u010919410的专栏

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。 决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。 分类树（决策树）是一种十分常用的分类方法。他是一种监管学习，所谓监管学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等各个领域。

该系统是一个自行车租赁系统，是以低碳减排、健康生活为背景，开发一个可用于城市地区或公司的自行车租赁系统管，实现自行车租赁管理的高效化，电子化。通过使用本系统，可以方便快捷地实现自行车租赁中的服务站点管理、车辆管理、用户管理、租用车辆管理和归还车辆管理等操作，使各个管理井井有条，为公共自行车的健康发展创造条件。

生成树协议STP和快速生成树协议RSTP的配置及原理，选择根网桥的依据，选择根端口的依据，选择根端口举例，选择指定端口举例

算法艺术与信息学竞赛标准课件，动态规划经典教程。