Showing preview only (4,703K chars total). Download the full file or copy to clipboard to get everything.
Repository: Jack-Cherish/Machine-Learning
Branch: master
Commit: 9460d4fdd99e
Files: 3077
Total size: 4.0 MB
Directory structure:
gitextract_1b2c9w2g/
├── .gitattributes
├── AdaBoost/
│ ├── ROC.py
│ ├── adaboost.py
│ ├── horseColicTest2.txt
│ ├── horseColicTraining2.txt
│ ├── horse_adaboost.py
│ └── sklearn_adaboost.py
├── Decision Tree/
│ ├── Decision Tree.py
│ ├── Sklearn-Decision Tree.py
│ ├── classifierStorage.txt
│ └── lenses.txt
├── Glossary.md
├── Logistic/
│ ├── LogRegres-gj.py
│ ├── LogRegres.py
│ ├── colicLogRegres.py
│ ├── horseColicTest.txt
│ ├── horseColicTraining.txt
│ └── testSet.txt
├── Naive Bayes/
│ ├── SogouC/
│ │ ├── ClassList.txt
│ │ └── Sample/
│ │ ├── C000008/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000010/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000013/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000014/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000016/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000020/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000022/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000023/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ └── C000024/
│ │ ├── 10.txt
│ │ ├── 11.txt
│ │ ├── 12.txt
│ │ ├── 13.txt
│ │ ├── 14.txt
│ │ ├── 15.txt
│ │ ├── 16.txt
│ │ ├── 17.txt
│ │ ├── 18.txt
│ │ └── 19.txt
│ ├── bayes-modify.py
│ ├── bayes.py
│ ├── email/
│ │ ├── ham/
│ │ │ ├── 1.txt
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ ├── 19.txt
│ │ │ ├── 2.txt
│ │ │ ├── 20.txt
│ │ │ ├── 21.txt
│ │ │ ├── 22.txt
│ │ │ ├── 23.txt
│ │ │ ├── 24.txt
│ │ │ ├── 25.txt
│ │ │ ├── 3.txt
│ │ │ ├── 4.txt
│ │ │ ├── 5.txt
│ │ │ ├── 6.txt
│ │ │ ├── 7.txt
│ │ │ ├── 8.txt
│ │ │ └── 9.txt
│ │ └── spam/
│ │ ├── 1.txt
│ │ ├── 10.txt
│ │ ├── 11.txt
│ │ ├── 12.txt
│ │ ├── 13.txt
│ │ ├── 14.txt
│ │ ├── 15.txt
│ │ ├── 16.txt
│ │ ├── 17.txt
│ │ ├── 18.txt
│ │ ├── 19.txt
│ │ ├── 2.txt
│ │ ├── 20.txt
│ │ ├── 21.txt
│ │ ├── 22.txt
│ │ ├── 23.txt
│ │ ├── 24.txt
│ │ ├── 25.txt
│ │ ├── 3.txt
│ │ ├── 4.txt
│ │ ├── 5.txt
│ │ ├── 6.txt
│ │ ├── 7.txt
│ │ ├── 8.txt
│ │ └── 9.txt
│ ├── nbc.py
│ └── stopwords_cn.txt
├── README-eng.md
├── README.md
├── Regression/
│ ├── abalone.py
│ ├── abalone.txt
│ ├── ex0.txt
│ ├── lego/
│ │ ├── lego10030.html
│ │ ├── lego10179.html
│ │ ├── lego10181.html
│ │ ├── lego10189.html
│ │ ├── lego10196.html
│ │ └── lego8288.html
│ ├── lego.py
│ ├── regression.py
│ └── regression_old.py
├── Regression Trees/
│ ├── ex0.txt
│ ├── ex00.txt
│ ├── ex2.txt
│ ├── ex2test.txt
│ ├── exp2.txt
│ └── regTrees.py
├── SVM/
│ ├── svm-digits.py
│ ├── svm-simple.py
│ ├── svm-smo.py
│ ├── svm-svc.py
│ ├── svmMLiA.py
│ ├── testSet.txt
│ ├── testSetRBF.txt
│ └── testSetRBF2.txt
└── kNN/
├── 1.简单k-NN/
│ ├── kNN_test01.py
│ └── kNN_test01_old_method.py
├── 2.海伦约会/
│ ├── datingTestSet.txt
│ └── kNN_test02.py
└── 3.数字识别/
├── kNN_test03.py
├── kNN_test04.py
├── testDigits/
│ ├── 0_0.txt
│ ├── 0_1.txt
│ ├── 0_10.txt
│ ├── 0_11.txt
│ ├── 0_12.txt
│ ├── 0_13.txt
│ ├── 0_14.txt
│ ├── 0_15.txt
│ ├── 0_16.txt
│ ├── 0_17.txt
│ ├── 0_18.txt
│ ├── 0_19.txt
│ ├── 0_2.txt
│ ├── 0_20.txt
│ ├── 0_21.txt
│ ├── 0_22.txt
│ ├── 0_23.txt
│ ├── 0_24.txt
│ ├── 0_25.txt
│ ├── 0_26.txt
│ ├── 0_27.txt
│ ├── 0_28.txt
│ ├── 0_29.txt
│ ├── 0_3.txt
│ ├── 0_30.txt
│ ├── 0_31.txt
│ ├── 0_32.txt
│ ├── 0_33.txt
│ ├── 0_34.txt
│ ├── 0_35.txt
│ ├── 0_36.txt
│ ├── 0_37.txt
│ ├── 0_38.txt
│ ├── 0_39.txt
│ ├── 0_4.txt
│ ├── 0_40.txt
│ ├── 0_41.txt
│ ├── 0_42.txt
│ ├── 0_43.txt
│ ├── 0_44.txt
│ ├── 0_45.txt
│ ├── 0_46.txt
│ ├── 0_47.txt
│ ├── 0_48.txt
│ ├── 0_49.txt
│ ├── 0_5.txt
│ ├── 0_50.txt
│ ├── 0_51.txt
│ ├── 0_52.txt
│ ├── 0_53.txt
│ ├── 0_54.txt
│ ├── 0_55.txt
│ ├── 0_56.txt
│ ├── 0_57.txt
│ ├── 0_58.txt
│ ├── 0_59.txt
│ ├── 0_6.txt
│ ├── 0_60.txt
│ ├── 0_61.txt
│ ├── 0_62.txt
│ ├── 0_63.txt
│ ├── 0_64.txt
│ ├── 0_65.txt
│ ├── 0_66.txt
│ ├── 0_67.txt
│ ├── 0_68.txt
│ ├── 0_69.txt
│ ├── 0_7.txt
│ ├── 0_70.txt
│ ├── 0_71.txt
│ ├── 0_72.txt
│ ├── 0_73.txt
│ ├── 0_74.txt
│ ├── 0_75.txt
│ ├── 0_76.txt
│ ├── 0_77.txt
│ ├── 0_78.txt
│ ├── 0_79.txt
│ ├── 0_8.txt
│ ├── 0_80.txt
│ ├── 0_81.txt
│ ├── 0_82.txt
│ ├── 0_83.txt
│ ├── 0_84.txt
│ ├── 0_85.txt
│ ├── 0_86.txt
│ ├── 0_9.txt
│ ├── 1_0.txt
│ ├── 1_1.txt
│ ├── 1_10.txt
│ ├── 1_11.txt
│ ├── 1_12.txt
│ ├── 1_13.txt
│ ├── 1_14.txt
│ ├── 1_15.txt
│ ├── 1_16.txt
│ ├── 1_17.txt
│ ├── 1_18.txt
│ ├── 1_19.txt
│ ├── 1_2.txt
│ ├── 1_20.txt
│ ├── 1_21.txt
│ ├── 1_22.txt
│ ├── 1_23.txt
│ ├── 1_24.txt
│ ├── 1_25.txt
│ ├── 1_26.txt
│ ├── 1_27.txt
│ ├── 1_28.txt
│ ├── 1_29.txt
│ ├── 1_3.txt
│ ├── 1_30.txt
│ ├── 1_31.txt
│ ├── 1_32.txt
│ ├── 1_33.txt
│ ├── 1_34.txt
│ ├── 1_35.txt
│ ├── 1_36.txt
│ ├── 1_37.txt
│ ├── 1_38.txt
│ ├── 1_39.txt
│ ├── 1_4.txt
│ ├── 1_40.txt
│ ├── 1_41.txt
│ ├── 1_42.txt
│ ├── 1_43.txt
│ ├── 1_44.txt
│ ├── 1_45.txt
│ ├── 1_46.txt
│ ├── 1_47.txt
│ ├── 1_48.txt
│ ├── 1_49.txt
│ ├── 1_5.txt
│ ├── 1_50.txt
│ ├── 1_51.txt
│ ├── 1_52.txt
│ ├── 1_53.txt
│ ├── 1_54.txt
│ ├── 1_55.txt
│ ├── 1_56.txt
│ ├── 1_57.txt
│ ├── 1_58.txt
│ ├── 1_59.txt
│ ├── 1_6.txt
│ ├── 1_60.txt
│ ├── 1_61.txt
│ ├── 1_62.txt
│ ├── 1_63.txt
│ ├── 1_64.txt
│ ├── 1_65.txt
│ ├── 1_66.txt
│ ├── 1_67.txt
│ ├── 1_68.txt
│ ├── 1_69.txt
│ ├── 1_7.txt
│ ├── 1_70.txt
│ ├── 1_71.txt
│ ├── 1_72.txt
│ ├── 1_73.txt
│ ├── 1_74.txt
│ ├── 1_75.txt
│ ├── 1_76.txt
│ ├── 1_77.txt
│ ├── 1_78.txt
│ ├── 1_79.txt
│ ├── 1_8.txt
│ ├── 1_80.txt
│ ├── 1_81.txt
│ ├── 1_82.txt
│ ├── 1_83.txt
│ ├── 1_84.txt
│ ├── 1_85.txt
│ ├── 1_86.txt
│ ├── 1_87.txt
│ ├── 1_88.txt
│ ├── 1_89.txt
│ ├── 1_9.txt
│ ├── 1_90.txt
│ ├── 1_91.txt
│ ├── 1_92.txt
│ ├── 1_93.txt
│ ├── 1_94.txt
│ ├── 1_95.txt
│ ├── 1_96.txt
│ ├── 2_0.txt
│ ├── 2_1.txt
│ ├── 2_10.txt
│ ├── 2_11.txt
│ ├── 2_12.txt
│ ├── 2_13.txt
│ ├── 2_14.txt
│ ├── 2_15.txt
│ ├── 2_16.txt
│ ├── 2_17.txt
│ ├── 2_18.txt
│ ├── 2_19.txt
│ ├── 2_2.txt
│ ├── 2_20.txt
│ ├── 2_21.txt
│ ├── 2_22.txt
│ ├── 2_23.txt
│ ├── 2_24.txt
│ ├── 2_25.txt
│ ├── 2_26.txt
│ ├── 2_27.txt
│ ├── 2_28.txt
│ ├── 2_29.txt
│ ├── 2_3.txt
│ ├── 2_30.txt
│ ├── 2_31.txt
│ ├── 2_32.txt
│ ├── 2_33.txt
│ ├── 2_34.txt
│ ├── 2_35.txt
│ ├── 2_36.txt
│ ├── 2_37.txt
│ ├── 2_38.txt
│ ├── 2_39.txt
│ ├── 2_4.txt
│ ├── 2_40.txt
│ ├── 2_41.txt
│ ├── 2_42.txt
│ ├── 2_43.txt
│ ├── 2_44.txt
│ ├── 2_45.txt
│ ├── 2_46.txt
│ ├── 2_47.txt
│ ├── 2_48.txt
│ ├── 2_49.txt
│ ├── 2_5.txt
│ ├── 2_50.txt
│ ├── 2_51.txt
│ ├── 2_52.txt
│ ├── 2_53.txt
│ ├── 2_54.txt
│ ├── 2_55.txt
│ ├── 2_56.txt
│ ├── 2_57.txt
│ ├── 2_58.txt
│ ├── 2_59.txt
│ ├── 2_6.txt
│ ├── 2_60.txt
│ ├── 2_61.txt
│ ├── 2_62.txt
│ ├── 2_63.txt
│ ├── 2_64.txt
│ ├── 2_65.txt
│ ├── 2_66.txt
│ ├── 2_67.txt
│ ├── 2_68.txt
│ ├── 2_69.txt
│ ├── 2_7.txt
│ ├── 2_70.txt
│ ├── 2_71.txt
│ ├── 2_72.txt
│ ├── 2_73.txt
│ ├── 2_74.txt
│ ├── 2_75.txt
│ ├── 2_76.txt
│ ├── 2_77.txt
│ ├── 2_78.txt
│ ├── 2_79.txt
│ ├── 2_8.txt
│ ├── 2_80.txt
│ ├── 2_81.txt
│ ├── 2_82.txt
│ ├── 2_83.txt
│ ├── 2_84.txt
│ ├── 2_85.txt
│ ├── 2_86.txt
│ ├── 2_87.txt
│ ├── 2_88.txt
│ ├── 2_89.txt
│ ├── 2_9.txt
│ ├── 2_90.txt
│ ├── 2_91.txt
│ ├── 3_0.txt
│ ├── 3_1.txt
│ ├── 3_10.txt
│ ├── 3_11.txt
│ ├── 3_12.txt
│ ├── 3_13.txt
│ ├── 3_14.txt
│ ├── 3_15.txt
│ ├── 3_16.txt
│ ├── 3_17.txt
│ ├── 3_18.txt
│ ├── 3_19.txt
│ ├── 3_2.txt
│ ├── 3_20.txt
│ ├── 3_21.txt
│ ├── 3_22.txt
│ ├── 3_23.txt
│ ├── 3_24.txt
│ ├── 3_25.txt
│ ├── 3_26.txt
│ ├── 3_27.txt
│ ├── 3_28.txt
│ ├── 3_29.txt
│ ├── 3_3.txt
│ ├── 3_30.txt
│ ├── 3_31.txt
│ ├── 3_32.txt
│ ├── 3_33.txt
│ ├── 3_34.txt
│ ├── 3_35.txt
│ ├── 3_36.txt
│ ├── 3_37.txt
│ ├── 3_38.txt
│ ├── 3_39.txt
│ ├── 3_4.txt
│ ├── 3_40.txt
│ ├── 3_41.txt
│ ├── 3_42.txt
│ ├── 3_43.txt
│ ├── 3_44.txt
│ ├── 3_45.txt
│ ├── 3_46.txt
│ ├── 3_47.txt
│ ├── 3_48.txt
│ ├── 3_49.txt
│ ├── 3_5.txt
│ ├── 3_50.txt
│ ├── 3_51.txt
│ ├── 3_52.txt
│ ├── 3_53.txt
│ ├── 3_54.txt
│ ├── 3_55.txt
│ ├── 3_56.txt
│ ├── 3_57.txt
│ ├── 3_58.txt
│ ├── 3_59.txt
│ ├── 3_6.txt
│ ├── 3_60.txt
│ ├── 3_61.txt
│ ├── 3_62.txt
│ ├── 3_63.txt
│ ├── 3_64.txt
│ ├── 3_65.txt
│ ├── 3_66.txt
│ ├── 3_67.txt
│ ├── 3_68.txt
│ ├── 3_69.txt
│ ├── 3_7.txt
│ ├── 3_70.txt
│ ├── 3_71.txt
│ ├── 3_72.txt
│ ├── 3_73.txt
│ ├── 3_74.txt
│ ├── 3_75.txt
│ ├── 3_76.txt
│ ├── 3_77.txt
│ ├── 3_78.txt
│ ├── 3_79.txt
│ ├── 3_8.txt
│ ├── 3_80.txt
│ ├── 3_81.txt
│ ├── 3_82.txt
│ ├── 3_83.txt
│ ├── 3_84.txt
│ ├── 3_9.txt
│ ├── 4_0.txt
│ ├── 4_1.txt
│ ├── 4_10.txt
│ ├── 4_100.txt
│ ├── 4_101.txt
│ ├── 4_102.txt
│ ├── 4_103.txt
│ ├── 4_104.txt
│ ├── 4_105.txt
│ ├── 4_106.txt
│ ├── 4_107.txt
│ ├── 4_108.txt
│ ├── 4_109.txt
│ ├── 4_11.txt
│ ├── 4_110.txt
│ ├── 4_111.txt
│ ├── 4_112.txt
│ ├── 4_113.txt
│ ├── 4_12.txt
│ ├── 4_13.txt
│ ├── 4_14.txt
│ ├── 4_15.txt
│ ├── 4_16.txt
│ ├── 4_17.txt
│ ├── 4_18.txt
│ ├── 4_19.txt
│ ├── 4_2.txt
│ ├── 4_20.txt
│ ├── 4_21.txt
│ ├── 4_22.txt
│ ├── 4_23.txt
│ ├── 4_24.txt
│ ├── 4_25.txt
│ ├── 4_26.txt
│ ├── 4_27.txt
│ ├── 4_28.txt
│ ├── 4_29.txt
│ ├── 4_3.txt
│ ├── 4_30.txt
│ ├── 4_31.txt
│ ├── 4_32.txt
│ ├── 4_33.txt
│ ├── 4_34.txt
│ ├── 4_35.txt
│ ├── 4_36.txt
│ ├── 4_37.txt
│ ├── 4_38.txt
│ ├── 4_39.txt
│ ├── 4_4.txt
│ ├── 4_40.txt
│ ├── 4_41.txt
│ ├── 4_42.txt
│ ├── 4_43.txt
│ ├── 4_44.txt
│ ├── 4_45.txt
│ ├── 4_46.txt
│ ├── 4_47.txt
│ ├── 4_48.txt
│ ├── 4_49.txt
│ ├── 4_5.txt
│ ├── 4_50.txt
│ ├── 4_51.txt
│ ├── 4_52.txt
│ ├── 4_53.txt
│ ├── 4_54.txt
│ ├── 4_55.txt
│ ├── 4_56.txt
│ ├── 4_57.txt
│ ├── 4_58.txt
│ ├── 4_59.txt
│ ├── 4_6.txt
│ ├── 4_60.txt
│ ├── 4_61.txt
│ ├── 4_62.txt
│ ├── 4_63.txt
│ ├── 4_64.txt
│ ├── 4_65.txt
│ ├── 4_66.txt
│ ├── 4_67.txt
│ ├── 4_68.txt
│ ├── 4_69.txt
│ ├── 4_7.txt
│ ├── 4_70.txt
│ ├── 4_71.txt
│ ├── 4_72.txt
│ ├── 4_73.txt
│ ├── 4_74.txt
│ ├── 4_75.txt
│ ├── 4_76.txt
│ ├── 4_77.txt
│ ├── 4_78.txt
│ ├── 4_79.txt
│ ├── 4_8.txt
│ ├── 4_80.txt
│ ├── 4_81.txt
│ ├── 4_82.txt
│ ├── 4_83.txt
│ ├── 4_84.txt
│ ├── 4_85.txt
│ ├── 4_86.txt
│ ├── 4_87.txt
│ ├── 4_88.txt
│ ├── 4_89.txt
│ ├── 4_9.txt
│ ├── 4_90.txt
│ ├── 4_91.txt
│ ├── 4_92.txt
│ ├── 4_93.txt
│ ├── 4_94.txt
│ ├── 4_95.txt
│ ├── 4_96.txt
│ ├── 4_97.txt
│ ├── 4_98.txt
│ ├── 4_99.txt
│ ├── 5_0.txt
│ ├── 5_1.txt
│ ├── 5_10.txt
│ ├── 5_100.txt
│ ├── 5_101.txt
│ ├── 5_102.txt
│ ├── 5_103.txt
│ ├── 5_104.txt
│ ├── 5_105.txt
│ ├── 5_106.txt
│ ├── 5_107.txt
│ ├── 5_11.txt
│ ├── 5_12.txt
│ ├── 5_13.txt
│ ├── 5_14.txt
│ ├── 5_15.txt
│ ├── 5_16.txt
│ ├── 5_17.txt
│ ├── 5_18.txt
│ ├── 5_19.txt
│ ├── 5_2.txt
│ ├── 5_20.txt
│ ├── 5_21.txt
│ ├── 5_22.txt
│ ├── 5_23.txt
│ ├── 5_24.txt
│ ├── 5_25.txt
│ ├── 5_26.txt
│ ├── 5_27.txt
│ ├── 5_28.txt
│ ├── 5_29.txt
│ ├── 5_3.txt
│ ├── 5_30.txt
│ ├── 5_31.txt
│ ├── 5_32.txt
│ ├── 5_33.txt
│ ├── 5_34.txt
│ ├── 5_35.txt
│ ├── 5_36.txt
│ ├── 5_37.txt
│ ├── 5_38.txt
│ ├── 5_39.txt
│ ├── 5_4.txt
│ ├── 5_40.txt
│ ├── 5_41.txt
│ ├── 5_42.txt
│ ├── 5_43.txt
│ ├── 5_44.txt
│ ├── 5_45.txt
│ ├── 5_46.txt
│ ├── 5_47.txt
│ ├── 5_48.txt
│ ├── 5_49.txt
│ ├── 5_5.txt
│ ├── 5_50.txt
│ ├── 5_51.txt
│ ├── 5_52.txt
│ ├── 5_53.txt
│ ├── 5_54.txt
│ ├── 5_55.txt
│ ├── 5_56.txt
│ ├── 5_57.txt
│ ├── 5_58.txt
│ ├── 5_59.txt
│ ├── 5_6.txt
│ ├── 5_60.txt
│ ├── 5_61.txt
│ ├── 5_62.txt
│ ├── 5_63.txt
│ ├── 5_64.txt
│ ├── 5_65.txt
│ ├── 5_66.txt
│ ├── 5_67.txt
│ ├── 5_68.txt
│ ├── 5_69.txt
│ ├── 5_7.txt
│ ├── 5_70.txt
│ ├── 5_71.txt
│ ├── 5_72.txt
│ ├── 5_73.txt
│ ├── 5_74.txt
│ ├── 5_75.txt
│ ├── 5_76.txt
│ ├── 5_77.txt
│ ├── 5_78.txt
│ ├── 5_79.txt
│ ├── 5_8.txt
│ ├── 5_80.txt
│ ├── 5_81.txt
│ ├── 5_82.txt
│ ├── 5_83.txt
│ ├── 5_84.txt
│ ├── 5_85.txt
│ ├── 5_86.txt
│ ├── 5_87.txt
│ ├── 5_88.txt
│ ├── 5_89.txt
│ ├── 5_9.txt
│ ├── 5_90.txt
│ ├── 5_91.txt
│ ├── 5_92.txt
│ ├── 5_93.txt
│ ├── 5_94.txt
│ ├── 5_95.txt
│ ├── 5_96.txt
│ ├── 5_97.txt
│ ├── 5_98.txt
│ ├── 5_99.txt
│ ├── 6_0.txt
│ ├── 6_1.txt
│ ├── 6_10.txt
│ ├── 6_11.txt
│ ├── 6_12.txt
│ ├── 6_13.txt
│ ├── 6_14.txt
│ ├── 6_15.txt
│ ├── 6_16.txt
│ ├── 6_17.txt
│ ├── 6_18.txt
│ ├── 6_19.txt
│ ├── 6_2.txt
│ ├── 6_20.txt
│ ├── 6_21.txt
│ ├── 6_22.txt
│ ├── 6_23.txt
│ ├── 6_24.txt
│ ├── 6_25.txt
│ ├── 6_26.txt
│ ├── 6_27.txt
│ ├── 6_28.txt
│ ├── 6_29.txt
│ ├── 6_3.txt
│ ├── 6_30.txt
│ ├── 6_31.txt
│ ├── 6_32.txt
│ ├── 6_33.txt
│ ├── 6_34.txt
│ ├── 6_35.txt
│ ├── 6_36.txt
│ ├── 6_37.txt
│ ├── 6_38.txt
│ ├── 6_39.txt
│ ├── 6_4.txt
│ ├── 6_40.txt
│ ├── 6_41.txt
│ ├── 6_42.txt
│ ├── 6_43.txt
│ ├── 6_44.txt
│ ├── 6_45.txt
│ ├── 6_46.txt
│ ├── 6_47.txt
│ ├── 6_48.txt
│ ├── 6_49.txt
│ ├── 6_5.txt
│ ├── 6_50.txt
│ ├── 6_51.txt
│ ├── 6_52.txt
│ ├── 6_53.txt
│ ├── 6_54.txt
│ ├── 6_55.txt
│ ├── 6_56.txt
│ ├── 6_57.txt
│ ├── 6_58.txt
│ ├── 6_59.txt
│ ├── 6_6.txt
│ ├── 6_60.txt
│ ├── 6_61.txt
│ ├── 6_62.txt
│ ├── 6_63.txt
│ ├── 6_64.txt
│ ├── 6_65.txt
│ ├── 6_66.txt
│ ├── 6_67.txt
│ ├── 6_68.txt
│ ├── 6_69.txt
│ ├── 6_7.txt
│ ├── 6_70.txt
│ ├── 6_71.txt
│ ├── 6_72.txt
│ ├── 6_73.txt
│ ├── 6_74.txt
│ ├── 6_75.txt
│ ├── 6_76.txt
│ ├── 6_77.txt
│ ├── 6_78.txt
│ ├── 6_79.txt
│ ├── 6_8.txt
│ ├── 6_80.txt
│ ├── 6_81.txt
│ ├── 6_82.txt
│ ├── 6_83.txt
│ ├── 6_84.txt
│ ├── 6_85.txt
│ ├── 6_86.txt
│ ├── 6_9.txt
│ ├── 7_0.txt
│ ├── 7_1.txt
│ ├── 7_10.txt
│ ├── 7_11.txt
│ ├── 7_12.txt
│ ├── 7_13.txt
│ ├── 7_14.txt
│ ├── 7_15.txt
│ ├── 7_16.txt
│ ├── 7_17.txt
│ ├── 7_18.txt
│ ├── 7_19.txt
│ ├── 7_2.txt
│ ├── 7_20.txt
│ ├── 7_21.txt
│ ├── 7_22.txt
│ ├── 7_23.txt
│ ├── 7_24.txt
│ ├── 7_25.txt
│ ├── 7_26.txt
│ ├── 7_27.txt
│ ├── 7_28.txt
│ ├── 7_29.txt
│ ├── 7_3.txt
│ ├── 7_30.txt
│ ├── 7_31.txt
│ ├── 7_32.txt
│ ├── 7_33.txt
│ ├── 7_34.txt
│ ├── 7_35.txt
│ ├── 7_36.txt
│ ├── 7_37.txt
│ ├── 7_38.txt
│ ├── 7_39.txt
│ ├── 7_4.txt
│ ├── 7_40.txt
│ ├── 7_41.txt
│ ├── 7_42.txt
│ ├── 7_43.txt
│ ├── 7_44.txt
│ ├── 7_45.txt
│ ├── 7_46.txt
│ ├── 7_47.txt
│ ├── 7_48.txt
│ ├── 7_49.txt
│ ├── 7_5.txt
│ ├── 7_50.txt
│ ├── 7_51.txt
│ ├── 7_52.txt
│ ├── 7_53.txt
│ ├── 7_54.txt
│ ├── 7_55.txt
│ ├── 7_56.txt
│ ├── 7_57.txt
│ ├── 7_58.txt
│ ├── 7_59.txt
│ ├── 7_6.txt
│ ├── 7_60.txt
│ ├── 7_61.txt
│ ├── 7_62.txt
│ ├── 7_63.txt
│ ├── 7_64.txt
│ ├── 7_65.txt
│ ├── 7_66.txt
│ ├── 7_67.txt
│ ├── 7_68.txt
│ ├── 7_69.txt
│ ├── 7_7.txt
│ ├── 7_70.txt
│ ├── 7_71.txt
│ ├── 7_72.txt
│ ├── 7_73.txt
│ ├── 7_74.txt
│ ├── 7_75.txt
│ ├── 7_76.txt
│ ├── 7_77.txt
│ ├── 7_78.txt
│ ├── 7_79.txt
│ ├── 7_8.txt
│ ├── 7_80.txt
│ ├── 7_81.txt
│ ├── 7_82.txt
│ ├── 7_83.txt
│ ├── 7_84.txt
│ ├── 7_85.txt
│ ├── 7_86.txt
│ ├── 7_87.txt
│ ├── 7_88.txt
│ ├── 7_89.txt
│ ├── 7_9.txt
│ ├── 7_90.txt
│ ├── 7_91.txt
│ ├── 7_92.txt
│ ├── 7_93.txt
│ ├── 7_94.txt
│ ├── 7_95.txt
│ ├── 8_0.txt
│ ├── 8_1.txt
│ ├── 8_10.txt
│ ├── 8_11.txt
│ ├── 8_12.txt
│ ├── 8_13.txt
│ ├── 8_14.txt
│ ├── 8_15.txt
│ ├── 8_16.txt
│ ├── 8_17.txt
│ ├── 8_18.txt
│ ├── 8_19.txt
│ ├── 8_2.txt
│ ├── 8_20.txt
│ ├── 8_21.txt
│ ├── 8_22.txt
│ ├── 8_23.txt
│ ├── 8_24.txt
│ ├── 8_25.txt
│ ├── 8_26.txt
│ ├── 8_27.txt
│ ├── 8_28.txt
│ ├── 8_29.txt
│ ├── 8_3.txt
│ ├── 8_30.txt
│ ├── 8_31.txt
│ ├── 8_32.txt
│ ├── 8_33.txt
│ ├── 8_34.txt
│ ├── 8_35.txt
│ ├── 8_36.txt
│ ├── 8_37.txt
│ ├── 8_38.txt
│ ├── 8_39.txt
│ ├── 8_4.txt
│ ├── 8_40.txt
│ ├── 8_41.txt
│ ├── 8_42.txt
│ ├── 8_43.txt
│ ├── 8_44.txt
│ ├── 8_45.txt
│ ├── 8_46.txt
│ ├── 8_47.txt
│ ├── 8_48.txt
│ ├── 8_49.txt
│ ├── 8_5.txt
│ ├── 8_50.txt
│ ├── 8_51.txt
│ ├── 8_52.txt
│ ├── 8_53.txt
│ ├── 8_54.txt
│ ├── 8_55.txt
│ ├── 8_56.txt
│ ├── 8_57.txt
│ ├── 8_58.txt
│ ├── 8_59.txt
│ ├── 8_6.txt
│ ├── 8_60.txt
│ ├── 8_61.txt
│ ├── 8_62.txt
│ ├── 8_63.txt
│ ├── 8_64.txt
│ ├── 8_65.txt
│ ├── 8_66.txt
│ ├── 8_67.txt
│ ├── 8_68.txt
│ ├── 8_69.txt
│ ├── 8_7.txt
│ ├── 8_70.txt
│ ├── 8_71.txt
│ ├── 8_72.txt
│ ├── 8_73.txt
│ ├── 8_74.txt
