决策树方法在分类、预测、规则提取等领域有着广泛应用。
在20世纪70年代后期和80年代初期，机器学习研究者J.RossQuinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。
Quinilan后来又提出了C4.5，成为新的监督学习算法。
1984年几位统计学家提出了CART分类算法。
ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。

数据挖掘几个算法的思维导图，包括Apriori，C4.5，K-Means，KNN等，还有其他相关的两张

忘记mysql账户密码时，可以查看navicat储存在注册表里面的加密口令字符串，用该工具来还原密码需要.net4.5环境

1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝

将excel表中数据读取转换为sql插入语句附有c#源码及exe可执行文件（需要.net4.5环境）

C语言教程（原书第4版）《c语言教程（原书第4版）》是一本优秀的c程序设计语言教材，完整描述了ansic语言及其语法特性，并对c语言的高级特性和应用作了深入阐述，介绍了从c到c++和java过渡的相关知识。
《c语言教程（原书第4版）》的一个鲜明特色就是结合大量示例描述c语言的重要特征，并对很多工作代码给出了逐步的分析，以这种独特的教学方法向读者解释新接触的编程元素及一些惯用法。
　　《c语言教程（原书第4版）》系统、完整，可作为c语言的参考手册，也非常适合作为学习c语言的入门和高级课程教材。
前言第0章从零开始0.1为什么要用c0.2ansic标准0.3从c到c++0.4从c和c++到java第1章c语言概述1.1编程和预备知识1.2程序输出1.3变量、表达式和赋值1.4使用#define和#include1.5使用printf（）和scanf（）1.6控制流1.7函数1.8数组、字符串和指针1.8.1数组1.8.2字符串1.8.3指针1.9文件1.10与操作系统有关的内容1.10.1编写和运行c程序1.10.2中断程序1.10.3输入文件尾标志1.10.4输入和输出的重定向1.11总结1.12练习第2章词法元素、操作符和c系统2.1字符和词法元素2.2语法规则2.3注释2.4关键字2.5标识符2.6常量2.7字符串常量2.8操作符和标点符号2.9操作符的优先级和结合性2.10增值操作符和减值操作符2.11赋值操作符2.12例子：计算2的乘方2.13c系统2.13.1预处理器2.13.2标准函数库2.14总结2.15练习第3章基本数据类型3.1声明、表达式和赋值3.2基本数据类型3.3字符和char数据类型3.4int数据类型3.5整数类型short、long和unsigned3.6浮点类型3.7typedef的用法3.8sizeof操作符3.9使用getchar（）和putchar（）3.10数学函数3.10.1使用abs（）和fabs（）3.10.2unix和数学函数库3.11隐式类型转换和强制类型转换3.11.1整型提升3.11.2寻常算术转换3.11.3强制类型转换3.12十六进制和八进制常量3.13总结3.14练习第4章控制流4.1关系操作符、相等操作符和逻辑操作符4.2关系操作符和表达式4.3相等操作符和表达式4.4逻辑操作符和表达式4.5复合语句4.6表达式和空语句4.7if和if-else语句4.8while语句4.9for语句4.10例子：布尔变量4.11逗号操作符4.12do语句4.13例子：斐波那契数4.14goto语句4.15break和continue语句4.16switch语句4.17条件操作符4.18总结4.19练习第5章函数5.1函数定义5.2return语句5.3函数原型5.4例子：创建乘方表5.5从编译器的角度观察函数原型5.6函数定义顺序的另一种风格5.7函数调用和传值调用5.8开发大型程序5.9使用断言5.10作用域规则5.10.1平行和嵌套代码块5.10.2以调试为目的使用代码块5.11存储类型5.11.1auto存储类型5.11.2extern存储类型5.11.3register存储类型5.11.4static存储类型5.12静态外部变量5.13默认初始化5.14递归5.15例子：汉诺塔5.16总结5.17练习第6章数组、指针和字符串6.1一维数组6.1.1初始化6.1.2下标6.2指针6.3传引用调用6.4数组和指针之间的关系6.5指针运算和元素的大小6.6数组作为函数的实参6.7例子：冒泡排序6.8用calloc（）和malloc（）进行动态内存分配6.9例子：归并和归并排序6.10字符串6.11标准函数库中的字符串处理函数6.12多维数组6.12.1二维数组6.12.2存储映射函数6.12.3形式参数声明6.12.4三维数组6.12.5初始化6.12.6使用typedef6.13指针数组6.14main（）函数的参数6.15不规则数组6.16函数作为参数6.17例子：使用二分法寻找函数的根6.18函数指针数组6.19类型限定符const和v

仿真课程：1.高频LC谐振放大电路；
参数要求：（1）.中心频率10.7MHz；
（2）.谐振放大倍数＞20dB;（3）.BW=1MHz;（4）.矩形系数＜10;（5）.噪声系数:＜7dB;（6）.输入，输出阻抗为50欧姆。
2.丙类功率放大电路；
参数要求：1.电源电压5V;2.输入信号300mv;3.频率6MHz的正弦信号；
4.50欧姆负载上输出4.6v峰峰值正弦电压信号。
仿真电路图：3.LC谐振放大电路；
参数要求：（1）振荡器输出为正弦波，波形无明显失真;（2）输出频率范围：15MHz～25MHz;（3）输出频率稳定度：优于10-3;（4）输出电压峰-峰值：Vp-p=1V±0.1V。
说明：1.其中题目一是在Multisim13中仿真的；
2.其中题目二是在Multisim14中仿真的；
3.其中题目三是在Multisim10中仿真的；
4.每个课题包含仿真，PPT，以及LATEX编译的报告，请忽略名字；

