西瓜书第六章，选择两个UCI数据集(iris和XX)，linear,rbf两个核函数训练SVM，BP，C.4.5决策树实验比较

uci-2014-04-11.1 亲自测试

山地车怪胎统计 使用Jupyter Notebook和Python在MTB竞赛电路上收集和分析数据。 例子 安装说明 如果您有兴趣自己玩这些东西，则只需下载.ipynb即可开始操作，也可以克隆整个存储库。 git clone https://github.com/domwrap/mtbgeekstats.git 我使用各种库，其中大多数都很常见。 如果您没有它们，则会在尝试执行时被告知，并且您可以使用pip满足任何缺少的依赖关系 pip install pandas seaborn matplotlib colour cycler Numpy没有明确列出，因为pandas会将其安装为自身的依赖项 笔记本中有进一步的说明 学分 作者：多米尼克·雷普森（Dominic Wrapson） @domwrap http://domwrap.me 胡莱克斯 特别感谢 马克·希尔顿（

密度峰值聚类算法源码+测试数据(人工+UCI)

利用随机森林评估特征重要性应用——以UCI葡萄酒为例，可扩展到故障诊断和状态评估领域 # 利用随机森林评估特征的重要性 #筛选出重要性比较高的变量 其中特征评估和变量筛选一直是故障诊断和状态评估领域的一个热门， 随机森林是以决策树为基学习器的集成学习算法，可作为特征变量筛选的重要方法之一，其优良的特性仍然能对故障诊断和状态评估领域的研究提供巨大的帮助， 具有广阔的发展前景。

这里面是机器学习里面聚类所需的数据集，分为人工的二维数据集，如月牙形，双螺旋型等，和UCI真实数据集，是我搜集好久才弄出来的，有一些二维数据集是自己生成的，提供给大家做算法实验。

提供的数据均来自UCI数据库，可以打开其官网链接下载。使用请标明出处。CSDN Allow-er的博客。

数据属性说明： age: 该朋友的年龄 sex: 该朋友的性别 (1 = 男性, 0 = 女性) cp: 经历过的胸痛类型（值1：典型心绞痛，值2：非典型性心绞痛，值3：非心绞痛，值4：无症状） trestbps: 该朋友的静息血压（入院时的毫米汞柱） chol: 该朋友的胆固醇测量值，单位 ：mg/dl fbs: 人的空腹血糖（> 120 mg/dl，1=真；0=假） restecg: 静息心电图测量（0=正常，1=患有ST-T波异常，2=根据Estes的标准显示可能或确定的左心室肥大） thalach: 这朋友达到的最大心率 exang: 运动引起的心绞痛（1=有过；0=没有） oldpeak: ST抑制，由运动引起的相对于休息引起的（“ ST”与ECG图上的位置有关。） slope: 最高运动ST段的斜率（值1:上坡，值2:平坦，值3:下坡） ca: 萤光显色的主要血管数目（0-4） thal: 一种称为地中海贫血的血液疾病（3=正常；6=固定缺陷；7=可逆缺陷） target: 心脏病（0=否，1=是） 心脏病数据有一定问题。

UCI带钢缺陷数据集ZIP压缩包

这里面是机器学习里面聚类所需的数据集，分为人工的二维数据集，如月牙形，双螺旋型等，和UCI真实数据集，是我搜集好久才弄出来的，有一些二维数据集是自己生成的，提供给大家做算法实验。