│ ├── 8_75.txt
│ ├── 8_76.txt
│ ├── 8_77.txt
│ ├── 8_78.txt
│ ├── 8_79.txt
│ ├── 8_8.txt
│ ├── 8_80.txt
│ ├── 8_81.txt
│ ├── 8_82.txt
│ ├── 8_83.txt
│ ├── 8_84.txt
│ ├── 8_85.txt
│ ├── 8_86.txt
│ ├── 8_87.txt
│ ├── 8_88.txt
│ ├── 8_89.txt
│ ├── 8_9.txt
│ ├── 8_90.txt
│ ├── 9_0.txt
│ ├── 9_1.txt
│ ├── 9_10.txt
│ ├── 9_11.txt
│ ├── 9_12.txt
│ ├── 9_13.txt
│ ├── 9_14.txt
│ ├── 9_15.txt
│ ├── 9_16.txt
│ ├── 9_17.txt
│ ├── 9_18.txt
│ ├── 9_19.txt
│ ├── 9_2.txt
│ ├── 9_20.txt
│ ├── 9_21.txt
│ ├── 9_22.txt
│ ├── 9_23.txt
│ ├── 9_24.txt
│ ├── 9_25.txt
│ ├── 9_26.txt
│ ├── 9_27.txt
│ ├── 9_28.txt
│ ├── 9_29.txt
│ ├── 9_3.txt
│ ├── 9_30.txt
│ ├── 9_31.txt
│ ├── 9_32.txt
│ ├── 9_33.txt
│ ├── 9_34.txt
│ ├── 9_35.txt
│ ├── 9_36.txt
│ ├── 9_37.txt
│ ├── 9_38.txt
│ ├── 9_39.txt
│ ├── 9_4.txt
│ ├── 9_40.txt
│ ├── 9_41.txt
│ ├── 9_42.txt
│ ├── 9_43.txt
│ ├── 9_44.txt
│ ├── 9_45.txt
│ ├── 9_46.txt
│ ├── 9_47.txt
│ ├── 9_48.txt
│ ├── 9_49.txt
│ ├── 9_5.txt
│ ├── 9_50.txt
│ ├── 9_51.txt
│ ├── 9_52.txt
│ ├── 9_53.txt
│ ├── 9_54.txt
│ ├── 9_55.txt
│ ├── 9_56.txt
│ ├── 9_57.txt
│ ├── 9_58.txt
│ ├── 9_59.txt
│ ├── 9_6.txt
│ ├── 9_60.txt
│ ├── 9_61.txt
│ ├── 9_62.txt
│ ├── 9_63.txt
│ ├── 9_64.txt
│ ├── 9_65.txt
│ ├── 9_66.txt
│ ├── 9_67.txt
│ ├── 9_68.txt
│ ├── 9_69.txt
│ ├── 9_7.txt
│ ├── 9_70.txt
│ ├── 9_71.txt
│ ├── 9_72.txt
│ ├── 9_73.txt
│ ├── 9_74.txt
│ ├── 9_75.txt
│ ├── 9_76.txt
│ ├── 9_77.txt
│ ├── 9_78.txt
│ ├── 9_79.txt
│ ├── 9_8.txt
│ ├── 9_80.txt
│ ├── 9_81.txt
│ ├── 9_82.txt
│ ├── 9_83.txt
│ ├── 9_84.txt
│ ├── 9_85.txt
│ ├── 9_86.txt
│ ├── 9_87.txt
│ ├── 9_88.txt
│ └── 9_9.txt
└── trainingDigits/
├── 0_0.txt
├── 0_1.txt
├── 0_10.txt
├── 0_100.txt
├── 0_101.txt
├── 0_102.txt
├── 0_103.txt
├── 0_104.txt
├── 0_105.txt
├── 0_106.txt
├── 0_107.txt
├── 0_108.txt
├── 0_109.txt
├── 0_11.txt
├── 0_110.txt
├── 0_111.txt
├── 0_112.txt
├── 0_113.txt
├── 0_114.txt
├── 0_115.txt
├── 0_116.txt
├── 0_117.txt
├── 0_118.txt
├── 0_119.txt
├── 0_12.txt
├── 0_120.txt
├── 0_121.txt
├── 0_122.txt
├── 0_123.txt
├── 0_124.txt
├── 0_125.txt
├── 0_126.txt
├── 0_127.txt
├── 0_128.txt
├── 0_129.txt
├── 0_13.txt
├── 0_130.txt
├── 0_131.txt
├── 0_132.txt
├── 0_133.txt
├── 0_134.txt
├── 0_135.txt
├── 0_136.txt
├── 0_137.txt
├── 0_138.txt
├── 0_139.txt
├── 0_14.txt
├── 0_140.txt
├── 0_141.txt
├── 0_142.txt
├── 0_143.txt
├── 0_144.txt
├── 0_145.txt
├── 0_146.txt
├── 0_147.txt
├── 0_148.txt
├── 0_149.txt
├── 0_15.txt
├── 0_150.txt
├── 0_151.txt
├── 0_152.txt
├── 0_153.txt
├── 0_154.txt
├── 0_155.txt
├── 0_156.txt
├── 0_157.txt
├── 0_158.txt
├── 0_159.txt
├── 0_16.txt
├── 0_160.txt
├── 0_161.txt
├── 0_162.txt
├── 0_163.txt
├── 0_164.txt
├── 0_165.txt
├── 0_166.txt
├── 0_167.txt
├── 0_168.txt
├── 0_169.txt
├── 0_17.txt
├── 0_170.txt
├── 0_171.txt
├── 0_172.txt
├── 0_173.txt
├── 0_174.txt
├── 0_175.txt
├── 0_176.txt
├── 0_177.txt
├── 0_178.txt
├── 0_179.txt
├── 0_18.txt
├── 0_180.txt
├── 0_181.txt
├── 0_182.txt
├── 0_183.txt
├── 0_184.txt
├── 0_185.txt
├── 0_186.txt
├── 0_187.txt
├── 0_188.txt
├── 0_19.txt
├── 0_2.txt
├── 0_20.txt
├── 0_21.txt
├── 0_22.txt
├── 0_23.txt
├── 0_24.txt
├── 0_25.txt
├── 0_26.txt
├── 0_27.txt
├── 0_28.txt
├── 0_29.txt
├── 0_3.txt
├── 0_30.txt
├── 0_31.txt
├── 0_32.txt
├── 0_33.txt
├── 0_34.txt
├── 0_35.txt
├── 0_36.txt
├── 0_37.txt
├── 0_38.txt
├── 0_39.txt
├── 0_4.txt
├── 0_40.txt
├── 0_41.txt
├── 0_42.txt
├── 0_43.txt
├── 0_44.txt
├── 0_45.txt
├── 0_46.txt
├── 0_47.txt
├── 0_48.txt
├── 0_49.txt
├── 0_5.txt
├── 0_50.txt
├── 0_51.txt
├── 0_52.txt
├── 0_53.txt
├── 0_54.txt
├── 0_55.txt
├── 0_56.txt
├── 0_57.txt
├── 0_58.txt
├── 0_59.txt
├── 0_6.txt
├── 0_60.txt
├── 0_61.txt
├── 0_62.txt
├── 0_63.txt
├── 0_64.txt
├── 0_65.txt
├── 0_66.txt
├── 0_67.txt
├── 0_68.txt
├── 0_69.txt
├── 0_7.txt
├── 0_70.txt
├── 0_71.txt
├── 0_72.txt
├── 0_73.txt
├── 0_74.txt
├── 0_75.txt
├── 0_76.txt
├── 0_77.txt
├── 0_78.txt
├── 0_79.txt
├── 0_8.txt
├── 0_80.txt
├── 0_81.txt
├── 0_82.txt
├── 0_83.txt
├── 0_84.txt
├── 0_85.txt
├── 0_86.txt
├── 0_87.txt
├── 0_88.txt
├── 0_89.txt
├── 0_9.txt
├── 0_90.txt
├── 0_91.txt
├── 0_92.txt
├── 0_93.txt
├── 0_94.txt
├── 0_95.txt
├── 0_96.txt
├── 0_97.txt
├── 0_98.txt
├── 0_99.txt
├── 1_0.txt
├── 1_1.txt
├── 1_10.txt
├── 1_100.txt
├── 1_101.txt
├── 1_102.txt
├── 1_103.txt
├── 1_104.txt
├── 1_105.txt
├── 1_106.txt
├── 1_107.txt
├── 1_108.txt
├── 1_109.txt
├── 1_11.txt
├── 1_110.txt
├── 1_111.txt
├── 1_112.txt
├── 1_113.txt
├── 1_114.txt
├── 1_115.txt
├── 1_116.txt
├── 1_117.txt
├── 1_118.txt
├── 1_119.txt
├── 1_12.txt
├── 1_120.txt
├── 1_121.txt
├── 1_122.txt
├── 1_123.txt
├── 1_124.txt
├── 1_125.txt
├── 1_126.txt
├── 1_127.txt
├── 1_128.txt
├── 1_129.txt
├── 1_13.txt
├── 1_130.txt
├── 1_131.txt
├── 1_132.txt
├── 1_133.txt
├── 1_134.txt
├── 1_135.txt
├── 1_136.txt
├── 1_137.txt
├── 1_138.txt
├── 1_139.txt
├── 1_14.txt
├── 1_140.txt
├── 1_141.txt
├── 1_142.txt
├── 1_143.txt
├── 1_144.txt
├── 1_145.txt
├── 1_146.txt
├── 1_147.txt
├── 1_148.txt
├── 1_149.txt
├── 1_15.txt
├── 1_150.txt
├── 1_151.txt
├── 1_152.txt
├── 1_153.txt
├── 1_154.txt
├── 1_155.txt
├── 1_156.txt
├── 1_157.txt
├── 1_158.txt
├── 1_159.txt
├── 1_16.txt
├── 1_160.txt
├── 1_161.txt
├── 1_162.txt
├── 1_163.txt
├── 1_164.txt
├── 1_165.txt
├── 1_166.txt
├── 1_167.txt
├── 1_168.txt
├── 1_169.txt
├── 1_17.txt
├── 1_170.txt
├── 1_171.txt
├── 1_172.txt
├── 1_173.txt
├── 1_174.txt
├── 1_175.txt
├── 1_176.txt
├── 1_177.txt
├── 1_178.txt
├── 1_179.txt
├── 1_18.txt
├── 1_180.txt
├── 1_181.txt
├── 1_182.txt
├── 1_183.txt
├── 1_184.txt
├── 1_185.txt
├── 1_186.txt
├── 1_187.txt
├── 1_188.txt
├── 1_189.txt
├── 1_19.txt
├── 1_190.txt
├── 1_191.txt
├── 1_192.txt
├── 1_193.txt
├── 1_194.txt
├── 1_195.txt
├── 1_196.txt
├── 1_197.txt
├── 1_2.txt
├── 1_20.txt
├── 1_21.txt
├── 1_22.txt
├── 1_23.txt
├── 1_24.txt
├── 1_25.txt
├── 1_26.txt
├── 1_27.txt
├── 1_28.txt
├── 1_29.txt
├── 1_3.txt
├── 1_30.txt
├── 1_31.txt
├── 1_32.txt
├── 1_33.txt
├── 1_34.txt
├── 1_35.txt
├── 1_36.txt
├── 1_37.txt
├── 1_38.txt
├── 1_39.txt
├── 1_4.txt
├── 1_40.txt
├── 1_41.txt
├── 1_42.txt
├── 1_43.txt
├── 1_44.txt
├── 1_45.txt
├── 1_46.txt
├── 1_47.txt
├── 1_48.txt
├── 1_49.txt
├── 1_5.txt
├── 1_50.txt
├── 1_51.txt
├── 1_52.txt
├── 1_53.txt
├── 1_54.txt
├── 1_55.txt
├── 1_56.txt
├── 1_57.txt
├── 1_58.txt
├── 1_59.txt
├── 1_6.txt
├── 1_60.txt
├── 1_61.txt
├── 1_62.txt
├── 1_63.txt
├── 1_64.txt
├── 1_65.txt
├── 1_66.txt
├── 1_67.txt
├── 1_68.txt
├── 1_69.txt
├── 1_7.txt
├── 1_70.txt
├── 1_71.txt
├── 1_72.txt
├── 1_73.txt
├── 1_74.txt
├── 1_75.txt
├── 1_76.txt
├── 1_77.txt
├── 1_78.txt
├── 1_79.txt
├── 1_8.txt
├── 1_80.txt
├── 1_81.txt
├── 1_82.txt
├── 1_83.txt
├── 1_84.txt
├── 1_85.txt
├── 1_86.txt
├── 1_87.txt
├── 1_88.txt
├── 1_89.txt
├── 1_9.txt
├── 1_90.txt
├── 1_91.txt
├── 1_92.txt
├── 1_93.txt
├── 1_94.txt
├── 1_95.txt
├── 1_96.txt
├── 1_97.txt
├── 1_98.txt
├── 1_99.txt
├── 2_0.txt
├── 2_1.txt
├── 2_10.txt
├── 2_100.txt
├── 2_101.txt
├── 2_102.txt
├── 2_103.txt
├── 2_104.txt
├── 2_105.txt
├── 2_106.txt
├── 2_107.txt
├── 2_108.txt
├── 2_109.txt
├── 2_11.txt
├── 2_110.txt
├── 2_111.txt
├── 2_112.txt
├── 2_113.txt
├── 2_114.txt
├── 2_115.txt
├── 2_116.txt
├── 2_117.txt
├── 2_118.txt
├── 2_119.txt
├── 2_12.txt
├── 2_120.txt
├── 2_121.txt
├── 2_122.txt
├── 2_123.txt
├── 2_124.txt
├── 2_125.txt
├── 2_126.txt
├── 2_127.txt
├── 2_128.txt
├── 2_129.txt
├── 2_13.txt
├── 2_130.txt
├── 2_131.txt
├── 2_132.txt
├── 2_133.txt
├── 2_134.txt
├── 2_135.txt
├── 2_136.txt
├── 2_137.txt
├── 2_138.txt
├── 2_139.txt
├── 2_14.txt
├── 2_140.txt
├── 2_141.txt
├── 2_142.txt
├── 2_143.txt
├── 2_144.txt
├── 2_145.txt
├── 2_146.txt
├── 2_147.txt
├── 2_148.txt
├── 2_149.txt
├── 2_15.txt
├── 2_150.txt
├── 2_151.txt
├── 2_152.txt
├── 2_153.txt
├── 2_154.txt
├── 2_155.txt
├── 2_156.txt
├── 2_157.txt
├── 2_158.txt
├── 2_159.txt
├── 2_16.txt
├── 2_160.txt
├── 2_161.txt
├── 2_162.txt
├── 2_163.txt
├── 2_164.txt
├── 2_165.txt
├── 2_166.txt
├── 2_167.txt
├── 2_168.txt
├── 2_169.txt
├── 2_17.txt
├── 2_170.txt
├── 2_171.txt
├── 2_172.txt
├── 2_173.txt
├── 2_174.txt
├── 2_175.txt
├── 2_176.txt
├── 2_177.txt
├── 2_178.txt
├── 2_179.txt
├── 2_18.txt
├── 2_180.txt
├── 2_181.txt
├── 2_182.txt
├── 2_183.txt
├── 2_184.txt
├── 2_185.txt
├── 2_186.txt
├── 2_187.txt
├── 2_188.txt
├── 2_189.txt
├── 2_19.txt
├── 2_190.txt
├── 2_191.txt
├── 2_192.txt
├── 2_193.txt
├── 2_194.txt
├── 2_2.txt
├── 2_20.txt
├── 2_21.txt
├── 2_22.txt
├── 2_23.txt
├── 2_24.txt
├── 2_25.txt
├── 2_26.txt
├── 2_27.txt
├── 2_28.txt
├── 2_29.txt
├── 2_3.txt
├── 2_30.txt
├── 2_31.txt
├── 2_32.txt
├── 2_33.txt
├── 2_34.txt
├── 2_35.txt
├── 2_36.txt
├── 2_37.txt
├── 2_38.txt
├── 2_39.txt
├── 2_4.txt
├── 2_40.txt
├── 2_41.txt
├── 2_42.txt
├── 2_43.txt
├── 2_44.txt
├── 2_45.txt
├── 2_46.txt
├── 2_47.txt
├── 2_48.txt
├── 2_49.txt
├── 2_5.txt
├── 2_50.txt
├── 2_51.txt
├── 2_52.txt
├── 2_53.txt
├── 2_54.txt
├── 2_55.txt
├── 2_56.txt
├── 2_57.txt
├── 2_58.txt
├── 2_59.txt
├── 2_6.txt
├── 2_60.txt
├── 2_61.txt
├── 2_62.txt
├── 2_63.txt
├── 2_64.txt
├── 2_65.txt
├── 2_66.txt
├── 2_67.txt
├── 2_68.txt
├── 2_69.txt
├── 2_7.txt
├── 2_70.txt
├── 2_71.txt
├── 2_72.txt
├── 2_73.txt
├── 2_74.txt
├── 2_75.txt
├── 2_76.txt
├── 2_77.txt
├── 2_78.txt
├── 2_79.txt
├── 2_8.txt
├── 2_80.txt
├── 2_81.txt
├── 2_82.txt
├── 2_83.txt
├── 2_84.txt
├── 2_85.txt
├── 2_86.txt
├── 2_87.txt
├── 2_88.txt
├── 2_89.txt
├── 2_9.txt
├── 2_90.txt
├── 2_91.txt
├── 2_92.txt
├── 2_93.txt
├── 2_94.txt
├── 2_95.txt
├── 2_96.txt
├── 2_97.txt
├── 2_98.txt
├── 2_99.txt
├── 3_0.txt
├── 3_1.txt
├── 3_10.txt
├── 3_100.txt
├── 3_101.txt
├── 3_102.txt
├── 3_103.txt
├── 3_104.txt
├── 3_105.txt
├── 3_106.txt
├── 3_107.txt
├── 3_108.txt
├── 3_109.txt
├── 3_11.txt
├── 3_110.txt
├── 3_111.txt
├── 3_112.txt
├── 3_113.txt
├── 3_114.txt
├── 3_115.txt
├── 3_116.txt
├── 3_117.txt
├── 3_118.txt
├── 3_119.txt
├── 3_12.txt
├── 3_120.txt
├── 3_121.txt
├── 3_122.txt
├── 3_123.txt
├── 3_124.txt
├── 3_125.txt
├── 3_126.txt
├── 3_127.txt
├── 3_128.txt
├── 3_129.txt
├── 3_13.txt
├── 3_130.txt
├── 3_131.txt
├── 3_132.txt
├── 3_133.txt
├── 3_134.txt
├── 3_135.txt
├── 3_136.txt
├── 3_137.txt
├── 3_138.txt
├── 3_139.txt
├── 3_14.txt
├── 3_140.txt
├── 3_141.txt
├── 3_142.txt
├── 3_143.txt
├── 3_144.txt
├── 3_145.txt
├── 3_146.txt
├── 3_147.txt
├── 3_148.txt
├── 3_149.txt
├── 3_15.txt
├── 3_150.txt
├── 3_151.txt
├── 3_152.txt
├── 3_153.txt
├── 3_154.txt
├── 3_155.txt
├── 3_156.txt
├── 3_157.txt
├── 3_158.txt
├── 3_159.txt
├── 3_16.txt
├── 3_160.txt
├── 3_161.txt
├── 3_162.txt
├── 3_163.txt
├── 3_164.txt
├── 3_165.txt
├── 3_166.txt
├── 3_167.txt
├── 3_168.txt
├── 3_169.txt
├── 3_17.txt
├── 3_170.txt
├── 3_171.txt
├── 3_172.txt
├── 3_173.txt
├── 3_174.txt
├── 3_175.txt
├── 3_176.txt
├── 3_177.txt
├── 3_178.txt
├── 3_179.txt
├── 3_18.txt
├── 3_180.txt
├── 3_181.txt
├── 3_182.txt
├── 3_183.txt
├── 3_184.txt
├── 3_185.txt
├── 3_186.txt
├── 3_187.txt
├── 3_188.txt
├── 3_189.txt
├── 3_19.txt
├── 3_190.txt
├── 3_191.txt
├── 3_192.txt
├── 3_193.txt
├── 3_194.txt
├── 3_195.txt
├── 3_196.txt
├── 3_197.txt
├── 3_198.txt
├── 3_2.txt
├── 3_20.txt
├── 3_21.txt
├── 3_22.txt
├── 3_23.txt
├── 3_24.txt
├── 3_25.txt
├── 3_26.txt
├── 3_27.txt
├── 3_28.txt
├── 3_29.txt
├── 3_3.txt
├── 3_30.txt
├── 3_31.txt
├── 3_32.txt
├── 3_33.txt
├── 3_34.txt
├── 3_35.txt
├── 3_36.txt
├── 3_37.txt
├── 3_38.txt
├── 3_39.txt
├── 3_4.txt
├── 3_40.txt
├── 3_41.txt
├── 3_42.txt
├── 3_43.txt
├── 3_44.txt
├── 3_45.txt
├── 3_46.txt
├── 3_47.txt
├── 3_48.txt
├── 3_49.txt
├── 3_5.txt
├── 3_50.txt
├── 3_51.txt
├── 3_52.txt
├── 3_53.txt
├── 3_54.txt
├── 3_55.txt
├── 3_56.txt
├── 3_57.txt
├── 3_58.txt
├── 3_59.txt
├── 3_6.txt
├── 3_60.txt
├── 3_61.txt
├── 3_62.txt
├── 3_63.txt
├── 3_64.txt
├── 3_65.txt
├── 3_66.txt
├── 3_67.txt
├── 3_68.txt
├── 3_69.txt
├── 3_7.txt
├── 3_70.txt
├── 3_71.txt
├── 3_72.txt
├── 3_73.txt
├── 3_74.txt
├── 3_75.txt
├── 3_76.txt
├── 3_77.txt
├── 3_78.txt
├── 3_79.txt
├── 3_8.txt
├── 3_80.txt
├── 3_81.txt
├── 3_82.txt
├── 3_83.txt
├── 3_84.txt
├── 3_85.txt
├── 3_86.txt
├── 3_87.txt
├── 3_88.txt
├── 3_89.txt
├── 3_9.txt
├── 3_90.txt
├── 3_91.txt
├── 3_92.txt
├── 3_93.txt
├── 3_94.txt
├── 3_95.txt
├── 3_96.txt
├── 3_97.txt
├── 3_98.txt
├── 3_99.txt
├── 4_0.txt
├── 4_1.txt
├── 4_10.txt
├── 4_100.txt
├── 4_101.txt
├── 4_102.txt
├── 4_103.txt
├── 4_104.txt
├── 4_105.txt
├── 4_106.txt
├── 4_107.txt
├── 4_108.txt
├── 4_109.txt
├── 4_11.txt
├── 4_110.txt
├── 4_111.txt
├── 4_112.txt
├── 4_113.txt
├── 4_114.txt
├── 4_115.txt
├── 4_116.txt
├── 4_117.txt
├── 4_118.txt
├── 4_119.txt
├── 4_12.txt
├── 4_120.txt
├── 4_121.txt
├── 4_122.txt
├── 4_123.txt
├── 4_124.txt
├── 4_125.txt
├── 4_126.txt
├── 4_127.txt
├── 4_128.txt
├── 4_129.txt
├── 4_13.txt
├── 4_130.txt
├── 4_131.txt
├── 4_132.txt
├── 4_133.txt
├── 4_134.txt
├── 4_135.txt
├── 4_136.txt
├── 4_137.txt
├── 4_138.txt
├── 4_139.txt
├── 4_14.txt
├── 4_140.txt
├── 4_141.txt
├── 4_142.txt
├── 4_143.txt
├── 4_144.txt
├── 4_145.txt
├── 4_146.txt
├── 4_147.txt
├── 4_148.txt
├── 4_149.txt
├── 4_15.txt
├── 4_150.txt
├── 4_151.txt
├── 4_152.txt
├── 4_153.txt
├── 4_154.txt
├── 4_155.txt
├── 4_156.txt
├── 4_157.txt
├── 4_158.txt
├── 4_159.txt
├── 4_16.txt
├── 4_160.txt
├── 4_161.txt
├── 4_162.txt
├── 4_163.txt
├── 4_164.txt
├── 4_165.txt
├── 4_166.txt
├── 4_167.txt
├── 4_168.txt
├── 4_169.txt
├── 4_17.txt
├── 4_170.txt
├── 4_171.txt
├── 4_172.txt
├── 4_173.txt
├── 4_174.txt
├── 4_175.txt
├── 4_176.txt
├── 4_177.txt
├── 4_178.txt
├── 4_179.txt
├── 4_18.txt
├── 4_180.txt
├── 4_181.txt
├── 4_182.txt
├── 4_183.txt
├── 4_184.txt
├── 4_185.txt
├── 4_19.txt
├── 4_2.txt
├── 4_20.txt
├── 4_21.txt
├── 4_22.txt
├── 4_23.txt
├── 4_24.txt
├── 4_25.txt
├── 4_26.txt
├── 4_27.txt
├── 4_28.txt
├── 4_29.txt
├── 4_3.txt
├── 4_30.txt
├── 4_31.txt
├── 4_32.txt
├── 4_33.txt
├── 4_34.txt
├── 4_35.txt
├── 4_36.txt
├── 4_37.txt
├── 4_38.txt
├── 4_39.txt
├── 4_4.txt
├── 4_40.txt
├── 4_41.txt
├── 4_42.txt
├── 4_43.txt
├── 4_44.txt
├── 4_45.txt
├── 4_46.txt
├── 4_47.txt
├── 4_48.txt
├── 4_49.txt
├── 4_5.txt
├── 4_50.txt
├── 4_51.txt
├── 4_52.txt
├── 4_53.txt
├── 4_54.txt
├── 4_55.txt
├── 4_56.txt
├── 4_57.txt
├── 4_58.txt
├── 4_59.txt
├── 4_6.txt
├── 4_60.txt
├── 4_61.txt
├── 4_62.txt
├── 4_63.txt
├── 4_64.txt
├── 4_65.txt
├── 4_66.txt
├── 4_67.txt
├── 4_68.txt
├── 4_69.txt
├── 4_7.txt
├── 4_70.txt
├── 4_71.txt
├── 4_72.txt
├── 4_73.txt
├── 4_74.txt
├── 4_75.txt
├── 4_76.txt
├── 4_77.txt
├── 4_78.txt
├── 4_79.txt
├── 4_8.txt
├── 4_80.txt
├── 4_81.txt
├── 4_82.txt
├── 4_83.txt
├── 4_84.txt
├── 4_85.txt
├── 4_86.txt
├── 4_87.txt
├── 4_88.txt
├── 4_89.txt
├── 4_9.txt
├── 4_90.txt
├── 4_91.txt
├── 4_92.txt
├── 4_93.txt
├── 4_94.txt
├── 4_95.txt
├── 4_96.txt
├── 4_97.txt
├── 4_98.txt
├── 4_99.txt
├── 5_0.txt
├── 5_1.txt
├── 5_10.txt
├── 5_100.txt
├── 5_101.txt
├── 5_102.txt
├── 5_103.txt
├── 5_104.txt
├── 5_105.txt
├── 5_106.txt
├── 5_107.txt
├── 5_108.txt
├── 5_109.txt
├── 5_11.txt
├── 5_110.txt
├── 5_111.txt
├── 5_112.txt
├── 5_113.txt
├── 5_114.txt
├── 5_115.txt
├── 5_116.txt
├── 5_117.txt
├── 5_118.txt
├── 5_119.txt
├── 5_12.txt
├── 5_120.txt
├── 5_121.txt
├── 5_122.txt
├── 5_123.txt
├── 5_124.txt
├── 5_125.txt
├── 5_126.txt
├── 5_127.txt
├── 5_128.txt
├── 5_129.txt
├── 5_13.txt
├── 5_130.txt
├── 5_131.txt
├── 5_132.txt
├── 5_133.txt
├── 5_134.txt
├── 5_135.txt
├── 5_136.txt
├── 5_137.txt
├── 5_138.txt
├── 5_139.txt
├── 5_14.txt
├── 5_140.txt
├── 5_141.txt
├── 5_142.txt
├── 5_143.txt
├── 5_144.txt
├── 5_145.txt
├── 5_146.txt
├── 5_147.txt
├── 5_148.txt
├── 5_149.txt
├── 5_15.txt
├── 5_150.txt
├── 5_151.txt
├── 5_152.txt
├── 5_153.txt
├── 5_154.txt
├── 5_155.txt
├── 5_156.txt
├── 5_157.txt
