项目简介 本项目报名参加了“兖州中材杯”武汉理工大学第十一届环保创意作品大赛艺术理念组比赛。组员共三名，本人负责代码实现部分，其余两人分别负责项目策划与场景人物绘制。 项目背景 小组中负责策划的同学经过一定的调研之后发现，我校在校学生普遍缺乏垃圾分类方面的知识。经过讨论后，我们把游戏方向定位于“垃圾分类”，游戏类型定位于像素风游戏，由于本人水平和时间有限，只能将玩法设计得尽量简单。感谢另外两位组员，他们的努力掩盖了我水平上的不足。 玩法介绍 家控制一名角色在操场背景上移动，垃圾桶在操场边上。捡起垃圾丢进相应的垃圾桶内，若全部正确投放则游戏成功，否则游戏失败。游戏期间，若有不清楚该作何分类的垃圾

实验三 基于朴素贝叶斯实现垃圾短信分类.ipynb

垃圾邮件分类项目 理想情况下，模型的估计性能可以告诉我们它在看不见的数据上的表现如何。 对未来数据进行预测通常是我们要解决的主要问题。 选择度量标准之前了解上下文非常重要，因为每种机器学习模型都会尝试使用不同的数据集来解决具有不同目标的问题。 Logistic回归没有改变，因为它的参数已经是最好的了。 即使SVC取得了很大的进步，但它的速度仍然很慢，但仍然不是最好的。 朴素贝叶斯（Naive Bayes）成功预测了4945个实际垃圾邮件中的4894个。 但是，Logistic回归和朴素贝叶斯彼此接近，不准确的足球我还是选择NaïveBayes模型作为数据集的最佳垃圾邮件分类器，因为朴素贝叶斯比Logistic回归要快。 与更复杂的方法相比，朴素贝叶斯学习者和分类器可以快速得到实现。 类条件特征分布的解耦意味着可以将每个分布独立地估计为一维分布。 反过来，这有助于减轻因维数的诅咒而产生的问题

用C++实现的自动垃圾回收器，是单线程版的

分为四类，可回收垃圾、厨余垃圾、有害垃圾、其他垃圾

基于逻辑回归方法完成垃圾邮件过滤任务.zip

我们在压缩源代码的时候，会发现工程目录几百M，里面有很多的垃圾文件，用这个工具可以方便的删除这些垃圾文件。

文件名：垃圾桶.exe -bat批量处理指令，可以静态删除文件（注：除占用中文件和拒绝访问的文件） -和系统自带的垃圾桶使用方式一样（将欲删除文件拖入即可）

使用Python实现朴素贝叶斯算法实现垃圾邮件分类 一、实验任务内容 1、分解各类先验样本数据中的特征 2、计算各类数据中，各特征的条件概率 3、分解待分类数据中的特征 4、计算各特征的各条件概率的乘积 5、结果中的最大值就是该样本所属的类别 二、实验步骤及结果 1、得到数据集和标签集，返回列表参数，返回单词转换为向量之后的列表。 2、通过训练得到贝叶斯分类模型 3、用朴素贝叶斯文本分类器对两个测试样本进行分类，利用正则函数进行解析 4、导入垃圾邮件和非垃圾邮件各25个并解析；构建训练集和测试集，利用贝叶斯分类模型来预测测试集，输出贝叶斯预测的准确率 5、输出测试10次的平均值 6、输出去重的单词列表和贝叶斯分类模型测试的准确率，测试10次的准确率的平均值。 三、实验心得 朴素贝叶斯确实是很好的预测分类的算法，但是这个算法还是有点过分的依赖训练集了，一些基本的概率计算还是根据训练集的结果得来的（比如40个训练集，10个测试集，它输出的准确率是0.5），预测的结果很大程度上取决于训练集的好坏，一旦训练集数据趋势有误会对结果造成严重的影响。

我们都知道，大量的塑料存在于我们的海洋中。这种废物的发生之一是它冲刷在我们的海滩上。幸运的是，许多社区组织活动清理这些海滩。"欧洲环境局"开发了"海洋垃圾观察"应用程序，以跟踪所有努力，以保持我们的海滩清洁。这一目标是加强欧洲的知识，为欧洲的决策提供支持。 MLW_Data.csv MLW_Meta.csv