A. 数据挖掘的数据库，算法，统计学要学到什么程度如果满意的话可以加分
学到什么程度？这个问题无法量化地回答你啊！
举个例子，比如我的数学和英语要学到什么程度才算好呢？不好说吧，不过有人告诉你，如果你的数学和英语分数够得上北大清华的录取线，那说明你学得很好了。
那举一反三，数据库，算法，统计学要学到什么程度才算好呢？如果你去应聘IBM、微软、网络、淘宝之类的公司的数据挖掘算法工程师职位，能把面试官都侃晕了，那说明你确实学得很好。
B. “C语言” “算法” “数据库” 之间是什么关系为什么是单独分几本书的呢
简单的可以这么理解， C语言可以用以实现算法及数据库。 算法的范围很大。 一般应用，数据的存储都委托给数据库了。
C. c++标准库算法是什么
#inlcude<algorithm>
详见下面网页：
http://www.cppreference.com/wiki/stl/algorithm/start
D. 关于数据库方面的算法
哈夫曼编码(Huffman Coding)是一种编码方式，以哈夫曼树—即最优二叉树，带权路径长度最小的二叉树，经常应用于数据压缩。在计算机信息处理中，“哈夫曼编码”是一种一致性编码法（又称"熵编码法"），用于数据的无损耗压缩。这一术语是指使用一张特殊的编码表将源字符（例如某文件中的一个符号）进行编码。这张编码表的特殊之处在于，它是根据每一个源字符出现的估算概率而建立起来的（出现概率高的字符使用较短的编码，反之出现概率低的则使用较长的编码，这便使编码之后的字符串的平均期望长度降低，从而达到无损压缩数据的目的）。这种方法是由David.A.Huffman发展起来的。例如，在英文中，e的出现概率很高，而z的出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时，e极有可能用一个位(bit)来表示，而z则可能花去 25个位（不是26）。用普通的表示方法时，每个英文字母均占用一个字节（byte），即8个位。二者相比，e使用了一般编码的1/8的长度，z则使用了 3倍多。倘若我们能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。
1、权是什么？
就是它出现的概率，先挑小的出来。
2、w={10，12，16，21，30}的数字是为什么要放在这里？不能放到顶层码？
这就是他们的权吧。
3、怎样计算？
4、举个类似的例子
就是从短到长排列，然后把最小的两个连起来
重复，知道变成一棵树
比如说1，2，3，4，5这五个数，本身的频度也就是这样，排列好以后
先是1，2合成3，新的排列：3，3，4，5
然后3，3合并成6，新的：4，5，6
然后4，5，新的：6，9
然后在合并
得到的树就是：
顶
6 9
3 3 4 5
1 2
编码的话，就是左边的树杈为0，右边为1
比如说2就是001，大概就是这个意思
E. 如何快速学习基于SQL数据库的算法
。。有哪些表，哪些字段啊 select 学号，课1+课2+课3+课4+课5 as 总成绩 from 成绩表 这种一张表的？
F. 如何学习或理解数据库中的多值依赖，那的算法好乱啊，希望各位牛人多多指点啊，先谢谢了
主要自己有想法 不要一未的追求书本的东西要活学活用 多想想就行了
G. 如何利用python语言实现机器学习算法
基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(一) Python的语法清晰；(二) 易于操作纯文本文件；(三) 使用广泛，存在大量的开发文档。 可执行伪代码 Python具有清晰的语法结构，大家也把它称作可执行伪代码（executable pseudo-code）。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的操作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A，该附录详细介绍了Python语言、Python使用的数据类型以及安装指南。 Python语言处理和操作文本文件非常简单，非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库，使得从HTML中提取数据变得非常简单直观。 Python比较流行 Python语言使用广泛，代码范例也很多，便于读者快速学习和掌握。