├── 5_158.txt
├── 5_159.txt
├── 5_16.txt
├── 5_160.txt
├── 5_161.txt
├── 5_162.txt
├── 5_163.txt
├── 5_164.txt
├── 5_165.txt
├── 5_166.txt
├── 5_167.txt
├── 5_168.txt
├── 5_169.txt
├── 5_17.txt
├── 5_170.txt
├── 5_171.txt
├── 5_172.txt
├── 5_173.txt
├── 5_174.txt
├── 5_175.txt
├── 5_176.txt
├── 5_177.txt
├── 5_178.txt
├── 5_179.txt
├── 5_18.txt
├── 5_180.txt
├── 5_181.txt
├── 5_182.txt
├── 5_183.txt
├── 5_184.txt
├── 5_185.txt
├── 5_186.txt
├── 5_19.txt
├── 5_2.txt
├── 5_20.txt
├── 5_21.txt
├── 5_22.txt
├── 5_23.txt
├── 5_24.txt
├── 5_25.txt
├── 5_26.txt
├── 5_27.txt
├── 5_28.txt
├── 5_29.txt
├── 5_3.txt
├── 5_30.txt
├── 5_31.txt
├── 5_32.txt
├── 5_33.txt
├── 5_34.txt
├── 5_35.txt
├── 5_36.txt
├── 5_37.txt
├── 5_38.txt
├── 5_39.txt
├── 5_4.txt
├── 5_40.txt
├── 5_41.txt
├── 5_42.txt
├── 5_43.txt
├── 5_44.txt
├── 5_45.txt
├── 5_46.txt
├── 5_47.txt
├── 5_48.txt
├── 5_49.txt
├── 5_5.txt
├── 5_50.txt
├── 5_51.txt
├── 5_52.txt
├── 5_53.txt
├── 5_54.txt
├── 5_55.txt
├── 5_56.txt
├── 5_57.txt
├── 5_58.txt
├── 5_59.txt
├── 5_6.txt
├── 5_60.txt
├── 5_61.txt
├── 5_62.txt
├── 5_63.txt
├── 5_64.txt
├── 5_65.txt
├── 5_66.txt
├── 5_67.txt
├── 5_68.txt
├── 5_69.txt
├── 5_7.txt
├── 5_70.txt
├── 5_71.txt
├── 5_72.txt
├── 5_73.txt
├── 5_74.txt
├── 5_75.txt
├── 5_76.txt
├── 5_77.txt
├── 5_78.txt
├── 5_79.txt
├── 5_8.txt
├── 5_80.txt
├── 5_81.txt
├── 5_82.txt
├── 5_83.txt
├── 5_84.txt
├── 5_85.txt
├── 5_86.txt
├── 5_87.txt
├── 5_88.txt
├── 5_89.txt
├── 5_9.txt
├── 5_90.txt
├── 5_91.txt
├── 5_92.txt
├── 5_93.txt
├── 5_94.txt
├── 5_95.txt
├── 5_96.txt
├── 5_97.txt
├── 5_98.txt
├── 5_99.txt
├── 6_0.txt
├── 6_1.txt
├── 6_10.txt
├── 6_100.txt
├── 6_101.txt
├── 6_102.txt
├── 6_103.txt
├── 6_104.txt
├── 6_105.txt
├── 6_106.txt
├── 6_107.txt
├── 6_108.txt
├── 6_109.txt
├── 6_11.txt
├── 6_110.txt
├── 6_111.txt
├── 6_112.txt
├── 6_113.txt
├── 6_114.txt
├── 6_115.txt
├── 6_116.txt
├── 6_117.txt
├── 6_118.txt
├── 6_119.txt
├── 6_12.txt
├── 6_120.txt
├── 6_121.txt
├── 6_122.txt
├── 6_123.txt
├── 6_124.txt
├── 6_125.txt
├── 6_126.txt
├── 6_127.txt
├── 6_128.txt
├── 6_129.txt
├── 6_13.txt
├── 6_130.txt
├── 6_131.txt
├── 6_132.txt
├── 6_133.txt
├── 6_134.txt
├── 6_135.txt
├── 6_136.txt
├── 6_137.txt
├── 6_138.txt
├── 6_139.txt
├── 6_14.txt
├── 6_140.txt
├── 6_141.txt
├── 6_142.txt
├── 6_143.txt
├── 6_144.txt
├── 6_145.txt
├── 6_146.txt
├── 6_147.txt
├── 6_148.txt
├── 6_149.txt
├── 6_15.txt
├── 6_150.txt
├── 6_151.txt
├── 6_152.txt
├── 6_153.txt
├── 6_154.txt
├── 6_155.txt
├── 6_156.txt
├── 6_157.txt
├── 6_158.txt
├── 6_159.txt
├── 6_16.txt
├── 6_160.txt
├── 6_161.txt
├── 6_162.txt
├── 6_163.txt
├── 6_164.txt
├── 6_165.txt
├── 6_166.txt
├── 6_167.txt
├── 6_168.txt
├── 6_169.txt
├── 6_17.txt
├── 6_170.txt
├── 6_171.txt
├── 6_172.txt
├── 6_173.txt
├── 6_174.txt
├── 6_175.txt
├── 6_176.txt
├── 6_177.txt
├── 6_178.txt
├── 6_179.txt
├── 6_18.txt
├── 6_180.txt
├── 6_181.txt
├── 6_182.txt
├── 6_183.txt
├── 6_184.txt
├── 6_185.txt
├── 6_186.txt
├── 6_187.txt
├── 6_188.txt
├── 6_189.txt
├── 6_19.txt
├── 6_190.txt
├── 6_191.txt
├── 6_192.txt
├── 6_193.txt
├── 6_194.txt
├── 6_2.txt
├── 6_20.txt
├── 6_21.txt
├── 6_22.txt
├── 6_23.txt
├── 6_24.txt
├── 6_25.txt
├── 6_26.txt
├── 6_27.txt
├── 6_28.txt
├── 6_29.txt
├── 6_3.txt
├── 6_30.txt
├── 6_31.txt
├── 6_32.txt
├── 6_33.txt
├── 6_34.txt
├── 6_35.txt
├── 6_36.txt
├── 6_37.txt
├── 6_38.txt
├── 6_39.txt
├── 6_4.txt
├── 6_40.txt
├── 6_41.txt
├── 6_42.txt
├── 6_43.txt
├── 6_44.txt
├── 6_45.txt
├── 6_46.txt
├── 6_47.txt
├── 6_48.txt
├── 6_49.txt
├── 6_5.txt
├── 6_50.txt
├── 6_51.txt
├── 6_52.txt
├── 6_53.txt
├── 6_54.txt
├── 6_55.txt
├── 6_56.txt
├── 6_57.txt
├── 6_58.txt
├── 6_59.txt
├── 6_6.txt
├── 6_60.txt
├── 6_61.txt
├── 6_62.txt
├── 6_63.txt
├── 6_64.txt
├── 6_65.txt
├── 6_66.txt
├── 6_67.txt
├── 6_68.txt
├── 6_69.txt
├── 6_7.txt
├── 6_70.txt
├── 6_71.txt
├── 6_72.txt
├── 6_73.txt
├── 6_74.txt
├── 6_75.txt
├── 6_76.txt
├── 6_77.txt
├── 6_78.txt
├── 6_79.txt
├── 6_8.txt
├── 6_80.txt
├── 6_81.txt
├── 6_82.txt
├── 6_83.txt
├── 6_84.txt
├── 6_85.txt
├── 6_86.txt
├── 6_87.txt
├── 6_88.txt
├── 6_89.txt
├── 6_9.txt
├── 6_90.txt
├── 6_91.txt
├── 6_92.txt
├── 6_93.txt
├── 6_94.txt
├── 6_95.txt
├── 6_96.txt
├── 6_97.txt
├── 6_98.txt
├── 6_99.txt
├── 7_0.txt
├── 7_1.txt
├── 7_10.txt
├── 7_100.txt
├── 7_101.txt
├── 7_102.txt
├── 7_103.txt
├── 7_104.txt
├── 7_105.txt
├── 7_106.txt
├── 7_107.txt
├── 7_108.txt
├── 7_109.txt
├── 7_11.txt
├── 7_110.txt
├── 7_111.txt
├── 7_112.txt
├── 7_113.txt
├── 7_114.txt
├── 7_115.txt
├── 7_116.txt
├── 7_117.txt
├── 7_118.txt
├── 7_119.txt
├── 7_12.txt
├── 7_120.txt
├── 7_121.txt
├── 7_122.txt
├── 7_123.txt
├── 7_124.txt
├── 7_125.txt
├── 7_126.txt
├── 7_127.txt
├── 7_128.txt
├── 7_129.txt
├── 7_13.txt
├── 7_130.txt
├── 7_131.txt
├── 7_132.txt
├── 7_133.txt
├── 7_134.txt
├── 7_135.txt
├── 7_136.txt
├── 7_137.txt
├── 7_138.txt
├── 7_139.txt
├── 7_14.txt
├── 7_140.txt
├── 7_141.txt
├── 7_142.txt
├── 7_143.txt
├── 7_144.txt
├── 7_145.txt
├── 7_146.txt
├── 7_147.txt
├── 7_148.txt
├── 7_149.txt
├── 7_15.txt
├── 7_150.txt
├── 7_151.txt
├── 7_152.txt
├── 7_153.txt
├── 7_154.txt
├── 7_155.txt
├── 7_156.txt
├── 7_157.txt
├── 7_158.txt
├── 7_159.txt
├── 7_16.txt
├── 7_160.txt
├── 7_161.txt
├── 7_162.txt
├── 7_163.txt
├── 7_164.txt
├── 7_165.txt
├── 7_166.txt
├── 7_167.txt
├── 7_168.txt
├── 7_169.txt
├── 7_17.txt
├── 7_170.txt
├── 7_171.txt
├── 7_172.txt
├── 7_173.txt
├── 7_174.txt
├── 7_175.txt
├── 7_176.txt
├── 7_177.txt
├── 7_178.txt
├── 7_179.txt
├── 7_18.txt
├── 7_180.txt
├── 7_181.txt
├── 7_182.txt
├── 7_183.txt
├── 7_184.txt
├── 7_185.txt
├── 7_186.txt
├── 7_187.txt
├── 7_188.txt
├── 7_189.txt
├── 7_19.txt
├── 7_190.txt
├── 7_191.txt
├── 7_192.txt
├── 7_193.txt
├── 7_194.txt
├── 7_195.txt
├── 7_196.txt
├── 7_197.txt
├── 7_198.txt
├── 7_199.txt
├── 7_2.txt
├── 7_20.txt
├── 7_200.txt
├── 7_21.txt
├── 7_22.txt
├── 7_23.txt
├── 7_24.txt
├── 7_25.txt
├── 7_26.txt
├── 7_27.txt
├── 7_28.txt
├── 7_29.txt
├── 7_3.txt
├── 7_30.txt
├── 7_31.txt
├── 7_32.txt
├── 7_33.txt
├── 7_34.txt
├── 7_35.txt
├── 7_36.txt
├── 7_37.txt
├── 7_38.txt
├── 7_39.txt
├── 7_4.txt
├── 7_40.txt
├── 7_41.txt
├── 7_42.txt
├── 7_43.txt
├── 7_44.txt
├── 7_45.txt
├── 7_46.txt
├── 7_47.txt
├── 7_48.txt
├── 7_49.txt
├── 7_5.txt
├── 7_50.txt
├── 7_51.txt
├── 7_52.txt
├── 7_53.txt
├── 7_54.txt
├── 7_55.txt
├── 7_56.txt
├── 7_57.txt
├── 7_58.txt
├── 7_59.txt
├── 7_6.txt
├── 7_60.txt
├── 7_61.txt
├── 7_62.txt
├── 7_63.txt
├── 7_64.txt
├── 7_65.txt
├── 7_66.txt
├── 7_67.txt
├── 7_68.txt
├── 7_69.txt
├── 7_7.txt
├── 7_70.txt
├── 7_71.txt
├── 7_72.txt
├── 7_73.txt
├── 7_74.txt
├── 7_75.txt
├── 7_76.txt
├── 7_77.txt
├── 7_78.txt
├── 7_79.txt
├── 7_8.txt
├── 7_80.txt
├── 7_81.txt
├── 7_82.txt
├── 7_83.txt
├── 7_84.txt
├── 7_85.txt
├── 7_86.txt
├── 7_87.txt
├── 7_88.txt
├── 7_89.txt
├── 7_9.txt
├── 7_90.txt
├── 7_91.txt
├── 7_92.txt
├── 7_93.txt
├── 7_94.txt
├── 7_95.txt
├── 7_96.txt
├── 7_97.txt
├── 7_98.txt
├── 7_99.txt
├── 8_0.txt
├── 8_1.txt
├── 8_10.txt
├── 8_100.txt
├── 8_101.txt
├── 8_102.txt
├── 8_103.txt
├── 8_104.txt
├── 8_105.txt
├── 8_106.txt
├── 8_107.txt
├── 8_108.txt
├── 8_109.txt
├── 8_11.txt
├── 8_110.txt
├── 8_111.txt
├── 8_112.txt
├── 8_113.txt
├── 8_114.txt
├── 8_115.txt
├── 8_116.txt
├── 8_117.txt
├── 8_118.txt
├── 8_119.txt
├── 8_12.txt
├── 8_120.txt
├── 8_121.txt
├── 8_122.txt
├── 8_123.txt
├── 8_124.txt
├── 8_125.txt
├── 8_126.txt
├── 8_127.txt
├── 8_128.txt
├── 8_129.txt
├── 8_13.txt
├── 8_130.txt
├── 8_131.txt
├── 8_132.txt
├── 8_133.txt
├── 8_134.txt
├── 8_135.txt
├── 8_136.txt
├── 8_137.txt
├── 8_138.txt
├── 8_139.txt
├── 8_14.txt
├── 8_140.txt
├── 8_141.txt
├── 8_142.txt
├── 8_143.txt
├── 8_144.txt
├── 8_145.txt
├── 8_146.txt
├── 8_147.txt
├── 8_148.txt
├── 8_149.txt
├── 8_15.txt
├── 8_150.txt
├── 8_151.txt
├── 8_152.txt
├── 8_153.txt
├── 8_154.txt
├── 8_155.txt
├── 8_156.txt
├── 8_157.txt
├── 8_158.txt
├── 8_159.txt
├── 8_16.txt
├── 8_160.txt
├── 8_161.txt
├── 8_162.txt
├── 8_163.txt
├── 8_164.txt
├── 8_165.txt
├── 8_166.txt
├── 8_167.txt
├── 8_168.txt
├── 8_169.txt
├── 8_17.txt
├── 8_170.txt
├── 8_171.txt
├── 8_172.txt
├── 8_173.txt
├── 8_174.txt
├── 8_175.txt
├── 8_176.txt
├── 8_177.txt
├── 8_178.txt
├── 8_179.txt
├── 8_18.txt
├── 8_19.txt
├── 8_2.txt
├── 8_20.txt
├── 8_21.txt
├── 8_22.txt
├── 8_23.txt
├── 8_24.txt
├── 8_25.txt
├── 8_26.txt
├── 8_27.txt
├── 8_28.txt
├── 8_29.txt
├── 8_3.txt
├── 8_30.txt
├── 8_31.txt
├── 8_32.txt
├── 8_33.txt
├── 8_34.txt
├── 8_35.txt
├── 8_36.txt
├── 8_37.txt
├── 8_38.txt
├── 8_39.txt
├── 8_4.txt
├── 8_40.txt
├── 8_41.txt
├── 8_42.txt
├── 8_43.txt
├── 8_44.txt
├── 8_45.txt
├── 8_46.txt
├── 8_47.txt
├── 8_48.txt
├── 8_49.txt
├── 8_5.txt
├── 8_50.txt
├── 8_51.txt
├── 8_52.txt
├── 8_53.txt
├── 8_54.txt
├── 8_55.txt
├── 8_56.txt
├── 8_57.txt
├── 8_58.txt
├── 8_59.txt
├── 8_6.txt
├── 8_60.txt
├── 8_61.txt
├── 8_62.txt
├── 8_63.txt
├── 8_64.txt
├── 8_65.txt
├── 8_66.txt
├── 8_67.txt
├── 8_68.txt
├── 8_69.txt
├── 8_7.txt
├── 8_70.txt
├── 8_71.txt
├── 8_72.txt
├── 8_73.txt
├── 8_74.txt
├── 8_75.txt
├── 8_76.txt
├── 8_77.txt
├── 8_78.txt
├── 8_79.txt
├── 8_8.txt
├── 8_80.txt
├── 8_81.txt
├── 8_82.txt
├── 8_83.txt
├── 8_84.txt
├── 8_85.txt
├── 8_86.txt
├── 8_87.txt
├── 8_88.txt
├── 8_89.txt
├── 8_9.txt
├── 8_90.txt
├── 8_91.txt
├── 8_92.txt
├── 8_93.txt
├── 8_94.txt
├── 8_95.txt
├── 8_96.txt
├── 8_97.txt
├── 8_98.txt
├── 8_99.txt
├── 9_0.txt
├── 9_1.txt
├── 9_10.txt
├── 9_100.txt
├── 9_101.txt
├── 9_102.txt
├── 9_103.txt
├── 9_104.txt
├── 9_105.txt
├── 9_106.txt
├── 9_107.txt
├── 9_108.txt
├── 9_109.txt
├── 9_11.txt
├── 9_110.txt
├── 9_111.txt
├── 9_112.txt
├── 9_113.txt
├── 9_114.txt
├── 9_115.txt
├── 9_116.txt
├── 9_117.txt
├── 9_118.txt
├── 9_119.txt
├── 9_12.txt
├── 9_120.txt
├── 9_121.txt
├── 9_122.txt
├── 9_123.txt
├── 9_124.txt
├── 9_125.txt
├── 9_126.txt
├── 9_127.txt
├── 9_128.txt
├── 9_129.txt
├── 9_13.txt
├── 9_130.txt
├── 9_131.txt
├── 9_132.txt
├── 9_133.txt
├── 9_134.txt
├── 9_135.txt
├── 9_136.txt
├── 9_137.txt
├── 9_138.txt
├── 9_139.txt
├── 9_14.txt
├── 9_140.txt
├── 9_141.txt
├── 9_142.txt
├── 9_143.txt
├── 9_144.txt
├── 9_145.txt
├── 9_146.txt
├── 9_147.txt
├── 9_148.txt
├── 9_149.txt
├── 9_15.txt
├── 9_150.txt
├── 9_151.txt
├── 9_152.txt
├── 9_153.txt
├── 9_154.txt
├── 9_155.txt
├── 9_156.txt
├── 9_157.txt
├── 9_158.txt
├── 9_159.txt
├── 9_16.txt
├── 9_160.txt
├── 9_161.txt
├── 9_162.txt
├── 9_163.txt
├── 9_164.txt
├── 9_165.txt
├── 9_166.txt
├── 9_167.txt
├── 9_168.txt
├── 9_169.txt
├── 9_17.txt
├── 9_170.txt
├── 9_171.txt
├── 9_172.txt
├── 9_173.txt
├── 9_174.txt
├── 9_175.txt
├── 9_176.txt
├── 9_177.txt
├── 9_178.txt
├── 9_179.txt
├── 9_18.txt
├── 9_180.txt
├── 9_181.txt
├── 9_182.txt
├── 9_183.txt
├── 9_184.txt
├── 9_185.txt
├── 9_186.txt
├── 9_187.txt
├── 9_188.txt
├── 9_189.txt
├── 9_19.txt
├── 9_190.txt
├── 9_191.txt
├── 9_192.txt
├── 9_193.txt
├── 9_194.txt
├── 9_195.txt
├── 9_196.txt
├── 9_197.txt
├── 9_198.txt
├── 9_199.txt
├── 9_2.txt
├── 9_20.txt
├── 9_200.txt
├── 9_201.txt
├── 9_202.txt
├── 9_203.txt
├── 9_21.txt
├── 9_22.txt
├── 9_23.txt
├── 9_24.txt
├── 9_25.txt
├── 9_26.txt
├── 9_27.txt
├── 9_28.txt
├── 9_29.txt
├── 9_3.txt
├── 9_30.txt
├── 9_31.txt
├── 9_32.txt
├── 9_33.txt
├── 9_34.txt
├── 9_35.txt
├── 9_36.txt
├── 9_37.txt
├── 9_38.txt
├── 9_39.txt
├── 9_4.txt
├── 9_40.txt
├── 9_41.txt
├── 9_42.txt
├── 9_43.txt
├── 9_44.txt
├── 9_45.txt
├── 9_46.txt
├── 9_47.txt
├── 9_48.txt
├── 9_49.txt
├── 9_5.txt
├── 9_50.txt
├── 9_51.txt
├── 9_52.txt
├── 9_53.txt
├── 9_54.txt
├── 9_55.txt
├── 9_56.txt
├── 9_57.txt
├── 9_58.txt
├── 9_59.txt
├── 9_6.txt
├── 9_60.txt
├── 9_61.txt
├── 9_62.txt
├── 9_63.txt
├── 9_64.txt
├── 9_65.txt
├── 9_66.txt
├── 9_67.txt
├── 9_68.txt
├── 9_69.txt
├── 9_7.txt
├── 9_70.txt
├── 9_71.txt
├── 9_72.txt
├── 9_73.txt
├── 9_74.txt
├── 9_75.txt
├── 9_76.txt
├── 9_77.txt
├── 9_78.txt
├── 9_79.txt
├── 9_8.txt
├── 9_80.txt
├── 9_81.txt
├── 9_82.txt
├── 9_83.txt
├── 9_84.txt
├── 9_85.txt
├── 9_86.txt
├── 9_87.txt
├── 9_88.txt
├── 9_89.txt
├── 9_9.txt
├── 9_90.txt
├── 9_91.txt
├── 9_92.txt
├── 9_93.txt
├── 9_94.txt
├── 9_95.txt
├── 9_96.txt
├── 9_97.txt
├── 9_98.txt
└── 9_99.txt
================================================
FILE CONTENTS
================================================
================================================
FILE: .gitattributes
================================================
*.html linguist-language=Python
*.txt linguist-language=Python
================================================
FILE: AdaBoost/ROC.py
================================================
# -*-coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
"""
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-10-11
"""
def loadDataSet(fileName):
numFeat = len((open(fileName).readline().split('\t')))
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines():
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat - 1):
lineArr.append(float(curLine[i]))
dataMat.append(lineArr)
labelMat.append(float(curLine[-1]))
return dataMat, labelMat
def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
"""
单层决策树分类函数
Parameters:
dataMatrix - 数据矩阵
dimen - 第dimen列，也就是第几个特征
threshVal - 阈值
threshIneq - 标志
Returns:
retArray - 分类结果
"""
retArray = np.ones((np.shape(dataMatrix)[0],1)) #初始化retArray为1
if threshIneq == 'lt':
retArray[dataMatrix[:,dimen] <= threshVal] = -1.0 #如果小于阈值,则赋值为-1
else:
retArray[dataMatrix[:,dimen] > threshVal] = -1.0 #如果大于阈值,则赋值为-1
return retArray
def buildStump(dataArr,classLabels,D):
"""
找到数据集上最佳的单层决策树
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
D - 样本权重
Returns:
bestStump - 最佳单层决策树信息
minError - 最小误差
bestClasEst - 最佳的分类结果
"""
dataMatrix = np.mat(dataArr); labelMat = np.mat(classLabels).T
m,n = np.shape(dataMatrix)
numSteps = 10.0; bestStump = {}; bestClasEst = np.mat(np.zeros((m,1)))
minError = float('inf') #最小误差初始化为正无穷大
for i in range(n): #遍历所有特征
rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max() #找到特征中最小的值和最大值
stepSize = (rangeMax - rangeMin) / numSteps #计算步长
for j in range(-1, int(numSteps) + 1):
for inequal in ['lt', 'gt']: #大于和小于的情况，均遍历。lt:less than，gt:greater than
threshVal = (rangeMin + float(j) * stepSize) #计算阈值
predictedVals = stumpClassify(dataMatrix, i, threshVal, inequal)#计算分类结果
errArr = np.mat(np.ones((m,1))) #初始化误差矩阵
errArr[predictedVals == labelMat] = 0 #分类正确的,赋值为0
weightedError = D.T * errArr #计算误差
# print("split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError))
if weightedError < minError: #找到误差最小的分类方式
minError = weightedError
bestClasEst = predictedVals.copy()
bestStump['dim'] = i
bestStump['thresh'] = threshVal
bestStump['ineq'] = inequal
return bestStump, minError, bestClasEst
def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
"""
使用AdaBoost算法训练分类器
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
numIt - 最大迭代次数
Returns:
weakClassArr - 训练好的分类器
aggClassEst - 类别估计累计值
"""
weakClassArr = []
m = np.shape(dataArr)[0]
D = np.mat(np.ones((m, 1)) / m) #初始化权重
aggClassEst = np.mat(np.zeros((m,1)))
for i in range(numIt):
bestStump, error, classEst = buildStump(dataArr, classLabels, D) #构建单层决策树
# print("D:",D.T)
alpha = float(0.5 * np.log((1.0 - error) / max(error, 1e-16))) #计算弱学习算法权重alpha,使error不等于0,因为分母不能为0
bestStump['alpha'] = alpha #存储弱学习算法权重
weakClassArr.append(bestStump) #存储单层决策树
# print("classEst: ", classEst.T)
expon = np.multiply(-1 * alpha * np.mat(classLabels).T, classEst) #计算e的指数项
D = np.multiply(D, np.exp(expon))
D = D / D.sum() #根据样本权重公式，更新样本权重
#计算AdaBoost误差，当误差为0的时候，退出循环
aggClassEst += alpha * classEst #计算类别估计累计值
# print("aggClassEst: ", aggClassEst.T)
aggErrors = np.multiply(np.sign(aggClassEst) != np.mat(classLabels).T, np.ones((m,1))) #计算误差
