这个Python代码实现了Prims算法来优化城镇道路网络（最小生成树问题）。

主程序是 evaluate_class.py 该程序中首先定义了一个 evaluate类 ，此类包含了所有的结果分析方法 类中需要外部调用的函数有三个： EvaCF(thre, n) EvaClu(user_genres_data, movie_genres_data) Q() 其中： EvaCF 用来进行 协同预测 评价 EvaClu 在 社区中用户观看电影种类方面 进行评价 Q 用来进行 模块度 评价 数据文件存放在 ml-1m 文件夹中 pyfile文件夹中存放一些测试以及数据处理文件 其中： collaborative_filtering.py 是利用 协同预测 做矩阵填充的文件，生成predictedratings.dat cut_data.py 用来切割数据集 evaluate_cf.py 是早期用来测试 协同过滤 的文件 MovieGenres.py 文件是早期用来测试 电影-电影种类 的文件 总之，只要有evaluate_class.py 以及 ml-1m文件夹 中的数据，程序就可以运行了。 PS: evaluate.py是未经过类封装的、早期用来做评价

蜡烛烛图 用于创建烛台图的Python代码

python画图的一些代码

可以作为大数据预处理的MapReduce代码的参考！！！ -执行脚本文件： cd /home/hadoop/logfiles/ source format_run_2013_o5_30.sh source format_run_2013_o5_31.sh 执行我们的脚本文件，可以用source或者./

World of Warcraft Fishing Automation Python based on YoloV5 Based on Python YoloV5 target detection, find the position of the fish float, real-time monitoring of the fish float, hook to achieve automatic mouse click bar! Program using PYQT5 visual interface, users can according to their own computer resolution, accurate operation. 9.2 Fishing can collect element essence and cooking raw materials. Automatic down lever setting shortcut key is R .

KMeans Python 代码的实现，还包括scikit-learn-kMeans Python 代码的实现，数据文件为txt , 代码包括读取txt文件数据到python中

余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值， 来评估他们的相似度。 余弦相似度将向量根据坐标值，绘制到向量空间中，如常见的二维空间。 余弦相似度衡量的是2个向量间的夹角大小，通过夹角的余弦值表示结果，因此2个向量的余弦相似度为： 计算公示：分子为向量A与向量B的点乘，父母为各自的L2相乘，即将所有维度值的平方相加后开方。 余弦相似度的取值为[-1,1]，值越大表示越相似 调整余弦相似度 余弦相似度更多的是从方向上区分差异，但是对绝对的数值是不敏感的。 余弦相似度对数值的不敏感导致了结果的误差，需要修正这种不合理性，就出现了调整余弦相似度，即所有维度上的数值都减去一个均值

LCTFP：基于 CNN 和 LSTM 的高速公路交通流量预测模型(python代码) 车站内运行脚本的各个站点的一个半小时内的交通流数据。txt 运行数据_preprocess py。包括读取的所有文件txt。原来的处理数据：数据采集​​、归一化处理时间、处理顺序。 LCTFP使用模型1D CNN + LSTM的组合结构对暴露短时交通流进行预测。1D CNN使用学习时短交通流的空间特征，LSTM使用学习时交通流的时间特征。脚本cnn_lstm_param.py可进行超参数搜索，运行前需安装hyperas。

交通信号灯单路口控制： 状态1：驶入交叉口车道的车辆位置以及车辆左转、右转、直行信号 状态2：max(当前车道信号灯红灯持续时间 - 红灯最大忍受时间, 0) 状态3：上一个信号灯的相位 动作：8种不同相位，每秒中进行一次判断 奖励：前20秒通过路口的车辆数减去sqrt(sum(max(12个信号灯红灯持续时间减去红灯最大忍受时间, 0))) 神经网络输入： 前20秒的状态1，当前状态2，当前状态3 lstm多对一