本代码实现了朴素贝叶斯分类器（假设了条件独立的版本），常用于垃圾邮件分类，进行了拉普拉斯平滑。 关于朴素贝叶斯算法原理可以参考博客中原理部分的博文。 #!/usr/bin/python # -*- coding: utf-8 -*- from math import log from numpy import* import operator import matplotlib import matplotlib.pyplot as plt from os import listdir def loadDataSet(): postingList=[['my', 'dog', 'has'

应用于计算机和化学领域，可以计算任意分子的相对分子质量，也可以乘以计量数 EG: Input: 2(CuSO4.5H2O) Output:500 注意：使用英文半角输入 符合化学语言 适用于 win10 win11 win7(可能报丢失dol,修复即可） 本文件用python开发，pyinstaller打包，无第三方库，纯原创 关注私信看源码 本文件无需积分（0积分），大家放心下载 如果下载使用时，可恶的360判定病毒，允许程序所有操作（本次操作）即可 放心使用，亲测结果正确，无毒无害 如有BUG，欢迎反馈

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等各个领域。 该算法的基本思想 是:首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。

适用于企业面向客户及初学者学 （1）为获得较优惠的价格，我们通常会在不同电商之间进行价格对比。如何快 速实现价格比对，我们需要开发一个自动电商比价机器人。 1. 输入你想要比价的某商品，例如华为MATE50手机； 2. 分别登录淘宝/京东/唯品会，获取销售量前10的价格； 3. 将获取到的价格整理在新建或已存在的excel当中； （2）设计一个猜大小的小游戏，即产生一个1至50之间的随机数，让用户猜测直至成功 （3）企业经常组织摇号抽奖的活动，需要随机生成中奖名单。开发一个摇号抽 奖机器人。 1. 从excel表中读取参加抽奖的人员姓名及数量，并以exce中的人员信息顺序为人 员编号； 2. 输入中奖人员数量； 3. 随机抽取中奖人员的编号； 4. 依次将中奖人员的编号转化为中奖人员姓名； 5. 弹出所有中奖人员姓名 （4）模拟小艺等智能音箱实现天气预报自动朗读。 华为数字机器人实训体验场景 2022-10-19 第2页, 共7页 1. 打开某天气预报网站https://tianqi.2345.com/； 2. 获取当天的温度信息文本； 3. 引入朗读文本控件朗读需要朗读的天气内容信息

通过学习斯坦福公开课的线性规划和梯度下降，参考他人代码自己做了测试，写了个类以后有时间再去扩展，代码注释以后再加，作业好多： import numpy as np import matplotlib.pyplot as plt import random class dataMinning: datasets = [] labelsets = [] addressD = '' #Data folder addressL = '' #Label folder npDatasets = np.zeros(1) npLabelsets = np.zeros(1) cos

C4.5算法使用信息增益率来代替ID3的信息增益进行特征的选择，克服了信息增益选择特征时偏向于特征值个数较多的不足。信息增益率的定义如下： # -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class C45DTree(object): def __init__(self): # 构造方法 self.tree = {} # 生成树 self.dataSet = [] # 数据集 self.labels = [] # 标签集 # 数据导入

一心想学习算法，很少去真正静下心来去研究，前几天趁着周末去了解了最短路径的资料，用python写了一个最短路径算法。算法是基于带权无向图去寻找两个点之间的最短路径，数据存储用邻接矩阵记录。首先画出一幅无向图如下，标出各个节点之间的权值。 其中对应索引： A ——> 0 B——> 1 C——> 2 D——>3 E——> 4 F——> 5 G——> 6 邻接矩阵表示无向图： 算法思想是通过Dijkstra算法结合自身想法实现的。大致思路是：从起始点开始，搜索周围的路径，记录每个点到起始点的权值存到已标记权值节点字典A，将起始点存入已遍历列表B，然后再遍历已标记权值节点字典A，搜索节点周围的路径

上一篇博客主要介绍了决策树的原理，这篇主要介绍他的实现，代码环境python 3.4，实现的是ID3算法，首先为了后面matplotlib的绘图方便，我把原来的中文数据集变成了英文。 原始数据集： 变化后的数据集在程序代码中体现，这就不截图了 构建决策树的代码如下： #coding :utf-8 ''' 2017.6.25 author :Erin function: decesion tree ID3 ''' import numpy as np import pandas as pd from math import log import operator def load_

禁忌搜索算法的python实现，以旅行商问题作为算法实例。摘要50个字我实在打不完，剩下的就是凑字数的，可以忽略。

挪威畅销书作者Magnus Lie Hetland的力作，用python语言解释部分数据结构和基础算法。