errorRate = aggErrors.sum() / m
# print("total error: ", errorRate)
if errorRate == 0.0: break #误差为0，退出循环
return weakClassArr, aggClassEst
def plotROC(predStrengths, classLabels):
"""
绘制ROC
Parameters:
predStrengths - 分类器的预测强度
classLabels - 类别
Returns:
无
"""
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
cur = (1.0, 1.0) #绘制光标的位置
ySum = 0.0 #用于计算AUC
numPosClas = np.sum(np.array(classLabels) == 1.0) #统计正类的数量
yStep = 1 / float(numPosClas) #y轴步长
xStep = 1 / float(len(classLabels) - numPosClas) #x轴步长
sortedIndicies = predStrengths.argsort() #预测强度排序,从低到高
fig = plt.figure()
fig.clf()
ax = plt.subplot(111)
for index in sortedIndicies.tolist()[0]:
if classLabels[index] == 1.0:
delX = 0; delY = yStep
else:
delX = xStep; delY = 0
ySum += cur[1] #高度累加
ax.plot([cur[0], cur[0] - delX], [cur[1], cur[1] - delY], c = 'b') #绘制ROC
cur = (cur[0] - delX, cur[1] - delY) #更新绘制光标的位置
ax.plot([0,1], [0,1], 'b--')
plt.title('AdaBoost马疝病检测系统的ROC曲线', FontProperties = font)
plt.xlabel('假阳率', FontProperties = font)
plt.ylabel('真阳率', FontProperties = font)
ax.axis([0, 1, 0, 1])
print('AUC面积为:', ySum * xStep) #计算AUC
plt.show()
if __name__ == '__main__':
dataArr, LabelArr = loadDataSet('horseColicTraining2.txt')
weakClassArr, aggClassEst = adaBoostTrainDS(dataArr, LabelArr, 50)
plotROC(aggClassEst.T, LabelArr)
================================================
FILE: AdaBoost/adaboost.py
================================================
# -*-coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
"""
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-10-10
"""
def loadSimpData():
"""
创建单层决策树的数据集
Parameters:
无
Returns:
dataMat - 数据矩阵
classLabels - 数据标签
"""
datMat = np.matrix([[ 1. , 2.1],
[ 1.5, 1.6],
[ 1.3, 1. ],
[ 1. , 1. ],
[ 2. , 1. ]])
classLabels = [1.0, 1.0, -1.0, -1.0, 1.0]
return datMat,classLabels
def showDataSet(dataMat, labelMat):
"""
数据可视化
Parameters:
dataMat - 数据矩阵
labelMat - 数据标签
Returns:
无
"""
data_plus = [] #正样本
data_minus = [] #负样本
for i in range(len(dataMat)):
if labelMat[i] > 0:
data_plus.append(dataMat[i])
else:
data_minus.append(dataMat[i])
data_plus_np = np.array(data_plus) #转换为numpy矩阵
data_minus_np = np.array(data_minus) #转换为numpy矩阵
plt.scatter(np.transpose(data_plus_np)[0], np.transpose(data_plus_np)[1]) #正样本散点图
plt.scatter(np.transpose(data_minus_np)[0], np.transpose(data_minus_np)[1]) #负样本散点图
plt.show()
def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
"""
单层决策树分类函数
Parameters:
dataMatrix - 数据矩阵
dimen - 第dimen列，也就是第几个特征
threshVal - 阈值
threshIneq - 标志
Returns:
retArray - 分类结果
"""
retArray = np.ones((np.shape(dataMatrix)[0],1)) #初始化retArray为1
if threshIneq == 'lt':
retArray[dataMatrix[:,dimen] <= threshVal] = -1.0 #如果小于阈值,则赋值为-1
else:
retArray[dataMatrix[:,dimen] > threshVal] = -1.0 #如果大于阈值,则赋值为-1
return retArray
def buildStump(dataArr,classLabels,D):
"""
找到数据集上最佳的单层决策树
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
D - 样本权重
Returns:
bestStump - 最佳单层决策树信息
minError - 最小误差
bestClasEst - 最佳的分类结果
"""
dataMatrix = np.mat(dataArr); labelMat = np.mat(classLabels).T
m,n = np.shape(dataMatrix)
numSteps = 10.0; bestStump = {}; bestClasEst = np.mat(np.zeros((m,1)))
minError = float('inf') #最小误差初始化为正无穷大
for i in range(n): #遍历所有特征
rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max() #找到特征中最小的值和最大值
stepSize = (rangeMax - rangeMin) / numSteps #计算步长
for j in range(-1, int(numSteps) + 1):
for inequal in ['lt', 'gt']: #大于和小于的情况，均遍历。lt:less than，gt:greater than
threshVal = (rangeMin + float(j) * stepSize) #计算阈值
predictedVals = stumpClassify(dataMatrix, i, threshVal, inequal)#计算分类结果
errArr = np.mat(np.ones((m,1))) #初始化误差矩阵
errArr[predictedVals == labelMat] = 0 #分类正确的,赋值为0
weightedError = D.T * errArr #计算误差
# print("split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError))
if weightedError < minError: #找到误差最小的分类方式
minError = weightedError
bestClasEst = predictedVals.copy()
bestStump['dim'] = i
bestStump['thresh'] = threshVal
bestStump['ineq'] = inequal
return bestStump, minError, bestClasEst
def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
"""
使用AdaBoost算法提升弱分类器性能
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
numIt - 最大迭代次数
Returns:
weakClassArr - 训练好的分类器
aggClassEst - 类别估计累计值
"""
weakClassArr = []
m = np.shape(dataArr)[0]
D = np.mat(np.ones((m, 1)) / m) #初始化权重
aggClassEst = np.mat(np.zeros((m,1)))
for i in range(numIt):
bestStump, error, classEst = buildStump(dataArr, classLabels, D) #构建单层决策树
# print("D:",D.T)
alpha = float(0.5 * np.log((1.0 - error) / max(error, 1e-16))) #计算弱学习算法权重alpha,使error不等于0,因为分母不能为0
bestStump['alpha'] = alpha #存储弱学习算法权重
weakClassArr.append(bestStump) #存储单层决策树
# print("classEst: ", classEst.T)
expon = np.multiply(-1 * alpha * np.mat(classLabels).T, classEst) #计算e的指数项
D = np.multiply(D, np.exp(expon))
D = D / D.sum() #根据样本权重公式，更新样本权重
#计算AdaBoost误差，当误差为0的时候，退出循环
aggClassEst += alpha * classEst #计算类别估计累计值
# print("aggClassEst: ", aggClassEst.T)
aggErrors = np.multiply(np.sign(aggClassEst) != np.mat(classLabels).T, np.ones((m,1))) #计算误差
errorRate = aggErrors.sum() / m
# print("total error: ", errorRate)
if errorRate == 0.0: break #误差为0，退出循环
return weakClassArr, aggClassEst
def adaClassify(datToClass,classifierArr):
"""
AdaBoost分类函数
Parameters:
datToClass - 待分类样例
classifierArr - 训练好的分类器
Returns:
分类结果
"""
dataMatrix = np.mat(datToClass)
m = np.shape(dataMatrix)[0]
aggClassEst = np.mat(np.zeros((m,1)))
for i in range(len(classifierArr)): #遍历所有分类器，进行分类
classEst = stumpClassify(dataMatrix, classifierArr[i]['dim'], classifierArr[i]['thresh'], classifierArr[i]['ineq'])
aggClassEst += classifierArr[i]['alpha'] * classEst
print(aggClassEst)
return np.sign(aggClassEst)
if __name__ == '__main__':
dataArr,classLabels = loadSimpData()
weakClassArr, aggClassEst = adaBoostTrainDS(dataArr, classLabels)
print(adaClassify([[0,0],[5,5]], weakClassArr))
================================================
FILE: AdaBoost/horseColicTest2.txt
================================================
2.000000 1.000000 38.500000 54.000000 20.000000 0.000000 1.000000 2.000000 2.000000 3.000000 4.000000 1.000000 2.000000 2.000000 5.900000 0.000000 2.000000 42.000000 6.300000 0.000000 0.000000 1.000000
2.000000 1.000000 37.600000 48.000000 36.000000 0.000000 0.000000 1.000000 1.000000 0.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 44.000000 6.300000 1.000000 5.000000 1.000000
1.000000 1.000000 37.700000 44.000000 28.000000 0.000000 4.000000 3.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 3.000000 5.000000 45.000000 70.000000 3.000000 2.000000 1.000000
1.000000 1.000000 37.000000 56.000000 24.000000 3.000000 1.000000 4.000000 2.000000 4.000000 4.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 35.000000 61.000000 3.000000 2.000000 -1.000000
2.000000 1.000000 38.000000 42.000000 12.000000 3.000000 0.000000 3.000000 1.000000 1.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 2.000000 37.000000 5.800000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 60.000000 40.000000 3.000000 0.000000 1.000000 1.000000 0.000000 4.000000 0.000000 3.000000 2.000000 0.000000 0.000000 5.000000 42.000000 72.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 80.000000 60.000000 3.000000 2.000000 2.000000 1.000000 3.000000 2.000000 1.000000 2.000000 2.000000 0.000000 1.000000 1.000000 54.000000 6.900000 0.000000 0.000000 1.000000
2.000000 1.000000 37.800000 48.000000 12.000000 2.000000 1.000000 2.000000 1.000000 3.000000 0.000000 1.000000 2.000000 0.000000 0.000000 2.000000 0.000000 48.000000 7.300000 1.000000 0.000000 1.000000
2.000000 1.000000 37.900000 45.000000 36.000000 3.000000 3.000000 3.000000 2.000000 2.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 0.000000 33.000000 5.700000 3.000000 0.000000 1.000000
2.000000 1.000000 39.000000 84.000000 12.000000 3.000000 1.000000 5.000000 1.000000 2.000000 4.000000 2.000000 1.000000 2.000000 7.000000 0.000000 4.000000 62.000000 5.900000 2.000000 2.200000 -1.000000
2.000000 1.000000 38.200000 60.000000 24.000000 3.000000 1.000000 3.000000 2.000000 3.000000 3.000000 2.000000 3.000000 3.000000 0.000000 4.000000 4.000000 53.000000 7.500000 2.000000 1.400000 1.000000
1.000000 1.000000 0.000000 140.000000 0.000000 0.000000 0.000000 4.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 0.000000 5.000000 30.000000 69.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.900000 120.000000 60.000000 3.000000 3.000000 3.000000 1.000000 5.000000 4.000000 4.000000 2.000000 2.000000 7.500000 4.000000 5.000000 52.000000 6.600000 3.000000 1.800000 -1.000000
2.000000 1.000000 38.000000 72.000000 36.000000 1.000000 1.000000 3.000000 1.000000 3.000000 0.000000 2.000000 2.000000 1.000000 0.000000 3.000000 5.000000 38.000000 6.800000 2.000000 2.000000 1.000000
2.000000 9.000000 38.000000 92.000000 28.000000 1.000000 1.000000 2.000000 1.000000 1.000000 3.000000 2.000000 3.000000 0.000000 7.200000 0.000000 0.000000 37.000000 6.100000 1.000000 1.100000 1.000000
1.000000 1.000000 38.300000 66.000000 30.000000 2.000000 3.000000 1.000000 1.000000 2.000000 4.000000 3.000000 3.000000 2.000000 8.500000 4.000000 5.000000 37.000000 6.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.500000 48.000000 24.000000 3.000000 1.000000 1.000000 1.000000 2.000000 1.000000 0.000000 1.000000 1.000000 0.000000 3.000000 2.000000 43.000000 6.000000 1.000000 2.800000 1.000000
1.000000 1.000000 37.500000 88.000000 20.000000 2.000000 3.000000 3.000000 1.000000 4.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 35.000000 6.400000 1.000000 0.000000 -1.000000
2.000000 9.000000 0.000000 150.000000 60.000000 4.000000 4.000000 4.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 39.700000 100.000000 30.000000 0.000000 0.000000 6.000000 2.000000 4.000000 4.000000 3.000000 1.000000 0.000000 0.000000 4.000000 5.000000 65.000000 75.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.300000 80.000000 0.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 4.000000 45.000000 7.500000 2.000000 4.600000 1.000000
2.000000 1.000000 37.500000 40.000000 32.000000 3.000000 1.000000 3.000000 1.000000 3.000000 2.000000 3.000000 2.000000 1.000000 0.000000 0.000000 5.000000 32.000000 6.400000 1.000000 1.100000 1.000000
1.000000 1.000000 38.400000 84.000000 30.000000 3.000000 1.000000 5.000000 2.000000 4.000000 3.000000 3.000000 2.000000 3.000000 6.500000 4.000000 4.000000 47.000000 7.500000 3.000000 0.000000 -1.000000
1.000000 1.000000 38.100000 84.000000 44.000000 4.000000 0.000000 4.000000 2.000000 5.000000 3.000000 1.000000 1.000000 3.000000 5.000000 0.000000 4.000000 60.000000 6.800000 0.000000 5.700000 -1.000000
2.000000 1.000000 38.700000 52.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 3.000000 4.000000 74.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.100000 44.000000 40.000000 2.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 3.000000 35.000000 6.800000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 52.000000 20.000000 2.000000 1.000000 3.000000 1.000000 1.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 5.000000 41.000000 63.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.200000 60.000000 0.000000 1.000000 0.000000 3.000000 1.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 4.000000 4.000000 43.000000 6.200000 2.000000 3.900000 1.000000
2.000000 1.000000 37.700000 40.000000 18.000000 1.000000 1.000000 1.000000 0.000000 3.000000 2.000000 1.000000 1.000000 1.000000 0.000000 3.000000 3.000000 36.000000 3.500000 0.000000 0.000000 1.000000
1.000000 1.000000 39.100000 60.000000 10.000000 0.000000 1.000000 1.000000 0.000000 2.000000 3.000000 0.000000 0.000000 0.000000 0.000000 4.000000 4.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.800000 48.000000 16.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 2.000000 1.000000 0.000000 4.000000 3.000000 43.000000 7.500000 0.000000 0.000000 1.000000
1.000000 1.000000 39.000000 120.000000 0.000000 4.000000 3.000000 5.000000 2.000000 2.000000 4.000000 3.000000 2.000000 3.000000 8.000000 0.000000 0.000000 65.000000 8.200000 3.000000 4.600000 1.000000
1.000000 1.000000 38.200000 76.000000 0.000000 2.000000 3.000000 2.000000 1.000000 5.000000 3.000000 3.000000 1.000000 2.000000 6.000000 1.000000 5.000000 35.000000 6.500000 2.000000 0.900000 1.000000
2.000000 1.000000 38.300000 88.000000 0.000000 0.000000 0.000000 6.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 80.000000 30.000000 3.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 6.000000 0.000000 0.000000 48.000000 8.300000 0.000000 4.300000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 1.000000 1.000000 1.000000 2.000000 3.000000 3.000000 1.000000 3.000000 6.000000 4.000000 4.000000 0.000000 0.000000 2.000000 0.000000 -1.000000
1.000000 1.000000 37.600000 40.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 2.000000 2.100000 1.000000
2.000000 1.000000 37.500000 44.000000 0.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 5.800000 2.000000 1.400000 1.000000
2.000000 1.000000 38.200000 42.000000 16.000000 1.000000 1.000000 3.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 35.000000 60.000000 1.000000 1.000000 1.000000
2.000000 1.000000 38.000000 56.000000 44.000000 3.000000 3.000000 3.000000 0.000000 0.000000 1.000000 1.000000 2.000000 1.000000 0.000000 4.000000 0.000000 47.000000 70.000000 2.000000 1.000000 1.000000
2.000000 1.000000 38.300000 45.000000 20.000000 3.000000 3.000000 2.000000 2.000000 2.000000 4.000000 1.000000 2.000000 0.000000 0.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 48.000000 96.000000 1.000000 1.000000 3.000000 1.000000 0.000000 4.000000 1.000000 2.000000 1.000000 0.000000 1.000000 4.000000 42.000000 8.000000 1.000000 0.000000 1.000000
1.000000 1.000000 37.700000 55.000000 28.000000 2.000000 1.000000 2.000000 1.000000 2.000000 3.000000 3.000000 0.000000 3.000000 5.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 36.000000 100.000000 20.000000 4.000000 3.000000 6.000000 2.000000 2.000000 4.000000 3.000000 1.000000 1.000000 0.000000 4.000000 5.000000 74.000000 5.700000 2.000000 2.500000 -1.000000
1.000000 1.000000 37.100000 60.000000 20.000000 2.000000 0.000000 4.000000 1.000000 3.000000 0.000000 3.000000 0.000000 2.000000 5.000000 3.000000 4.000000 64.000000 8.500000 2.000000 0.000000 1.000000
2.000000 1.000000 37.100000 114.000000 40.000000 3.000000 0.000000 3.000000 2.000000 2.000000 2.000000 1.000000 0.000000 0.000000 0.000000 0.000000 3.000000 32.000000 0.000000 3.000000 6.500000 1.000000
1.000000 1.000000 38.100000 72.000000 30.000000 3.000000 3.000000 3.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 37.000000 56.000000 3.000000 1.000000 1.000000
1.000000 1.000000 37.000000 44.000000 12.000000 3.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 4.000000 2.000000 40.000000 6.700000 3.000000 8.000000 1.000000
1.000000 1.000000 38.600000 48.000000 20.000000 3.000000 1.000000 1.000000 1.000000 4.000000 3.000000 1.000000 0.000000 0.000000 0.000000 3.000000 0.000000 37.000000 75.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 82.000000 72.000000 3.000000 1.000000 4.000000 1.000000 2.000000 3.000000 3.000000 0.000000 3.000000 0.000000 4.000000 4.000000 53.000000 65.000000 3.000000 2.000000 -1.000000
1.000000 9.000000 38.200000 78.000000 60.000000 4.000000 4.000000 6.000000 0.000000 3.000000 3.000000 3.000000 0.000000 0.000000 0.000000 1.000000 0.000000 59.000000 5.800000 3.000000 3.100000 -1.000000
