这是我从网上找到的一份决策树Cart算法代码，其中在确定分枝时采用的是熵不纯度确定的方法,代码可以运行.声明这份代码不是我原创的，是从某个网页上下载下来的，不过原作者的代码中许多变量没有作详细注释，我在阅读这份代码时加了许多自己的理解，几乎每个变量每句代码都作了解释，对于学习决策树CART算法的同学具有比较好的入门指导作者，这里将代码贡献出来与大家一起分享，如果有注释不准的地方，请发表评论提示我。
也向原作者致谢(不好意思，忘记在哪个网页上下载的了)
也向原作者致谢(不好意思，忘记在哪个网页上下载的了)
2021/11/12 5:10:03
6KB
1
基于OPENGL制造的描点式Bezier曲线绘制，功能较为完善，有多种键盘回调功能，代码简单，有详细注释，适合初学者学习借鉴,在VS2013调试无误
2022/9/5 5:49:52
6.94MB
1
DBSCAN聚类，是一种基于密度的聚类算法，它类似于均值漂移，DBSCAN与其他聚类算法相比有很多优点，首先，它根本不需要固定数量的簇。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
2019/2/13 8:01:39
4KB
1
hibernate框架对单表及多表的详细操作源码，同时内附详细注释，希望对大家有协助吧。
对于框架使用的前期准备工作已经做过详细的分享，可以进入我的主页进行查看的。
对于框架使用的前期准备工作已经做过详细的分享，可以进入我的主页进行查看的。
2020/2/15 7:28:54
12.35MB
1
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。
2024-04-09 15:03
15KB