蒙特卡洛demo

基于熵率的超像素分割，图像处理，图像分割技术(superpixel segmentation based on entropy rate, image processing, image segmentation technology)

图片转化成g代码，使得能够识别出图片上的内容以便画出来(The image is converted into g code, making it possible to recognize the contents of the picture for drawing)

基于python程序下载欧洲中长期天气预报中心模式预报数据(Download forecast ECMWF data based on Python program)

【实例简介】

kaf naf decoder forand poarser

SVM-无监督机器学习领域的经典算法，在神经网络未出现前，他是机器学习的顶梁柱，现在依然用处广泛，而且其核函数的使用范围早已超脱其本身，该实例对SVM算法进行了实现，具有相应的数据集。(SVM - Unsupervised machine learning in the field of classical algorithms, before the neural network does not appear, he is the mainstay of machine learning, is still still widely used, and the use of its kernel function has long been out of its own, the example of the SVM algorithm was implemented , With the corresponding data set.)

毕业设计，在线爬电影，爬小说，爬音乐，flask做的界面，适合初学者(online spider use python+flask music book movie if you want to learn python and flask , this is it.)

tflog for python given installation

音乐播放器，实现 wav 等多种音乐格式（至少 5 种）的打开、播放、暂停等功能。图形界面实现。文件内附不同格式的音乐

决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。 决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。