2.000000 1.000000 37.800000 60.000000 16.000000 1.000000 1.000000 3.000000 1.000000 2.000000 3.000000 2.000000 1.000000 2.000000 0.000000 3.000000 0.000000 41.000000 73.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.700000 34.000000 30.000000 2.000000 0.000000 3.000000 1.000000 2.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 33.000000 69.000000 0.000000 2.000000 -1.000000
1.000000 1.000000 0.000000 36.000000 12.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 5.000000 44.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.300000 44.000000 60.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 6.400000 36.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.400000 54.000000 18.000000 3.000000 0.000000 1.000000 1.000000 3.000000 4.000000 3.000000 2.000000 2.000000 0.000000 4.000000 5.000000 30.000000 7.100000 2.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 4.000000 3.000000 0.000000 2.000000 2.000000 4.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 54.000000 76.000000 3.000000 2.000000 1.000000
1.000000 1.000000 36.600000 48.000000 16.000000 3.000000 1.000000 3.000000 1.000000 4.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 27.000000 56.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.500000 90.000000 0.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 3.000000 2.000000 3.000000 2.000000 4.000000 5.000000 47.000000 79.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 75.000000 12.000000 1.000000 1.000000 4.000000 1.000000 5.000000 3.000000 3.000000 0.000000 3.000000 5.800000 0.000000 0.000000 58.000000 8.500000 1.000000 0.000000 1.000000
2.000000 1.000000 38.200000 42.000000 0.000000 3.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 2.000000 1.000000 0.000000 3.000000 2.000000 35.000000 5.900000 2.000000 0.000000 1.000000
1.000000 9.000000 38.200000 78.000000 60.000000 4.000000 4.000000 6.000000 0.000000 3.000000 3.000000 3.000000 0.000000 0.000000 0.000000 1.000000 0.000000 59.000000 5.800000 3.000000 3.100000 -1.000000
2.000000 1.000000 38.600000 60.000000 30.000000 1.000000 1.000000 3.000000 1.000000 4.000000 2.000000 2.000000 1.000000 1.000000 0.000000 0.000000 0.000000 40.000000 6.000000 1.000000 0.000000 1.000000
2.000000 1.000000 37.800000 42.000000 40.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 36.000000 6.200000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 60.000000 12.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 4.000000 44.000000 65.000000 3.000000 2.000000 -1.000000
2.000000 1.000000 38.000000 42.000000 12.000000 3.000000 0.000000 3.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 1.000000 37.000000 5.800000 0.000000 0.000000 1.000000
2.000000 1.000000 37.600000 88.000000 36.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 3.000000 1.500000 0.000000 0.000000 44.000000 6.000000 0.000000 0.000000 -1.000000
================================================
FILE: AdaBoost/horseColicTraining2.txt
================================================
2.000000 1.000000 38.500000 66.000000 28.000000 3.000000 3.000000 0.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 3.000000 5.000000 45.000000 8.400000 0.000000 0.000000 -1.000000
1.000000 1.000000 39.200000 88.000000 20.000000 0.000000 0.000000 4.000000 1.000000 3.000000 4.000000 2.000000 0.000000 0.000000 0.000000 4.000000 2.000000 50.000000 85.000000 2.000000 2.000000 -1.000000
2.000000 1.000000 38.300000 40.000000 24.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 33.000000 6.700000 0.000000 0.000000 1.000000
1.000000 9.000000 39.100000 164.000000 84.000000 4.000000 1.000000 6.000000 2.000000 2.000000 4.000000 4.000000 1.000000 2.000000 5.000000 3.000000 0.000000 48.000000 7.200000 3.000000 5.300000 -1.000000
2.000000 1.000000 37.300000 104.000000 35.000000 0.000000 0.000000 6.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 74.000000 7.400000 0.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 2.000000 1.000000 3.000000 1.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.900000 48.000000 16.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 1.000000 1.000000 0.000000 3.000000 5.000000 37.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 60.000000 0.000000 3.000000 0.000000 0.000000 1.000000 0.000000 4.000000 2.000000 2.000000 1.000000 0.000000 3.000000 4.000000 44.000000 8.300000 0.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 80.000000 36.000000 3.000000 4.000000 3.000000 1.000000 4.000000 4.000000 4.000000 2.000000 1.000000 0.000000 3.000000 5.000000 38.000000 6.200000 0.000000 0.000000 -1.000000
2.000000 9.000000 38.300000 90.000000 0.000000 1.000000 0.000000 1.000000 1.000000 5.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 0.000000 40.000000 6.200000 1.000000 2.200000 1.000000
1.000000 1.000000 38.100000 66.000000 12.000000 3.000000 3.000000 5.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 3.000000 2.000000 5.000000 44.000000 6.000000 2.000000 3.600000 1.000000
2.000000 1.000000 39.100000 72.000000 52.000000 2.000000 0.000000 2.000000 1.000000 2.000000 1.000000 2.000000 1.000000 1.000000 0.000000 4.000000 4.000000 50.000000 7.800000 0.000000 0.000000 1.000000
1.000000 1.000000 37.200000 42.000000 12.000000 2.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 5.000000 0.000000 7.000000 0.000000 0.000000 1.000000
2.000000 9.000000 38.000000 92.000000 28.000000 1.000000 1.000000 2.000000 1.000000 1.000000 3.000000 2.000000 3.000000 0.000000 7.200000 1.000000 1.000000 37.000000 6.100000 1.000000 0.000000 -1.000000
1.000000 1.000000 38.200000 76.000000 28.000000 3.000000 1.000000 1.000000 1.000000 3.000000 4.000000 1.000000 2.000000 2.000000 0.000000 4.000000 4.000000 46.000000 81.000000 1.000000 2.000000 1.000000
1.000000 1.000000 37.600000 96.000000 48.000000 3.000000 1.000000 4.000000 1.000000 5.000000 3.000000 3.000000 2.000000 3.000000 4.500000 4.000000 0.000000 45.000000 6.800000 0.000000 0.000000 -1.000000
1.000000 9.000000 0.000000 128.000000 36.000000 3.000000 3.000000 4.000000 2.000000 4.000000 4.000000 3.000000 3.000000 0.000000 0.000000 4.000000 5.000000 53.000000 7.800000 3.000000 4.700000 -1.000000
2.000000 1.000000 37.500000 48.000000 24.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.600000 64.000000 21.000000 1.000000 1.000000 2.000000 1.000000 2.000000 3.000000 1.000000 1.000000 1.000000 0.000000 2.000000 5.000000 40.000000 7.000000 1.000000 0.000000 1.000000
2.000000 1.000000 39.400000 110.000000 35.000000 4.000000 3.000000 6.000000 0.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 55.000000 8.700000 0.000000 0.000000 1.000000
1.000000 1.000000 39.900000 72.000000 60.000000 1.000000 1.000000 5.000000 2.000000 5.000000 4.000000 4.000000 3.000000 1.000000 0.000000 4.000000 4.000000 46.000000 6.100000 2.000000 0.000000 1.000000
2.000000 1.000000 38.400000 48.000000 16.000000 1.000000 0.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 3.000000 5.500000 4.000000 3.000000 49.000000 6.800000 0.000000 0.000000 1.000000
1.000000 1.000000 38.600000 42.000000 34.000000 2.000000 1.000000 4.000000 0.000000 2.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 48.000000 7.200000 0.000000 0.000000 1.000000
1.000000 9.000000 38.300000 130.000000 60.000000 0.000000 3.000000 0.000000 1.000000 2.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 50.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 60.000000 12.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 51.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.800000 60.000000 42.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 72.000000 30.000000 4.000000 3.000000 3.000000 2.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 43.000000 7.000000 2.000000 3.900000 1.000000
1.000000 1.000000 37.800000 48.000000 12.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 37.000000 5.500000 2.000000 1.300000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.700000 48.000000 0.000000 2.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 45.000000 76.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.700000 96.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 3.000000 2.000000 4.000000 4.000000 5.000000 66.000000 7.500000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.200000 108.000000 12.000000 3.000000 3.000000 4.000000 2.000000 2.000000 4.000000 2.000000 0.000000 3.000000 6.000000 3.000000 3.000000 52.000000 8.200000 3.000000 7.400000 -1.000000
1.000000 1.000000 37.200000 60.000000 0.000000 2.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 43.000000 6.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 64.000000 28.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 4.000000 4.000000 49.000000 8.600000 2.000000 6.600000 1.000000
1.000000 1.000000 0.000000 100.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 3.000000 3.000000 0.000000 4.000000 4.000000 52.000000 6.600000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 104.000000 24.000000 4.000000 3.000000 3.000000 2.000000 4.000000 4.000000 3.000000 0.000000 3.000000 0.000000 0.000000 2.000000 73.000000 8.400000 0.000000 0.000000 -1.000000
2.000000 1.000000 38.300000 112.000000 16.000000 0.000000 3.000000 5.000000 2.000000 0.000000 0.000000 1.000000 1.000000 2.000000 0.000000 0.000000 5.000000 51.000000 6.000000 2.000000 1.000000 -1.000000
1.000000 1.000000 37.800000 72.000000 0.000000 0.000000 3.000000 0.000000 1.000000 5.000000 3.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 56.000000 80.000000 1.000000 2.000000 1.000000
2.000000 1.000000 38.600000 52.000000 0.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 32.000000 6.600000 1.000000 5.000000 1.000000
1.000000 9.000000 39.200000 146.000000 96.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 88.000000 0.000000 3.000000 3.000000 6.000000 2.000000 5.000000 3.000000 3.000000 1.000000 3.000000 0.000000 4.000000 5.000000 63.000000 6.500000 3.000000 0.000000 -1.000000
2.000000 9.000000 39.000000 150.000000 72.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 47.000000 8.500000 0.000000 0.100000 1.000000
2.000000 1.000000 38.000000 60.000000 12.000000 3.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 1.000000 1.000000 0.000000 2.000000 2.000000 47.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 120.000000 0.000000 3.000000 4.000000 4.000000 1.000000 4.000000 4.000000 4.000000 1.000000 1.000000 0.000000 0.000000 5.000000 52.000000 67.000000 2.000000 2.000000 -1.000000
1.000000 1.000000 35.400000 140.000000 24.000000 3.000000 3.000000 4.000000 2.000000 4.000000 4.000000 0.000000 2.000000 1.000000 0.000000 0.000000 5.000000 57.000000 69.000000 3.000000 2.000000 -1.000000
2.000000 1.000000 0.000000 120.000000 0.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 5.000000 60.000000 6.500000 3.000000 0.000000 -1.000000
1.000000 1.000000 37.900000 60.000000 15.000000 3.000000 0.000000 4.000000 2.000000 5.000000 4.000000 4.000000 2.000000 2.000000 0.000000 4.000000 5.000000 65.000000 7.500000 0.000000 0.000000 1.000000
2.000000 1.000000 37.500000 48.000000 16.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 37.000000 6.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.900000 80.000000 44.000000 3.000000 3.000000 3.000000 2.000000 2.000000 3.000000 3.000000 2.000000 2.000000 7.000000 3.000000 1.000000 54.000000 6.500000 3.000000 0.000000 -1.000000
2.000000 1.000000 37.200000 84.000000 48.000000 3.000000 3.000000 5.000000 2.000000 4.000000 1.000000 2.000000 1.000000 2.000000 0.000000 2.000000 1.000000 73.000000 5.500000 2.000000 4.100000 -1.000000
2.000000 1.000000 38.600000 46.000000 0.000000 1.000000 1.000000 2.000000 1.000000 1.000000 3.000000 2.000000 1.000000 1.000000 0.000000 0.000000 2.000000 49.000000 9.100000 1.000000 1.600000 1.000000
1.000000 1.000000 37.400000 84.000000 36.000000 1.000000 0.000000 3.000000 2.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 4.000000 5.000000 0.000000 0.000000 3.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 3.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 2.000000 2.000000 43.000000 7.700000 0.000000 0.000000 1.000000
2.000000 1.000000 38.600000 40.000000 20.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 41.000000 6.400000 0.000000 0.000000 1.000000
2.000000 1.000000 40.300000 114.000000 36.000000 3.000000 3.000000 1.000000 2.000000 2.000000 3.000000 3.000000 2.000000 1.000000 7.000000 1.000000 5.000000 57.000000 8.100000 3.000000 4.500000 -1.000000
1.000000 9.000000 38.600000 160.000000 20.000000 3.000000 0.000000 5.000000 1.000000 3.000000 3.000000 4.000000 3.000000 0.000000 0.000000 4.000000 0.000000 38.000000 0.000000 2.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 24.000000 6.700000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 64.000000 36.000000 2.000000 0.000000 2.000000 1.000000 5.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 0.000000 42.000000 7.700000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 0.000000 20.000000 4.000000 3.000000 3.000000 0.000000 5.000000 4.000000 3.000000 2.000000 0.000000 0.000000 4.000000 4.000000 53.000000 5.900000 3.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 96.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 4.000000 4.000000 1.000000 2.000000 0.000000 4.000000 5.000000 60.000000 0.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.800000 48.000000 32.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 1.000000 1.000000 0.000000 4.000000 5.000000 37.000000 6.700000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 0.000000 2.000000 2.000000 1.000000 1.000000 1.000000 2.000000 2.000000 2.000000 1.000000 0.000000 1.000000 1.000000 44.000000 7.700000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 88.000000 22.000000 2.000000 1.000000 2.000000 1.000000 3.000000 0.000000 0.000000 2.000000 0.000000 0.000000 4.000000 0.000000 64.000000 8.000000 1.000000 6.000000 -1.000000
2.000000 1.000000 38.200000 130.000000 16.000000 4.000000 3.000000 4.000000 2.000000 2.000000 4.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 65.000000 82.000000 2.000000 2.000000 -1.000000
1.000000 1.000000 39.000000 64.000000 36.000000 3.000000 1.000000 4.000000 2.000000 3.000000 3.000000 2.000000 1.000000 2.000000 7.000000 4.000000 5.000000 44.000000 7.500000 3.000000 5.000000 1.000000
1.000000 1.000000 0.000000 60.000000 36.000000 3.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 3.000000 4.000000 26.000000 72.000000 2.000000 1.000000 1.000000
2.000000 1.000000 37.900000 72.000000 0.000000 1.000000 1.000000 5.000000 2.000000 3.000000 3.000000 1.000000 1.000000 3.000000 2.000000 3.000000 4.000000 58.000000 74.000000 1.000000 2.000000 1.000000
2.000000 1.000000 38.400000 54.000000 24.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 49.000000 7.200000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 52.000000 16.000000 1.000000 0.000000 3.000000 1.000000 0.000000 0.000000 0.000000 2.000000 3.000000 5.500000 0.000000 0.000000 55.000000 7.200000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 48.000000 12.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 0.000000 1.000000 1.000000 0.000000 3.000000 2.000000 42.000000 6.300000 2.000000 4.100000 1.000000
2.000000 1.000000 37.000000 60.000000 20.000000 3.000000 0.000000 0.000000 1.000000 3.000000 0.000000 3.000000 2.000000 2.000000 4.500000 4.000000 4.000000 43.000000 7.600000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.800000 48.000000 28.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 1.000000 1.000000 46.000000 5.900000 2.000000 7.000000 1.000000