此外，在开发实际应用程序时，也可以利用丰富的模块库缩短开发周期。 在科学和金融领域，Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵操作，这些函数库增加了代码的可读性，学过线性代数的人都可以看懂代码的实际功能。另外，科学函数库SciPy和NumPy使用底层语言（C和Fortran）编写，提高了相关应用程序的计算性能。本书将大量使用Python的NumPy。 Python的科学工具可以与绘图工具Matplotlib协同工作。Matplotlib可以绘制二D、三D图形，也可以处理科学研究中经常使用到的图形，所以本书也将大量使用Matplotlib。 Python开发环境还提供了交互式shell环境，允许用户开发程序时查看和检测程序内容。 Python开发环境将来还会集成Pylab模块，它将NumPy、SciPy和Matplotlib合并为一个开发环境。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在Python开发环境找到它。 Python语言的特色 诸如MATLAB和Mathematica等高级程序语言也允许用户执行矩阵操作，MATLAB甚至还有许多内嵌的特征可以轻松地构造机器学习应用，而且MATLAB的运算速度也很快。然而MATLAB的不足之处是软件费用太高，单个软件授权就要花费数千美元。虽然也有适合MATLAB的第三方插件，但是没有一个有影响力的大型开源项目。 Java和C等强类型程序设计语言也有矩阵数学库，然而对于这些程序设计语言来说，最大的问题是即使完成简单的操作也要编写大量的代码。程序员首先需要定义变量的类型，对于Java来说，每次封装属性时还需要实现getter和setter方法。另外还要记着实现子类，即使并不想使用子类，也必须实现子类方法。为了完成一个简单的工作，我们必须花费大量时间编写了很多无用冗长的代码。Python语言则与Java和C完全不同，它清晰简练，而且易于理解，即使不是编程人员也能够理解程序的含义，而Java和C对于非编程人员则像天书一样难于理解。 所有人在小学二年级已经学会了写作，然而大多数人必须从事其他更重要的工作。 ——鲍比·奈特 也许某一天，我们可以在这句话中将“写作”替代为“编写代码”，虽然有些人对于编写代码很感兴趣，但是对于大多数人来说，编程仅是完成其他任务的工具而已。Python语言是高级编程语言，我们可以花费更多的时间处理数据的内在含义，而无须花费太多精力解决计算机如何得到数据结果。Python语言使得我们很容易表达自己的目的。 Python语言的缺点 Python语言唯一的不足是性能问题。Python程序运行的效率不如Java或者C代码高，但是我们可以使用Python调用C编译的代码。这样，我们就可以同时利用C和Python的优点，逐步地开发机器学习应用程序。我们可以首先使用Python编写实验程序，如果进一步想要在产品中实现机器学习，转换成C代码也不困难。如果程序是按照模块化原则组织的，我们可以先构造可运行的Python程序，然后再逐步使用C代码替换核心代码以改进程序的性能。C++ Boost库就适合完成这个任务，其他类似于Cython和PyPy的工具也可以编写强类型的Python代码，改进一般Python程序的性能。 如果程序的算法或者思想有缺陷，则无论程序的性能如何，都无法得到正确的结果。如果解决问题的思想存在问题，那么单纯通过提高程序的运行效率，扩展用户规模都无法解决这个核心问题。从这个角度来看，Python快速实现系统的优势就更加明显了，我们可以快速地检验算法或者思想是否正确，如果需要，再进一步优化代码
H. 这个算法怎么解释有详细的解答步骤吗数据库系统原理
大概意思是先吧F中每个左边被X包涵的属性 利用传递率把右边的属性加到闭包中 循环直到X不变话 这样就找到闭包了
I. 熟悉c++perimer和标准程序库，了解数据结构，算法（看的懂算法导论上的列子），能找到c++的工作么
如果你敢说那本书上的例子和题都可以解决，甚至只是都理解，能够说明白
恭喜你，你可以去找工作了
但是你没经验，所以进了公司只会是应届生的待遇
敢问，您多大？越年轻越有希望，年纪太大的半路出家就不怎么好混了
还有，可以在离家较近的城市投些简历，看看效果
J. 数据库中算法怎么学
多买一些关于算术的书、查资料、等