计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。
 
 4.这是一个关于代表算法输入值的字符串的长度的函数。
 
 5.时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。
 
 6.使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况。