R语言在win10下编译的lightGBM扩展包。
＞sessionInfo()Rversion3.4.3(2017-11-30)Platform:x86_64-w64-mingw32/x64(64-bit)Runningunder:Windows＞=8x64(build9200)Matrixproducts:defaultlocale:[1]LC_COLLATE=Chinese(Simplified)_China.936[2]LC_CTYPE=Chinese(Simplified)_China.936[3]LC_MONETARY=Chinese(Simplified)_China.936[4]LC_NUMERIC=C[5]LC_TIME=Chinese(Simplified)_China.936attachedbasepackages:[1]statsgraphicsgrDevicesutilsdatasetsmethods[7]baseotherattachedpackages:[1]lightgbm_2.1.0R6_2.2.2loadedviaanamespace(andnotattached):[1]compiler_3.4.3magrittr_1.5tools_3.4.3[4]yaml_2.1.18data.table_1.10.4-3＞require(lightgbm)Loadingrequiredpackage:lightgbmLoadingrequiredpackage:R6＞data(iris)＞iris$Speciestraintestdtraindtestvalidsparamsmodelmy_preds＞head(my_preds)[1]0.825901300.087049350.087049350.825901

聚类分析常用的人工数据集，包括：UCI:wine、Iris、yeast，还有4k2_far、leuk72_3k等数据集。
它们在聚类分析、数据挖掘、机器学习、模式识别领域经常用到。

在vs2008上用c++实现的knn分类器，内含测试数据，是初学者的好东西

该数据集只保留了原来iris(鸢尾花卉)数据集3个类virginica，versicolor和setosa中的versicolor和setosa，并将versicolor用0.0表示，setosa用1.0表示。
每类50个样本；
每个样本是一个4维的特征向量,萼片长，萼片宽，花瓣长，花瓣宽；

模式识别大作业K近邻算法（KNN）C++实现，内有iris和wine数据测试以及其他相关资料。

IRIS数据集，包括三个文本文件和一个EXCEL表格，主要用于验证构建的神经网络的有效性，具体代码https://blog.csdn.net/ckzhb/article/details/60571769

对Iris数据进行两个特征选取，共6种组合，计算类别可分性准则函数J值，得出最好的分类组合，画出各种组合的分布图；
2、使用前期作业里面的程序、对6种组合分别使用不同方法进行基于120个训练样本30个测试样本的学习误差和测试计算，方法包括：最小距离法（均值为代表点）、最近邻法、k近邻法（k取3、5...）等；

上述代码是利用python内置的k-means聚类算法对鸢尾花数据的聚类效果展示，注意在运行该代码时需要采用pip或者其他方式为自己的python安装sklearn以及iris扩展包，其中X=iris.data[:]表示我们采用了鸢尾花数据的四个特征进行聚类，如果仅仅采用后两个（效果最佳）则应该修改代码为X=iris.data[2:]

文件为iris数据集，包括txt和csv格式，可用于机器学习分类学习。

对IRIS数据集进行协方差分析，降维，二维显示分类。

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。