实用的电子商务实训报告，大学生基本可以用的到

项目1：基于sklearn的数据分类挖掘 一、项目任务 熟悉sklearn数据挖掘的基本功能。 进行用朴素贝叶斯、KNN、决策树C4.5、SVM算法进行数据分类分析。 二、项目环境及条件 sklearn-0.18.0 python-2.7.13 numpy-1.11.3+mkl-cp27-cp27m-win_amd64 scipy-0.19.0-cp27-cp27m-win_amd64 matplotlib-1.5.3-cp27-cp27m-win_amd64 三、实验数据 Iris数据集 Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含 150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼 宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virgin ica）三个种类中的哪一类。 Digits数据集 美国著名数据集NIST的子集，模式识别常用实验数据集，图像属于灰度图像。分辨率 为8x8 四、项目内容及过程 1.读取数据集 从sklearn中读取iris和digits数据集并测试打印 "from sklearn import datasets " " " "iris = datasets.load_iris() " "digits = datasets.load_digits() " "print 'iris:',iris.data,'\ndigits:',digits.data " 打印的数据集存在numpy.ndarray中，ndarray会自动省略较长矩阵的中间部分。 Iris数据集的样本数据为其花瓣的各项属性 Digits数据集的样本数据为手写数字图像的像素值 2.划分数据集 引入sklearn的model_selection使用train_test_split划分digits数据集，训练集和测 试集比例为8:2 "from sklearn.model_selection import train_test_split " "x_train,x_test,y_train,y_test=train_test_split(digits.data,digits.t" "arget,test_size=0.2) " "print " "'x_train:',x_train,'\nx_test:',x_test,'\ny_train:',y_train,'\ny_tes" "t:',y_test " 3.使用KNN和SVM对digits测试集分类 引用sklearn的svm.SVC和neighbors.KNeighborsClassifier模块调用算法，使用classi fication_report查看预测结果的准确率和召回率 "from sklearn.metrics import classification_report " " " "from sklearn import neighbors " "clf = neighbors.KNeighborsClassifier() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " " " "from sklearn.svm import SVC " "clf = SVC() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " KNN的预测结果：所有数字的预测正确率几乎达到了100% SVM的预测结果：对部分数字的预测误差较大，基本情况不如KNN 考虑SVM分类器的特性，在分类前对特征值进行标准化后再分类： "from sklearn import preprocessing " "min_max_scaler = preprocessing.MinMaxScaler() " "x_train = min_max_scaler.fit_transform(x_train) " "x_test = min_max_scaler.fit_transform(x_test) " 标准化数据后SVM的预测结果达到了KNN的准度： 4.使用贝叶斯和决策树对iris数据集分类 "from sklearn.model_selection import train_test_split " "x_train,

有基础版贪吃蛇外，加了隐藏光标，难度调整，美工，广告位等（小组综合实训，有配ppt和小组实践报告）

旅游网站系统是在旅游人数日益增多的情况下应运而生,它是一个关于现代人对旅游要求的提高和信息方便快捷日益加速而提出的一套应于网络的旅游网站系统。 旅游业的支柱地位已初见端倪。可是全民办旅游的气氛还不浓，许多政策和管理措施还不到位，旅游企业体制不完善等弊端的存在使的坚持大旅游、高起点、优布局、功能全、可持续的原则很难实现。于是电子商务旅游在这种情况下被提了出来，它能满足不同游客的不同要求，使的他们在查询和预定旅游线路、酒店预定等方面能方便和快捷。 旅游网站不仅适合小型的旅行社，对于大中型的旅行社一样适宜。本网站系统通过旅客与我们网站的联系人员联系，能很快的得到需要的服务。该系统为游客提供了经典的旅游线路和报价，酒店价格、条件，车次信息和旅游相关查询等。通过使用网页自动检测浏览客户的最新消息，以实现后台数据的自动刷新功能，为旅客们提供更好的服务。

基于DS18B20和DS1302的监测系统设计实训报告

基本功能： 网站显示商品分类和商品信息，提供搜索商品、浏览商品的功能； 用户能够注册后购物，查看订单、购物车和个人信息； 管理员有管理商品和用户的功能。 实现效果： 图片放大特效，浮动广告，文字滚动，商品秒杀活动，用户注册验证等。 1.1功能介绍 基本实现了网站显示商品分类和商品信息，提供搜索商品、浏览商品的功能；注册和登录，查看订单、购物车和个人信息注册验证；图片放大特效，浮动广告，弹窗广告，文字滚动，商品秒杀活动等。 1.2开发技术 综合运用HTML+CSS+JavaScript技术。 2.1 系统模块划分 网页的模块主要由主页、栏目页、商品详情页、轮播页、个人信息登录页面、秒杀页、购物车、注册和登录、咨询跳转到微信和QQ页、流动广告、弹窗广告等

包含路由交换技术和网络协议分析实验，但避免重复率太高只有可科学上网的师弟师妹们才可以按文档搜索获取完整版

避免重复率太高只有可科学上网的师弟师妹们才可以按文档搜索获取完整版

51单片机数字电子钟实训报告，2011，采用8位LED数码管显示，具有校时，日历显示

(实习报告)电子商务实训报告.docx