crucible破解经测试可以破解最新的4.5版本但是需要Java32的jdk

徐士良C常用算法程序集第三版高清电子书+源代码，经典之作，算法必备参考资料第1章多项式的计算1.1一维多项式求值1.2一维多项式多组求值1.3二维多项式求值1.4复系数多项式求值1.5多项式相乘1.6复系数多项式相乘1.7多项式相除1.8复系数多项式相除第2章复数运算2.1复数乘法2.2负数除法2.3复数乘幂2.4复数的n次方根2.5复数指数2.6复数对数2.7复数正弦2.8复数余弦第3章随机数的产生3.1产生0到1之间均匀分布的一个随机数3.2产生0到1之间均匀分布的随机数序列3.3产生任意区间内均匀分布的一个随机整数3.4产生任意区间内均匀分布的随机整数序列3.5产生任意均值与方差的正态分布的一个随机数3.6产生任意均值与方差的正态分布的随机数序列第4章矩阵运算4.1实矩阵相乘4.2复矩阵相乘4.3一般实矩阵求逆4.4一般复矩阵求逆4.5对称正定矩阵的求逆4.6托伯利兹矩阵求逆的特兰持方法4.7求一般行列式的值4.8求矩阵的值4.9对称正定矩阵的乔里斯基分解与列式求值4.10矩阵的三角分解4.11一般实矩阵的QR分解4.12一般实矩阵的奇异值分解4.13求广义逆的奇异值分解法第5章矩阵特征值与特征向量的计算5.1约化对称矩阵为对称三对角阵的豪斯荷尔德变换法5.2求对称三对角阵的全部特征值与特征向量5.3约化一般实矩阵为赫申伯格矩阵的初等相似变换法5.4求赫身伯格矩阵全部特征的QR方法5.5求实对称矩阵特征值与特征向量的雅可比法5.6求实对称矩阵特征值与特征向量的雅可比过关法第6章线性代数方程组的求解6.1求解实系数方程组的全选主元高斯消去法6.2求解实系数方程组的全选主元高斯-约当消去法6.3求解复系数方程组的全选主元高斯消去法6.4求解复系数方程组的全选主元高斯-约当消去法6.5求解三对角线方程组的追赶法6.6求解一般带型方程组6.7求解对称方程组的分解法6.8求解对称正定方程组的平方根法6.9求解大型系数方程组6.10求解托伯利兹方程组的列文逊方法6.11高斯-塞德尔失代法6.12求解对称正定方程组的共岿梯度法6.13求解线性最小二乘文体的豪斯伯尔德变换法6.14求解线性最小二乘问题的广义逆法6.15求解病态方程组第7章非线性方程与方程组的求解7.1求非线性方程一个实根的对分法7.2求非线性方程一个实根的牛顿法7.3求非线性方程一个实根的埃特金矢代法7.4求非线性方程一个实根的连分法7.5求实系数代数方程全部的QR方法7.6求实系数方程全部的牛顿下山法7.7求复系数方程的全部根牛顿下山法7.8求非线性方程组一组实根的梯度法7.9求非线性方程组一组实根的拟牛顿法7.10求非线性方程组最小二乘解的广义逆法7.11求非线性方程一个实根的蒙特卡洛法7.12求实函数或复函数方程一个复根的蒙特卡洛法7.13求非线性方程组一组实根的蒙特卡洛法第8章插值与逼近8.1一元全区间插值8.2一元三点插值8.3连分式插值8.4埃尔米特插值8.5特金逐步插值8.6光滑插值8.7第一种边界条件的三次样条函数插值8.8第二种边界条件的三次样条函数插值8.9第三种边界条件的三次样条函数插值8.10二元三点插值8.11二元全区间插值8.12最小二乘曲线拟合8.13切比雪夫曲线拟合8.14最佳一致逼近的里米兹方法8.15矩形域的最小二乘曲线拟合第9章数值积分9.1变补长梯形求积法9.2变步长辛卜生求积法9.3自适应梯形求积法9.4龙贝格求积法9.5计算一维积分的连分式法9.6高振荡函数求积法9.7勒让德-高斯求积法9.8拉盖尔-高斯求积法9.9埃尔米特-高斯求积法9.10切比雪夫求积法9.11计算一维积分的蒙特卡洛法9.12变步长辛卜生二重积分方法9.13计算多重积分的高斯方法9.14计算二重积分的连分方式9.15计算多重积分的蒙特卡洛法第10章常微分方程组的求解10.1全区间积分的定步长欧拉方法10.2积分一步的变步长欧拉方法10.3全区间积分维梯方法10.4全区间积分的定步长龙格-库塔方法10.5积分一步的变步长龙格-库塔方法10.6积分一步的变步长基尔方法10.7全区间积分的变步长默森方法10.8积分一步的连分方式10.9全区间积分的双边法10.10全区间积分的阿当姆斯预

第1章绪论1.1什么叫数理统计学1.2数理统计的若干基本概念1.3统计量习题一第2章抽样分布及若干预备知识2.1引言2.2正态总体样本均值和样本方差的分布*2.3次序统计量的分布2.4X2分布，t分布和F分布2.5统计量的极限分布*2.6指数族2.7充分统计量*2.8完全统计量习题二第3章点估计3.1引言3.2矩估计3.3极大似然估计*3.4一致最小方差无偏估计3.5Cramer-Rao不等式习题三第4章区间估计4.1区间估计的基本概念4.2枢轴变量法——正态总体参数的置信区间4.3枢轴变量法——非正态总体参数的置信区间4.4Fisher的信仰推断法4.5容忍区间与容忍限习题四第5章参数假设检验5.1假设检验的若干基本概念5.2正态总体参数的假设检验5.3假设检验与区间估计*5.4一致最优检验与无偏检验5.5似然比检验

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。