python-knn

资源描述决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。其次，决策树方法计算复杂度不大，分类效率高，能够处理大数据量的训练集；最后，决策树方法的分类精度较高，对噪声数据有较好的健壮性，符合一般系统的要求。

判断链表中是否有循环 有的话,按序打印一次(To determine if there is a loop in the list, print it in sequence)

Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

数据挖掘算法，高效用项集挖掘算法，加权频繁项集挖掘，HUIMINER算法，源码中有详细注释

说明：  R语言构建贝叶斯网络，很实用的讲解和案例(Construction of Bayesian network with R language, a very practical explanation and case)

google搜索的核心技术,VC++源码实现,包含测试数据库()

徐士良《C常用算法程序集》第2版 第2部分()

关于大数据的论文，对稀疏表示分类有很大的帮助，希望对初学者哟帮助

主要是对二手房房价的因变量房价和其相关的因变量之间的关系进行简单的描述统计分析(Mainly for the second-hand house price dependent variable housing prices and its related variables of the relationship between the simple description of statistical analysis)

一个xgboost实现的回归模型预测，数据集来源于kaggle的taxi竞赛(Regression model prediction based on a xgboost implementation)