包括了房屋的经度、房屋的纬度、房龄、房间个数、卧室个数、街区内人口、街区内家庭总数、收入、房屋价值，和sklearn中的california数据集相同，可直接通过pandas.read_csv读取即可，适合sklearn无法正常加载的情况下使用，其中加载代码如下 ```python from sklearn.datasets.california_housing import fetch_california_housing housing = fetch_california_housing() ```

比较全数值分析编程汇总，内容包括： 线性方程组的直接法：Gauss消去法与矩阵三角分解法（Doolittle分解法相比Crout分解法更常用）及其选择列主元的改进方法、Doolittle分解法的延伸（实对称正定矩阵利用Cholesky分解得到的平方根法、三对角矩阵作为线性方程组系数矩阵的追赶法） 线性方程组的迭代法：Jacobi迭代法、Gauss-Seidel迭代法（利用前者每次迭代已得到的最新分量加速）、逐次超松弛（SOR，Successive Over-Relaxation）方法 函数拟合的插值法：拉格朗日（Lagrange）插值法与牛顿（Newton）插值法。 函数逼近方法：数值逼近中引入了函数范数和函数内积的概念。前者用来度量逼近函数与原函数在一个区间内的整体误差，后者广泛用于各种数值逼近方法的计算过程中。函数的∞-范数对应最佳一致逼近；函数的2-范数（Euclid-范数）对应最佳平方逼近。 数值积分算法与数值微分。 非线性方程及方程组的数值方法。 矩阵特征值的数值解法：乘幂法与反幂法。 常微分方程的数值解法：欧拉（Euler）方法，龙格-库塔法。

分割是图像处理中最重要的任务之一。 它包括根据像素的强度级别和阈值将像素分为两组或更多组。 分割的质量取决于用于选择阈值的方法。 使用多级阈值的经典实现在计算上是昂贵的，因为它们详尽地搜索最佳值以优化目标函数。 在这种情况下，优化进化方法的使用得到了扩展。 类电磁算法 (EMO) 是一种进化方法，它模仿电荷之间的吸引力排斥机制来进化种群成员。 与其他算法不同，EMO 表现出有趣的搜索能力，同时保持低计算开销。 本文介绍了一种基于 EMO 的多级阈值 (MT) 算法。 该方法结合了 EMO 算法良好的搜索能力和 Otsu 和 Kapur 流行的 MT 方法提出的目标函数。 该算法从图像直方图中的可行搜索空间中随机抽取样本。 此类样本在 EMO 上下文中构建每个粒子，而考虑到 Otsu 或 Kapur 方法采用的函数的目标来评估其质量。 在这些目标值的指导下，候选解集通过 EMO 算子演化，

拉格朗日插值法

jetson连接PCF8591读取模拟电压值的python版本的程序以及Qt版本实现了GUI界面的程序

Excel财务函数的终值系数和现值系数.rar,终值是本金按照给定利率在若干计息期后按复利计算的本利和。终值是基于复利计息而计算出来的。内容示例了终值系数表和现值系数表。

MD5循环修改器【每秒版VC++】这个也不是什么高级东西，需要的朋友下载吧！

Excel模板普通年金现值与终值计算表.zip

数学建模专栏中的插值算法数据

能实现图像压缩代码简单易懂，适合新手入门学习