1.000000 1.000000 37.700000 56.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.100000 52.000000 24.000000 1.000000 1.000000 5.000000 1.000000 4.000000 3.000000 1.000000 2.000000 3.000000 7.000000 1.000000 0.000000 54.000000 7.500000 2.000000 2.600000 -1.000000
1.000000 9.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 37.000000 4.900000 0.000000 0.000000 -1.000000
1.000000 9.000000 39.700000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 2.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 48.000000 57.000000 2.000000 2.000000 -1.000000
1.000000 1.000000 37.600000 38.000000 20.000000 3.000000 3.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 3.000000 0.000000 37.000000 68.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.700000 52.000000 20.000000 2.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 33.000000 77.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 3.000000 3.000000 5.000000 3.000000 3.000000 3.000000 2.000000 0.000000 4.000000 5.000000 46.000000 5.900000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.500000 96.000000 18.000000 1.000000 3.000000 6.000000 2.000000 3.000000 4.000000 2.000000 2.000000 3.000000 5.000000 0.000000 4.000000 69.000000 8.900000 3.000000 0.000000 1.000000
1.000000 1.000000 36.400000 98.000000 35.000000 3.000000 3.000000 4.000000 1.000000 4.000000 3.000000 2.000000 0.000000 0.000000 0.000000 4.000000 4.000000 47.000000 6.400000 3.000000 3.600000 -1.000000
1.000000 1.000000 37.300000 40.000000 0.000000 0.000000 3.000000 1.000000 1.000000 2.000000 3.000000 2.000000 3.000000 1.000000 0.000000 3.000000 5.000000 36.000000 0.000000 3.000000 2.000000 1.000000
1.000000 9.000000 38.100000 100.000000 80.000000 3.000000 1.000000 2.000000 1.000000 3.000000 4.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 36.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 0.000000 24.000000 3.000000 3.000000 6.000000 2.000000 5.000000 0.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 68.000000 7.800000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.800000 60.000000 80.000000 1.000000 3.000000 2.000000 2.000000 2.000000 3.000000 3.000000 0.000000 2.000000 5.500000 4.000000 0.000000 40.000000 4.500000 2.000000 0.000000 1.000000
2.000000 1.000000 38.000000 54.000000 30.000000 2.000000 3.000000 3.000000 3.000000 3.000000 1.000000 2.000000 2.000000 2.000000 0.000000 0.000000 4.000000 45.000000 6.200000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 88.000000 40.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 3.000000 3.000000 0.000000 0.000000 4.000000 5.000000 50.000000 7.700000 3.000000 1.400000 -1.000000
2.000000 1.000000 0.000000 40.000000 16.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 50.000000 7.000000 2.000000 3.900000 -1.000000
2.000000 1.000000 39.000000 64.000000 40.000000 1.000000 1.000000 5.000000 1.000000 3.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 3.000000 42.000000 7.500000 2.000000 2.300000 1.000000
2.000000 1.000000 38.300000 42.000000 10.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 38.000000 61.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 52.000000 16.000000 0.000000 0.000000 0.000000 0.000000 2.000000 0.000000 0.000000 0.000000 3.000000 1.000000 1.000000 1.000000 53.000000 86.000000 0.000000 0.000000 1.000000
2.000000 1.000000 40.300000 114.000000 36.000000 3.000000 3.000000 1.000000 2.000000 2.000000 3.000000 3.000000 2.000000 1.000000 7.000000 1.000000 5.000000 57.000000 8.100000 3.000000 4.500000 -1.000000
2.000000 1.000000 38.800000 50.000000 20.000000 3.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 0.000000 3.000000 1.000000 42.000000 6.200000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 1.000000 1.000000 5.000000 3.000000 3.000000 1.000000 1.000000 0.000000 4.000000 5.000000 38.000000 6.500000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.500000 48.000000 30.000000 4.000000 1.000000 3.000000 1.000000 0.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 48.000000 8.600000 0.000000 0.000000 1.000000
1.000000 1.000000 37.300000 48.000000 20.000000 0.000000 1.000000 2.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 41.000000 69.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 84.000000 36.000000 0.000000 0.000000 3.000000 1.000000 0.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 44.000000 8.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 88.000000 32.000000 3.000000 3.000000 4.000000 1.000000 2.000000 3.000000 3.000000 0.000000 3.000000 1.000000 4.000000 5.000000 55.000000 60.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.700000 44.000000 40.000000 2.000000 1.000000 3.000000 1.000000 1.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 5.000000 41.000000 60.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.600000 108.000000 51.000000 3.000000 3.000000 6.000000 2.000000 2.000000 4.000000 3.000000 1.000000 2.000000 0.000000 3.000000 5.000000 59.000000 8.000000 2.000000 2.600000 1.000000
1.000000 1.000000 38.200000 40.000000 16.000000 3.000000 3.000000 1.000000 1.000000 1.000000 3.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 34.000000 66.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 60.000000 20.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 0.000000 0.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 38.300000 40.000000 16.000000 3.000000 0.000000 1.000000 1.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 37.000000 57.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.000000 140.000000 68.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 2.000000 1.000000 39.000000 5.300000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 52.000000 24.000000 1.000000 3.000000 3.000000 1.000000 4.000000 4.000000 1.000000 2.000000 3.000000 5.700000 2.000000 5.000000 48.000000 6.600000 1.000000 3.700000 -1.000000
1.000000 1.000000 0.000000 70.000000 36.000000 1.000000 0.000000 3.000000 2.000000 2.000000 3.000000 2.000000 2.000000 0.000000 0.000000 4.000000 5.000000 36.000000 7.300000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 52.000000 96.000000 0.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 43.000000 6.100000 0.000000 0.000000 1.000000
2.000000 1.000000 37.300000 50.000000 32.000000 1.000000 1.000000 3.000000 1.000000 1.000000 3.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 44.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.700000 60.000000 32.000000 4.000000 3.000000 2.000000 2.000000 4.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 53.000000 64.000000 3.000000 2.000000 -1.000000
1.000000 9.000000 38.400000 84.000000 40.000000 3.000000 3.000000 2.000000 1.000000 3.000000 3.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 36.000000 6.600000 2.000000 2.800000 -1.000000
1.000000 1.000000 0.000000 70.000000 16.000000 3.000000 4.000000 5.000000 2.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 4.000000 5.000000 60.000000 7.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.300000 40.000000 16.000000 3.000000 0.000000 0.000000 1.000000 1.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 38.000000 58.000000 1.000000 2.000000 1.000000
1.000000 1.000000 0.000000 40.000000 0.000000 2.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 0.000000 0.000000 5.000000 39.000000 56.000000 0.000000 0.000000 1.000000
1.000000 1.000000 36.800000 60.000000 28.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 10.000000 -1.000000
1.000000 1.000000 38.400000 44.000000 24.000000 3.000000 0.000000 4.000000 0.000000 5.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 50.000000 77.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 40.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 44.000000 12.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 42.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.500000 0.000000 0.000000 3.000000 3.000000 4.000000 2.000000 3.000000 4.000000 3.000000 0.000000 3.000000 5.500000 4.000000 5.000000 0.000000 6.700000 1.000000 0.000000 -1.000000
1.000000 1.000000 36.500000 78.000000 30.000000 1.000000 0.000000 1.000000 1.000000 5.000000 3.000000 1.000000 0.000000 1.000000 0.000000 0.000000 0.000000 34.000000 75.000000 2.000000 1.000000 1.000000
2.000000 1.000000 38.100000 56.000000 20.000000 2.000000 1.000000 2.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 46.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.400000 54.000000 66.000000 1.000000 1.000000 2.000000 1.000000 2.000000 3.000000 2.000000 1.000000 1.000000 0.000000 3.000000 4.000000 39.000000 6.000000 2.000000 0.000000 1.000000
1.000000 1.000000 38.300000 80.000000 40.000000 0.000000 0.000000 6.000000 2.000000 4.000000 3.000000 1.000000 0.000000 2.000000 0.000000 1.000000 4.000000 67.000000 10.200000 2.000000 1.000000 -1.000000
2.000000 1.000000 38.700000 40.000000 28.000000 2.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 39.000000 62.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.200000 64.000000 24.000000 1.000000 1.000000 3.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 4.000000 45.000000 7.500000 1.000000 2.000000 -1.000000
2.000000 1.000000 37.600000 48.000000 20.000000 3.000000 1.000000 4.000000 1.000000 1.000000 1.000000 3.000000 2.000000 1.000000 0.000000 1.000000 1.000000 37.000000 5.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 42.000000 68.000000 4.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 2.000000 2.000000 0.000000 4.000000 4.000000 41.000000 7.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.700000 0.000000 0.000000 3.000000 1.000000 3.000000 1.000000 5.000000 4.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 33.000000 6.500000 2.000000 0.000000 1.000000
1.000000 1.000000 37.400000 50.000000 32.000000 3.000000 3.000000 0.000000 1.000000 4.000000 4.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 45.000000 7.900000 2.000000 1.000000 1.000000
1.000000 1.000000 37.400000 84.000000 20.000000 0.000000 0.000000 3.000000 1.000000 2.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 31.000000 61.000000 0.000000 1.000000 -1.000000
1.000000 1.000000 38.400000 49.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 2.000000 1.000000 0.000000 0.000000 0.000000 44.000000 7.600000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 30.000000 12.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.600000 88.000000 36.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 3.000000 1.500000 0.000000 0.000000 44.000000 6.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.900000 40.000000 24.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 3.000000 40.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 100.000000 0.000000 3.000000 0.000000 4.000000 2.000000 5.000000 4.000000 0.000000 2.000000 0.000000 0.000000 2.000000 0.000000 59.000000 6.300000 0.000000 0.000000 -1.000000
1.000000 9.000000 38.100000 136.000000 48.000000 3.000000 3.000000 3.000000 1.000000 5.000000 1.000000 3.000000 2.000000 2.000000 4.400000 2.000000 0.000000 33.000000 4.900000 2.000000 2.900000 -1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 3.000000 3.000000 3.000000 2.000000 0.000000 4.000000 5.000000 46.000000 5.900000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 48.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 4.000000 2.000000 2.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 56.000000 0.000000 1.000000 2.000000 3.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 42.000000 71.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 60.000000 32.000000 1.000000 1.000000 0.000000 1.000000 3.000000 3.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 50.000000 7.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.100000 44.000000 9.000000 3.000000 1.000000 1.000000 1.000000 2.000000 2.000000 1.000000 1.000000 1.000000 0.000000 4.000000 5.000000 31.000000 7.300000 0.000000 0.000000 1.000000
2.000000 1.000000 36.000000 42.000000 30.000000 0.000000 0.000000 5.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 64.000000 6.800000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 120.000000 0.000000 4.000000 3.000000 6.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 57.000000 4.500000 3.000000 3.900000 -1.000000
1.000000 1.000000 37.800000 48.000000 28.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 1.000000 1.000000 46.000000 5.900000 2.000000 7.000000 1.000000
1.000000 1.000000 37.100000 84.000000 40.000000 3.000000 3.000000 6.000000 1.000000 2.000000 4.000000 4.000000 3.000000 2.000000 2.000000 4.000000 5.000000 75.000000 81.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 80.000000 32.000000 3.000000 3.000000 2.000000 1.000000 2.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 0.000000 50.000000 80.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 48.000000 0.000000 1.000000 3.000000 3.000000 1.000000 3.000000 4.000000 4.000000 1.000000 3.000000 2.000000 4.000000 5.000000 42.000000 71.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 44.000000 12.000000 2.000000 1.000000 3.000000 1.000000 3.000000 4.000000 3.000000 1.000000 2.000000 6.500000 1.000000 4.000000 33.000000 6.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.300000 132.000000 0.000000 0.000000 3.000000 6.000000 2.000000 2.000000 4.000000 2.000000 2.000000 3.000000 6.200000 4.000000 4.000000 57.000000 8.000000 0.000000 5.200000 1.000000
2.000000 1.000000 38.700000 48.000000 24.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 34.000000 63.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.900000 44.000000 14.000000 3.000000 1.000000 1.000000 1.000000 2.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 2.000000 33.000000 64.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 0.000000 0.000000 4.000000 3.000000 6.000000 2.000000 4.000000 4.000000 2.000000 1.000000 3.000000 4.000000 4.000000 4.000000 75.000000 0.000000 3.000000 4.300000 -1.000000
1.000000 1.000000 0.000000 100.000000 0.000000 3.000000 3.000000 4.000000 2.000000 0.000000 4.000000 4.000000 2.000000 1.000000 2.000000 0.000000 0.000000 68.000000 64.000000 3.000000 2.000000 1.000000
2.000000 1.000000 38.600000 48.000000 20.000000 3.000000 1.000000 1.000000 1.000000 1.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 2.000000 50.000000 7.300000 1.000000 0.000000 1.000000
2.000000 1.000000 38.800000 48.000000 40.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 4.000000 2.000000 0.000000 0.000000 0.000000 5.000000 41.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 48.000000 20.000000 3.000000 3.000000 4.000000 1.000000 1.000000 4.000000 2.000000 2.000000 0.000000 5.000000 0.000000 2.000000 49.000000 8.300000 1.000000 0.000000 1.000000
2.000000 1.000000 38.600000 52.000000 20.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 36.000000 6.600000 1.000000 5.000000 1.000000
1.000000 1.000000 37.800000 60.000000 24.000000 1.000000 0.000000 3.000000 2.000000 0.000000 4.000000 4.000000 2.000000 3.000000 2.000000 0.000000 5.000000 52.000000 75.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 38.000000 42.000000 40.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 12.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 3.000000 1.000000 0.000000 1.000000 3.000000 44.000000 7.500000 2.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 4.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 5.000000 35.000000 58.000000 2.000000 1.000000 1.000000
1.000000 1.000000 38.300000 42.000000 24.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 40.000000 8.500000 0.000000 0.000000 -1.000000
2.000000 1.000000 39.500000 60.000000 10.000000 3.000000 0.000000 0.000000 2.000000 3.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 0.000000 38.000000 56.000000 1.000000 0.000000 1.000000
