NOIP2009复赛（普及提高）试题及测试数据（普及试题是doc，提高试题是pdf） 数据有windows和Linux的

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。