里面的数据来自UCI库，机器学习C4.5算法完全采用C言语实现

随机梯度下降算法SDG的MATLAB完成，数据集可到UCI数据库里下载

使用法法：安装后重启你的开发工具，重新安装就可以成功了，如果不成功看一下错误详情，如果没有出现MicrosoftVisualC++14.0isrequired错误，那么说明你可能需要给开发工具设置代理才可以下载。
祝你成功。
你也可以去这个网站下载对应的文件，然后安装https://www.lfd.uci.edu/~gohlke/pythonlibs/

在Adaboost算法的基础上，提出了一种改进的Boosting方法来解决分类问题。
此方法将示例的类标签预测为分类器集合的加权多数投票。
每个分类器是通过将给定的弱学习者应用于子样本（大小小于原始训练集的子样本）而获得的，该子样本是根据原始训练集上保持的概率分布从原始训练集中得出的。
在Adaboost中提出的重新加权方案中引入了一个参数，以更新分配给训练示例的概率，从而使算法比Adaboost愈加准确。
在UCI资料库中可获得的合成数据集和一些实际数据集上的实验结果表明，该方法提高了Adaboost的预测精度，执行速度以及对分类噪声的鲁棒性。
此外，通过kappa误差图研究了集成分类器的多样性准确性模式。

1.在UCIrvineMachineLearning数据集上选择三个数据2.编写一种机器学习算法预测结果，并运用十次、十折交叉验证3.撰写报告，包含对数据集、算法、结果的描述以及源代码

1.本文件包括ELM和KernelELM()算法的实现，在黄广斌教授础源码基础上做了简单修改，并对程序做出注释2.elm.m ELM算法实现elm_kernel.mKernelELM算法实现，留意使用不同kernel时，核参数个数可能不一样3.test_elm.melm()函数测脚本，有详细注释test_elm_kernelelm_knenel()函数测试脚本，有详细注释4.UCI_DataSet mat格式UCI数据集，包括了多个数据库 每个数据库中，一行为一个数据，第1列为数据所属类别号详情见ｇｉｔｅｅ项目地址：https://gitee.com/wllw7176/ELM-matlab获取方法：gitclonehttps://gitee.com/wllw7176/ELM-matlab.git

网上关于Python安装Opencv总是出现DLLLoadFiled问题的解决方法，本人亲测无法解决问题，于是探索了一种新的解决方法,先对所有现存方法以及本人方法进行汇总，希望对大家有所协助：网上现存的几种问题与解决方法：（1）版本匹配问题：比如Opencv版本opencv_python-3.4.3（+contrib）-cp36-cp36m-win_amd64.whl应对应python3.6.~版本；
（下载地址http://www.lfd.uci.edu/~gohlke/pythonlibs/）。
（2）缺少Python3.dll：详细参看：https://blog.csdn.net/wuzhouqingcy/article/details/77509454（3）环境变量问题，详细参看：https://www.cnblogs.com/syw20170419/p/6945347.html（4）安装opencv-python（5）拷贝opencv安装目录下cv2.dll到python\Lib\site-package文件夹详细参看：https://blog.csdn.net/yingyueer247/article/details/76422848/（6）系统缺少MSVCP140.DLL动态库，需要安装VisualC++2015redistributable，详细参看：https://blog.csdn.net/yingyueer247/article/details/76422848/本人以上方法均进行测试，并尝试重新安装Python，但importcv2仍旧提示DLLLoadFiled，问题依旧存在，考虑到还是系统仍缺少某些DLL，导致在importcv2时，调用CV2.dll出错（本人安装opencv_python-3.4.3，对应D:\ProgramFiles\Python366\Lib\site-packages下的cv2.cp36-win_amd64.pyd），具体解决方法见附件。

UCI数据库的一些基准数据集，处理成excel格式了，可以直接在matlab中读取，适用于模式辨认和机器学习的算法。

UCI经典分类二分类数据集，机械学习算法测试。
亲测可用。

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。