1.000000 1.000000 38.000000 66.000000 20.000000 1.000000 3.000000 3.000000 1.000000 5.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 0.000000 46.000000 46.000000 3.000000 2.000000 -1.000000
1.000000 1.000000 38.700000 76.000000 0.000000 1.000000 1.000000 5.000000 2.000000 3.000000 3.000000 2.000000 2.000000 2.000000 0.000000 4.000000 4.000000 50.000000 8.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.400000 120.000000 48.000000 0.000000 0.000000 5.000000 1.000000 0.000000 3.000000 3.000000 1.000000 0.000000 0.000000 4.000000 0.000000 56.000000 64.000000 1.000000 2.000000 -1.000000
1.000000 1.000000 38.300000 40.000000 18.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 2.000000 1.000000 43.000000 5.900000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 44.000000 24.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 1.000000 0.000000 6.300000 0.000000 0.000000 1.000000
1.000000 1.000000 38.400000 104.000000 40.000000 1.000000 1.000000 3.000000 1.000000 2.000000 4.000000 2.000000 2.000000 3.000000 6.500000 0.000000 4.000000 55.000000 8.500000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 65.000000 24.000000 0.000000 0.000000 0.000000 2.000000 5.000000 0.000000 4.000000 3.000000 1.000000 0.000000 0.000000 5.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.500000 44.000000 20.000000 1.000000 1.000000 3.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 35.000000 7.200000 0.000000 0.000000 1.000000
2.000000 1.000000 39.000000 86.000000 16.000000 3.000000 3.000000 5.000000 0.000000 3.000000 3.000000 3.000000 0.000000 2.000000 0.000000 0.000000 0.000000 68.000000 5.800000 3.000000 6.000000 -1.000000
1.000000 1.000000 38.500000 129.000000 48.000000 3.000000 3.000000 3.000000 1.000000 2.000000 4.000000 3.000000 1.000000 3.000000 2.000000 0.000000 0.000000 57.000000 66.000000 3.000000 2.000000 1.000000
1.000000 1.000000 0.000000 104.000000 0.000000 3.000000 3.000000 5.000000 2.000000 2.000000 4.000000 3.000000 0.000000 3.000000 0.000000 4.000000 4.000000 69.000000 8.600000 2.000000 3.400000 -1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 3.000000 4.000000 6.000000 0.000000 4.000000 0.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 60.000000 30.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 48.000000 66.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 68.000000 14.000000 0.000000 0.000000 4.000000 1.000000 4.000000 0.000000 0.000000 0.000000 1.000000 4.300000 0.000000 0.000000 0.000000 0.000000 2.000000 2.800000 -1.000000
1.000000 1.000000 0.000000 60.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 0.000000 45.000000 70.000000 3.000000 2.000000 1.000000
2.000000 1.000000 38.500000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 4.000000 3.000000 4.000000 2.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.400000 84.000000 30.000000 3.000000 1.000000 5.000000 2.000000 4.000000 3.000000 3.000000 2.000000 3.000000 6.500000 4.000000 4.000000 47.000000 7.500000 3.000000 0.000000 -1.000000
2.000000 1.000000 37.800000 48.000000 14.000000 0.000000 0.000000 1.000000 1.000000 3.000000 0.000000 2.000000 1.000000 3.000000 5.300000 1.000000 0.000000 35.000000 7.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 0.000000 24.000000 3.000000 3.000000 6.000000 2.000000 5.000000 0.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 68.000000 7.800000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.800000 56.000000 16.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 44.000000 68.000000 1.000000 1.000000 1.000000
2.000000 1.000000 38.200000 68.000000 32.000000 2.000000 2.000000 2.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 1.000000 1.000000 43.000000 65.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.500000 120.000000 60.000000 4.000000 3.000000 6.000000 2.000000 0.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 54.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 64.000000 90.000000 2.000000 3.000000 1.000000 1.000000 0.000000 3.000000 1.000000 1.000000 2.000000 0.000000 0.000000 0.000000 39.000000 6.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.400000 80.000000 30.000000 4.000000 3.000000 1.000000 1.000000 3.000000 3.000000 3.000000 3.000000 3.000000 0.000000 4.000000 5.000000 32.000000 6.100000 3.000000 4.300000 1.000000
1.000000 1.000000 38.500000 60.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 33.000000 53.000000 1.000000 0.000000 1.000000
1.000000 1.000000 38.300000 60.000000 16.000000 3.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 2.000000 2.000000 3.000000 1.000000 4.000000 30.000000 6.000000 1.000000 3.000000 1.000000
1.000000 1.000000 37.100000 40.000000 8.000000 0.000000 1.000000 4.000000 1.000000 3.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 3.000000 23.000000 6.700000 3.000000 0.000000 1.000000
2.000000 9.000000 0.000000 100.000000 44.000000 2.000000 1.000000 1.000000 1.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 37.000000 4.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 48.000000 18.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 1.000000 2.000000 0.000000 4.000000 0.000000 48.000000 74.000000 1.000000 2.000000 1.000000
1.000000 1.000000 0.000000 60.000000 48.000000 3.000000 3.000000 4.000000 2.000000 4.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 58.000000 7.600000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.900000 88.000000 24.000000 1.000000 1.000000 2.000000 1.000000 2.000000 2.000000 1.000000 0.000000 0.000000 0.000000 4.000000 1.000000 37.000000 56.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 44.000000 12.000000 3.000000 1.000000 1.000000 0.000000 0.000000 1.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 42.000000 64.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 20.000000 1.000000 1.000000 5.000000 2.000000 2.000000 2.000000 1.000000 2.000000 1.000000 0.000000 2.000000 3.000000 63.000000 7.500000 2.000000 2.300000 -1.000000
2.000000 1.000000 38.500000 96.000000 36.000000 3.000000 3.000000 0.000000 2.000000 2.000000 4.000000 2.000000 1.000000 2.000000 0.000000 4.000000 5.000000 70.000000 8.500000 0.000000 0.000000 -1.000000
2.000000 1.000000 38.300000 60.000000 20.000000 1.000000 1.000000 1.000000 2.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 3.000000 0.000000 34.000000 66.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 40.000000 3.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 0.000000 3.000000 2.000000 49.000000 59.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.300000 48.000000 12.000000 1.000000 0.000000 3.000000 1.000000 3.000000 1.000000 3.000000 2.000000 1.000000 0.000000 3.000000 3.000000 40.000000 6.600000 2.000000 0.000000 1.000000
1.000000 1.000000 38.500000 86.000000 0.000000 1.000000 1.000000 3.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 45.000000 7.400000 1.000000 3.400000 -1.000000
1.000000 1.000000 37.500000 48.000000 40.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 5.000000 41.000000 55.000000 3.000000 2.000000 -1.000000
2.000000 1.000000 37.200000 36.000000 9.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 0.000000 4.000000 1.000000 35.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 39.200000 0.000000 23.000000 3.000000 1.000000 3.000000 1.000000 4.000000 4.000000 2.000000 2.000000 0.000000 0.000000 0.000000 0.000000 36.000000 6.600000 1.000000 3.000000 1.000000
2.000000 1.000000 38.500000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 4.000000 3.000000 4.000000 2.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.500000 96.000000 30.000000 2.000000 3.000000 4.000000 2.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 50.000000 65.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 8.700000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.800000 88.000000 80.000000 3.000000 3.000000 5.000000 2.000000 0.000000 3.000000 3.000000 2.000000 3.000000 0.000000 4.000000 5.000000 64.000000 89.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.500000 44.000000 10.000000 3.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 2.000000 0.000000 0.000000 3.000000 3.000000 43.000000 51.000000 1.000000 1.000000 1.000000
1.000000 1.000000 37.900000 68.000000 20.000000 0.000000 1.000000 2.000000 1.000000 2.000000 4.000000 2.000000 0.000000 0.000000 0.000000 1.000000 5.000000 45.000000 4.000000 3.000000 2.800000 -1.000000
1.000000 1.000000 38.000000 86.000000 24.000000 4.000000 3.000000 4.000000 1.000000 2.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 5.000000 45.000000 5.500000 1.000000 10.100000 -1.000000
1.000000 9.000000 38.900000 120.000000 30.000000 1.000000 3.000000 2.000000 2.000000 3.000000 3.000000 3.000000 3.000000 1.000000 3.000000 0.000000 0.000000 47.000000 6.300000 1.000000 0.000000 1.000000
1.000000 1.000000 37.600000 45.000000 12.000000 3.000000 1.000000 3.000000 1.000000 0.000000 2.000000 2.000000 2.000000 1.000000 0.000000 1.000000 4.000000 39.000000 7.000000 2.000000 1.500000 1.000000
2.000000 1.000000 38.600000 56.000000 32.000000 2.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 0.000000 0.000000 2.000000 0.000000 40.000000 7.000000 2.000000 2.100000 1.000000
1.000000 1.000000 37.800000 40.000000 12.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 0.000000 1.000000 2.000000 38.000000 7.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 76.000000 18.000000 0.000000 0.000000 0.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 71.000000 11.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 40.000000 36.000000 1.000000 2.000000 2.000000 1.000000 2.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 52.000000 28.000000 3.000000 3.000000 4.000000 1.000000 3.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 4.000000 37.000000 8.100000 0.000000 0.000000 1.000000
1.000000 1.000000 39.200000 88.000000 58.000000 4.000000 4.000000 0.000000 2.000000 5.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.000000 2.000000 -1.000000
1.000000 1.000000 38.500000 92.000000 40.000000 4.000000 3.000000 0.000000 1.000000 2.000000 4.000000 3.000000 0.000000 0.000000 0.000000 4.000000 0.000000 46.000000 67.000000 2.000000 2.000000 1.000000
1.000000 1.000000 0.000000 112.000000 13.000000 4.000000 4.000000 4.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 4.500000 4.000000 4.000000 60.000000 6.300000 3.000000 0.000000 1.000000
1.000000 1.000000 37.700000 66.000000 12.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 4.000000 4.000000 31.500000 6.200000 2.000000 1.600000 1.000000
1.000000 1.000000 38.800000 50.000000 14.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 1.000000 0.000000 3.000000 5.000000 38.000000 58.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 54.000000 24.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 49.000000 7.200000 1.000000 8.000000 1.000000
1.000000 1.000000 39.200000 120.000000 20.000000 4.000000 3.000000 5.000000 2.000000 2.000000 3.000000 3.000000 1.000000 3.000000 0.000000 0.000000 4.000000 60.000000 8.800000 3.000000 0.000000 -1.000000
1.000000 9.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 6.500000 2.000000 0.000000 1.000000
1.000000 1.000000 37.300000 90.000000 40.000000 3.000000 0.000000 6.000000 2.000000 5.000000 4.000000 3.000000 2.000000 2.000000 0.000000 1.000000 5.000000 65.000000 50.000000 3.000000 2.000000 -1.000000
1.000000 9.000000 38.500000 120.000000 70.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 2.000000 0.000000 0.000000 1.000000 0.000000 35.000000 54.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.500000 104.000000 40.000000 3.000000 3.000000 0.000000 1.000000 4.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.500000 92.000000 28.000000 3.000000 3.000000 6.000000 1.000000 5.000000 4.000000 1.000000 0.000000 3.000000 0.000000 4.000000 0.000000 72.000000 6.400000 0.000000 3.600000 -1.000000
1.000000 1.000000 38.500000 30.000000 18.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 40.000000 7.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 72.000000 30.000000 4.000000 3.000000 3.000000 2.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 43.000000 7.000000 2.000000 3.900000 1.000000
2.000000 1.000000 37.500000 48.000000 30.000000 4.000000 1.000000 3.000000 1.000000 0.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 48.000000 8.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 52.000000 24.000000 1.000000 1.000000 5.000000 1.000000 4.000000 3.000000 1.000000 2.000000 3.000000 7.000000 1.000000 0.000000 54.000000 7.500000 2.000000 2.600000 -1.000000
2.000000 1.000000 38.200000 42.000000 26.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 36.000000 6.900000 0.000000 0.000000 1.000000
2.000000 1.000000 37.900000 54.000000 42.000000 2.000000 1.000000 5.000000 1.000000 3.000000 1.000000 1.000000 0.000000 1.000000 0.000000 0.000000 2.000000 47.000000 54.000000 3.000000 1.000000 1.000000
2.000000 1.000000 36.100000 88.000000 0.000000 3.000000 3.000000 3.000000 1.000000 3.000000 3.000000 2.000000 2.000000 3.000000 0.000000 0.000000 4.000000 45.000000 7.000000 3.000000 4.800000 -1.000000
1.000000 1.000000 38.100000 70.000000 22.000000 0.000000 1.000000 0.000000 1.000000 5.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 5.000000 36.000000 65.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 90.000000 30.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 55.000000 6.100000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.200000 52.000000 16.000000 1.000000 1.000000 2.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 43.000000 8.100000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 36.000000 32.000000 1.000000 1.000000 4.000000 1.000000 5.000000 3.000000 3.000000 2.000000 3.000000 4.000000 0.000000 4.000000 41.000000 5.900000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.400000 92.000000 20.000000 1.000000 0.000000 0.000000 2.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.200000 124.000000 88.000000 1.000000 3.000000 2.000000 1.000000 2.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 47.000000 8.000000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 96.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 4.000000 4.000000 0.000000 1.000000 0.000000 4.000000 5.000000 60.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.600000 68.000000 32.000000 3.000000 0.000000 3.000000 1.000000 4.000000 2.000000 4.000000 2.000000 2.000000 6.500000 1.000000 5.000000 47.000000 7.200000 1.000000 0.000000 1.000000
1.000000 1.000000 38.100000 88.000000 24.000000 3.000000 3.000000 4.000000 1.000000 5.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 4.000000 41.000000 4.600000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 108.000000 60.000000 2.000000 3.000000 4.000000 1.000000 4.000000 3.000000 3.000000 2.000000 0.000000 0.000000 3.000000 4.000000 0.000000 0.000000 3.000000 0.000000 1.000000
2.000000 1.000000 38.200000 48.000000 0.000000 2.000000 0.000000 1.000000 2.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 2.000000 34.000000 6.600000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 100.000000 51.000000 4.000000 4.000000 6.000000 1.000000 2.000000 4.000000 1.000000 1.000000 3.000000 2.000000 0.000000 4.000000 66.000000 13.000000 3.000000 2.000000 -1.000000
2.000000 1.000000 36.600000 42.000000 18.000000 3.000000 3.000000 2.000000 1.000000 1.000000 4.000000 1.000000 1.000000 1.000000 0.000000 0.000000 5.000000 52.000000 7.100000 0.000000 0.000000 -1.000000
