在 Python 中的 KMS 激活脚本

说明：  python3 以及python2的 中文帮助文档(python3 Chinese help document)

逻辑回归实现症状特征选择 利用python编程 实现特征重要性排序(Logical Regression to Realize Symptom Feature Selection)

想学习黑客技术，进行逆向编程，同时提高编程技术的可以下载学习(Want to learn hacker technology, reverse programming, while improving the programming technology can be downloaded to learn)

【实例简介】微信、QQ等聊天软件信息轰炸，在输入间隔时间、内容、数量后，将鼠标光标定位到聊天窗口输入框，发送模式调整为回车键发送，即可自动发送

里面有树莓派的自编手册，基本教程，有爱自取。(There are handwritten manuals for raspberry, basic tutorials, and self love.)

豆瓣图书爬虫，能够将豆瓣图书的所有书籍的详细信息爬取下来(Douban book crawler, to the watercress book all the books of the details of the crawl down)

TPYBoard v202 采用的esp8266作为MCU。开发板固件下载地址；http://micropython.org/download/#esp8266  选择ESP8266。 经测试，esp8266-20160809-v1.8.3.bin 版本的无法使用串口，具体原因也不清楚，大家可以研究研究，共享一下。不过其他版本我试过都可以。

python书籍代码,python机器学习实践指南和机器学习实战(Python book code, python machine learning practice guide and machine learning combat)

Cart-pole problem solition with python

说明：  用LDA对英文语料库提取n个主题，并输出每条文章属于哪个主题： 1）对英文评论数据进行预处理：分词、词性标注、去掉停用词和垃圾字符串 2）仅保留名词、形容词和动词 3） 将每条评论处理成TF-IDF向量表示，去掉频率为后2%的词语言 4）拟合LDA模型 5）提取n个主题，输出每个主题下包含哪些关键词（按重要程度排序） 6）对每条评论，给出其属于哪个主题（以及属于每个主题的概率） 7）统计每个主题下有多少条评论 依赖： python3, NLTK, enchant, sklearn, numpy, pickle等，详细见代码 数据集：80，000+英文评论 输出结果： topic #1: view night river light building nice walk day beautiful skyline visit evening amazing spectacular stroll time floor architecture people amaze modern top enjoy cruise look photo fantastic skyscraper awesome picture topic #2: garden bike nice beautiful visit peaceful ride chinese walk ancient temple town time rent cycle gate china history bicycle building middle hour oasis quiet busy look enjoy hire lot architecture topic #3: ...(An LDA topic model for review topic classification. Able to extract n topics from 80,000 English reviews or articles. Implmented by Python3, with packages such as NLTK, enchant, sklearn, numpy, pickleand so on.)