本数据集分为训练集和测试集，可用于测试决策树学习算法。

对于编写的TSP问题优化算法，随机产生的数据的最优解是未知的。这里给出100多组TSP问题测试数据，并且提供了对应的最优结果。

NOIP2008复赛普及组试题及测试数据

与我的博客配套，具体参照我的博客文章简单易学的机器学习算法——Logistic回归

本人写的关于arcengine的最短路径，实现了路径信息显示，高亮闪烁路径情况，并自带了测试数据，方便使用掌握

使用Python、arima进行时间序列预测 （1）判断时间序列是否是平稳白噪声序列，若不是进行平稳化 （2）本实例数据带有周期性，因此先进行一阶差分，再进行144步差分 （3）看差分序列的自相关图和偏自相关图，差分后的而序列为平稳序列 （4）模型定阶，根据aic,bic,hqic （5）预测，确定模型后预测 （5）还原，由于预测时用的差分序列，得到的预测值为差分序列的预测值，需要将其还原

NOIP 95-07提高组试题及测试数据

将revit模型转化为JSON数据测试数据。下载这请注意这只是我的测试数据

noip2017 、官方测试数据、包含普及组和提高组两个组别的测试数据。

【问题的描述】 一个表达式和一棵二叉树之间，存在着自然的对应关系。写一个程序，实现基于二叉树表示的算术表达式Expression的操作。 【基本要求】 【一】【必做部分】 假设算术表达式Expression内可以含有变量（a-z）,常量（0-9）和二元运算符（+，-，*，/，^（乘幂））。实现以下操作： （1）ReadExpr(E)――以字符序列的形式输入语法正确的前缀表达式并构造表达式E。 （2）WriteExpr(E)――用带括号的中缀表达式输出表达式E。 （3）Assign(V，c)――实现对变量V的赋值（V=c），变量的初值为0。 （4）Value(E)――对算术表达式E求值。 （5）CompoundExpr(p,E1,E2)――构造一个新的复合表达式（E1）p（E2）。 【二】【选做部分】 （1）以表达式的原书写形式输入，支持大于0的正整数常量； （2）增加常数合并操作MergeConst(E)——合并表达式E中所有常数运算。例如，对表达式E=(2+3-a)*(b+3*4)进行合并常数的操作后，求得E=(5-a)*(b+12) 【测试数据】 1) 分别输入0；a;-91;+a*bc;+*5x2*8x;+++*3^*2^x2x6并输出。 2) 每当输入一个表达式后，对其中的变量赋值，然后对表达式求值。 3) 还有很多测试的数据，详细请见附上的文件Test.txt。