1.000000 9.000000 38.800000 124.000000 36.000000 3.000000 1.000000 2.000000 1.000000 2.000000 3.000000 4.000000 1.000000 1.000000 0.000000 4.000000 4.000000 50.000000 7.600000 3.000000 0.000000 -1.000000
2.000000 1.000000 0.000000 112.000000 24.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 2.000000 0.000000 0.000000 0.000000 4.000000 0.000000 40.000000 5.300000 3.000000 2.600000 1.000000
1.000000 1.000000 0.000000 80.000000 0.000000 3.000000 3.000000 3.000000 1.000000 4.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 43.000000 70.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.800000 184.000000 84.000000 1.000000 0.000000 1.000000 1.000000 4.000000 1.000000 3.000000 0.000000 0.000000 0.000000 2.000000 0.000000 33.000000 3.300000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.500000 72.000000 0.000000 2.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 35.000000 65.000000 2.000000 2.000000 -1.000000
1.000000 1.000000 38.700000 96.000000 28.000000 3.000000 3.000000 4.000000 1.000000 0.000000 4.000000 0.000000 0.000000 3.000000 7.500000 0.000000 0.000000 64.000000 9.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.500000 52.000000 12.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 5.000000 36.000000 61.000000 1.000000 1.000000 1.000000
1.000000 1.000000 40.800000 72.000000 42.000000 3.000000 3.000000 1.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 0.000000 54.000000 7.400000 3.000000 0.000000 -1.000000
2.000000 1.000000 38.000000 40.000000 25.000000 0.000000 1.000000 1.000000 1.000000 4.000000 3.000000 2.000000 1.000000 1.000000 0.000000 4.000000 0.000000 37.000000 69.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 48.000000 16.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 2.000000 2.000000 1.000000 0.000000 0.000000 2.000000 39.000000 6.500000 0.000000 0.000000 1.000000
2.000000 9.000000 38.600000 88.000000 28.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 35.000000 5.900000 0.000000 0.000000 1.000000
1.000000 1.000000 37.100000 75.000000 36.000000 0.000000 0.000000 3.000000 2.000000 4.000000 4.000000 2.000000 2.000000 3.000000 5.000000 4.000000 4.000000 48.000000 7.400000 3.000000 3.200000 -1.000000
1.000000 1.000000 38.300000 44.000000 21.000000 3.000000 1.000000 2.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 1.000000 5.000000 44.000000 6.500000 2.000000 4.400000 1.000000
2.000000 1.000000 0.000000 56.000000 68.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 40.000000 6.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 38.600000 68.000000 20.000000 2.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 5.000000 38.000000 6.500000 1.000000 0.000000 1.000000
2.000000 1.000000 38.300000 54.000000 18.000000 3.000000 1.000000 2.000000 1.000000 2.000000 3.000000 2.000000 0.000000 3.000000 5.400000 0.000000 4.000000 44.000000 7.200000 3.000000 0.000000 1.000000
1.000000 1.000000 38.200000 42.000000 20.000000 0.000000 0.000000 1.000000 1.000000 0.000000 3.000000 0.000000 0.000000 0.000000 0.000000 3.000000 0.000000 47.000000 60.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 64.000000 90.000000 2.000000 3.000000 1.000000 1.000000 0.000000 3.000000 1.000000 1.000000 2.000000 6.500000 1.000000 5.000000 39.000000 6.700000 0.000000 0.000000 1.000000
1.000000 1.000000 37.500000 60.000000 50.000000 3.000000 3.000000 1.000000 1.000000 3.000000 3.000000 2.000000 2.000000 2.000000 3.500000 3.000000 4.000000 35.000000 6.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 37.700000 80.000000 0.000000 3.000000 3.000000 6.000000 1.000000 5.000000 4.000000 1.000000 2.000000 3.000000 0.000000 3.000000 1.000000 50.000000 55.000000 3.000000 2.000000 1.000000
1.000000 1.000000 0.000000 100.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 3.000000 3.000000 0.000000 4.000000 4.000000 52.000000 6.600000 0.000000 0.000000 1.000000
1.000000 1.000000 37.700000 120.000000 28.000000 3.000000 3.000000 3.000000 1.000000 5.000000 3.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 65.000000 7.000000 3.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 76.000000 0.000000 0.000000 3.000000 0.000000 0.000000 0.000000 4.000000 4.000000 0.000000 0.000000 0.000000 0.000000 5.000000 0.000000 0.000000 0.000000 0.000000 -1.000000
1.000000 9.000000 38.800000 150.000000 50.000000 1.000000 3.000000 6.000000 2.000000 5.000000 3.000000 2.000000 1.000000 1.000000 0.000000 0.000000 0.000000 50.000000 6.200000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.000000 36.000000 16.000000 3.000000 1.000000 1.000000 1.000000 4.000000 2.000000 2.000000 3.000000 3.000000 2.000000 3.000000 0.000000 37.000000 75.000000 2.000000 1.000000 -1.000000
2.000000 1.000000 36.900000 50.000000 40.000000 2.000000 3.000000 3.000000 1.000000 1.000000 3.000000 2.000000 3.000000 1.000000 7.000000 0.000000 0.000000 37.500000 6.500000 0.000000 0.000000 1.000000
2.000000 1.000000 37.800000 40.000000 16.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 37.000000 6.800000 0.000000 0.000000 1.000000
2.000000 1.000000 38.200000 56.000000 40.000000 4.000000 3.000000 1.000000 1.000000 2.000000 4.000000 3.000000 2.000000 2.000000 7.500000 0.000000 0.000000 47.000000 7.200000 1.000000 2.500000 1.000000
1.000000 1.000000 38.600000 48.000000 12.000000 0.000000 0.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 36.000000 67.000000 0.000000 0.000000 1.000000
2.000000 1.000000 40.000000 78.000000 0.000000 3.000000 3.000000 5.000000 1.000000 2.000000 3.000000 1.000000 1.000000 1.000000 0.000000 4.000000 1.000000 66.000000 6.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 70.000000 16.000000 3.000000 4.000000 5.000000 2.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 4.000000 5.000000 60.000000 7.500000 0.000000 0.000000 -1.000000
1.000000 1.000000 38.200000 72.000000 18.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 35.000000 6.400000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 54.000000 0.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 40.000000 6.800000 2.000000 7.000000 1.000000
1.000000 1.000000 38.500000 66.000000 24.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 4.000000 5.000000 40.000000 6.700000 1.000000 0.000000 1.000000
2.000000 1.000000 37.800000 82.000000 12.000000 3.000000 1.000000 1.000000 2.000000 4.000000 0.000000 3.000000 1.000000 3.000000 0.000000 0.000000 0.000000 50.000000 7.000000 0.000000 0.000000 -1.000000
2.000000 9.000000 39.500000 84.000000 30.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 28.000000 5.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 50.000000 36.000000 0.000000 1.000000 1.000000 1.000000 3.000000 2.000000 2.000000 0.000000 0.000000 0.000000 3.000000 0.000000 39.000000 6.600000 1.000000 5.300000 1.000000
2.000000 1.000000 38.600000 45.000000 16.000000 2.000000 1.000000 2.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 43.000000 58.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.900000 80.000000 44.000000 3.000000 3.000000 3.000000 1.000000 2.000000 3.000000 3.000000 2.000000 2.000000 7.000000 3.000000 1.000000 54.000000 6.500000 3.000000 0.000000 -1.000000
1.000000 1.000000 37.000000 66.000000 20.000000 1.000000 3.000000 2.000000 1.000000 4.000000 3.000000 3.000000 1.000000 0.000000 0.000000 1.000000 5.000000 35.000000 6.900000 2.000000 0.000000 -1.000000
1.000000 1.000000 0.000000 78.000000 24.000000 3.000000 3.000000 3.000000 1.000000 0.000000 3.000000 0.000000 2.000000 1.000000 0.000000 0.000000 4.000000 43.000000 62.000000 0.000000 2.000000 -1.000000
2.000000 1.000000 38.500000 40.000000 16.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 2.000000 37.000000 67.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 120.000000 70.000000 4.000000 0.000000 4.000000 2.000000 2.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 5.000000 55.000000 65.000000 0.000000 0.000000 -1.000000
2.000000 1.000000 37.200000 72.000000 24.000000 3.000000 2.000000 4.000000 2.000000 4.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 4.000000 44.000000 0.000000 3.000000 3.300000 -1.000000
1.000000 1.000000 37.500000 72.000000 30.000000 4.000000 3.000000 4.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 60.000000 6.800000 0.000000 0.000000 -1.000000
1.000000 1.000000 36.500000 100.000000 24.000000 3.000000 3.000000 3.000000 1.000000 3.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 4.000000 50.000000 6.000000 3.000000 3.400000 1.000000
1.000000 1.000000 37.200000 40.000000 20.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 4.000000 1.000000 36.000000 62.000000 1.000000 1.000000 -1.000000
================================================
FILE: AdaBoost/horse_adaboost.py
================================================
# -*-coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
"""
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-10-10
"""
def loadDataSet(fileName):
numFeat = len((open(fileName).readline().split('\t')))
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines():
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat - 1):
lineArr.append(float(curLine[i]))
dataMat.append(lineArr)
labelMat.append(float(curLine[-1]))
return dataMat, labelMat
def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
"""
单层决策树分类函数
Parameters:
dataMatrix - 数据矩阵
dimen - 第dimen列，也就是第几个特征
threshVal - 阈值
threshIneq - 标志
Returns:
retArray - 分类结果
"""
retArray = np.ones((np.shape(dataMatrix)[0],1)) #初始化retArray为1
if threshIneq == 'lt':
retArray[dataMatrix[:,dimen] <= threshVal] = -1.0 #如果小于阈值,则赋值为-1
else:
retArray[dataMatrix[:,dimen] > threshVal] = -1.0 #如果大于阈值,则赋值为-1
return retArray
def buildStump(dataArr,classLabels,D):
"""
找到数据集上最佳的单层决策树
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
D - 样本权重
Returns:
bestStump - 最佳单层决策树信息
minError - 最小误差
bestClasEst - 最佳的分类结果
"""
dataMatrix = np.mat(dataArr); labelMat = np.mat(classLabels).T
m,n = np.shape(dataMatrix)
numSteps = 10.0; bestStump = {}; bestClasEst = np.mat(np.zeros((m,1)))
minError = float('inf') #最小误差初始化为正无穷大
for i in range(n): #遍历所有特征
rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max() #找到特征中最小的值和最大值
stepSize = (rangeMax - rangeMin) / numSteps #计算步长
for j in range(-1, int(numSteps) + 1):
for inequal in ['lt', 'gt']: #大于和小于的情况，均遍历。lt:less than，gt:greater than
threshVal = (rangeMin + float(j) * stepSize) #计算阈值
predictedVals = stumpClassify(dataMatrix, i, threshVal, inequal)#计算分类结果
errArr = np.mat(np.ones((m,1))) #初始化误差矩阵
errArr[predictedVals == labelMat] = 0 #分类正确的,赋值为0
weightedError = D.T * errArr #计算误差
# print("split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError))
if weightedError < minError: #找到误差最小的分类方式
minError = weightedError
bestClasEst = predictedVals.copy()
bestStump['dim'] = i
bestStump['thresh'] = threshVal
bestStump['ineq'] = inequal
return bestStump, minError, bestClasEst
def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
"""
使用AdaBoost算法提升弱分类器性能
Parameters:
dataArr - 数据矩阵
classLabels - 数据标签
numIt - 最大迭代次数
Returns:
weakClassArr - 训练好的分类器
aggClassEst - 类别估计累计值
"""
weakClassArr = []
m = np.shape(dataArr)[0]
D = np.mat(np.ones((m, 1)) / m) #初始化权重
aggClassEst = np.mat(np.zeros((m,1)))
for i in range(numIt):
bestStump, error, classEst = buildStump(dataArr, classLabels, D) #构建单层决策树
# print("D:",D.T)
alpha = float(0.5 * np.log((1.0 - error) / max(error, 1e-16))) #计算弱学习算法权重alpha,使error不等于0,因为分母不能为0
bestStump['alpha'] = alpha #存储弱学习算法权重
weakClassArr.append(bestStump) #存储单层决策树
# print("classEst: ", classEst.T)
expon = np.multiply(-1 * alpha * np.mat(classLabels).T, classEst) #计算e的指数项
D = np.multiply(D, np.exp(expon))
D = D / D.sum() #根据样本权重公式，更新样本权重
#计算AdaBoost误差，当误差为0的时候，退出循环
aggClassEst += alpha * classEst #计算类别估计累计值
# print("aggClassEst: ", aggClassEst.T)
aggErrors = np.multiply(np.sign(aggClassEst) != np.mat(classLabels).T, np.ones((m,1))) #计算误差
errorRate = aggErrors.sum() / m
# print("total error: ", errorRate)
if errorRate == 0.0: break #误差为0，退出循环
return weakClassArr, aggClassEst
def adaClassify(datToClass,classifierArr):
"""
AdaBoost分类函数
Parameters:
datToClass - 待分类样例
classifierArr - 训练好的分类器
Returns:
分类结果
"""
dataMatrix = np.mat(datToClass)
m = np.shape(dataMatrix)[0]
aggClassEst = np.mat(np.zeros((m,1)))
for i in range(len(classifierArr)): #遍历所有分类器，进行分类
classEst = stumpClassify(dataMatrix, classifierArr[i]['dim'], classifierArr[i]['thresh'], classifierArr[i]['ineq'])
aggClassEst += classifierArr[i]['alpha'] * classEst
# print(aggClassEst)
return np.sign(aggClassEst)
if __name__ == '__main__':
dataArr, LabelArr = loadDataSet('horseColicTraining2.txt')
weakClassArr, aggClassEst = adaBoostTrainDS(dataArr, LabelArr)
testArr, testLabelArr = loadDataSet('horseColicTest2.txt')
print(weakClassArr)
predictions = adaClassify(dataArr, weakClassArr)
errArr = np.mat(np.ones((len(dataArr), 1)))
print('训练集的错误率:%.3f%%' % float(errArr[predictions != np.mat(LabelArr).T].sum() / len(dataArr) * 100))
predictions = adaClassify(testArr, weakClassArr)
errArr = np.mat(np.ones((len(testArr), 1)))
print('测试集的错误率:%.3f%%' % float(errArr[predictions != np.mat(testLabelArr).T].sum() / len(testArr) * 100))
================================================
FILE: AdaBoost/sklearn_adaboost.py
================================================
# -*-coding:utf-8 -*-
import numpy as np
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
"""
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-10-11
"""
def loadDataSet(fileName):
numFeat = len((open(fileName).readline().split('\t')))
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines():
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat - 1):
lineArr.append(float(curLine[i]))
dataMat.append(lineArr)
labelMat.append(float(curLine[-1]))
return dataMat, labelMat
if __name__ == '__main__':
dataArr, classLabels = loadDataSet('horseColicTraining2.txt')
testArr, testLabelArr = loadDataSet('horseColicTest2.txt')
bdt = AdaBoostClassifier(DecisionTreeClassifier(max_depth = 2), algorithm = "SAMME", n_estimators = 10)
bdt.fit(dataArr, classLabels)
predictions = bdt.predict(dataArr)
errArr = np.mat(np.ones((len(dataArr), 1)))
print('训练集的错误率:%.3f%%' % float(errArr[predictions != classLabels].sum() / len(dataArr) * 100))
predictions = bdt.predict(testArr)
errArr = np.mat(np.ones((len(testArr), 1)))
print('测试集的错误率:%.3f%%' % float(errArr[predictions != testLabelArr].sum() / len(testArr) * 100))
================================================
FILE: Decision Tree/Decision Tree.py
================================================
# -*- coding: UTF-8 -*-
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt
from math import log
import operator
import pickle
"""
函数说明:计算给定数据集的经验熵(香农熵)
Parameters:
dataSet - 数据集
Returns:
shannonEnt - 经验熵(香农熵)
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def calcShannonEnt(dataSet):
numEntires = len(dataSet) #返回数据集的行数
labelCounts = {} #保存每个标签(Label)出现次数的字典
for featVec in dataSet: #对每组特征向量进行统计
currentLabel = featVec[-1] #提取标签(Label)信息
if currentLabel not in labelCounts.keys(): #如果标签(Label)没有放入统计次数的字典,添加进去
labelCounts[currentLabel] = 0
labelCounts[currentLabel] += 1 #Label计数
shannonEnt = 0.0 #经验熵(香农熵)
for key in labelCounts: #计算香农熵
prob = float(labelCounts[key]) / numEntires #选择该标签(Label)的概率
shannonEnt -= prob * log(prob, 2) #利用公式计算
return shannonEnt #返回经验熵(香农熵)
"""
函数说明:创建测试数据集
Parameters:
无
Returns:
dataSet - 数据集
labels - 特征标签
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-20
"""
def createDataSet():
dataSet = [[0, 0, 0, 0, 'no'], #数据集
[0, 0, 0, 1, 'no'],
[0, 1, 0, 1, 'yes'],
[0, 1, 1, 0, 'yes'],
[0, 0, 0, 0, 'no'],
[1, 0, 0, 0, 'no'],
[1, 0, 0, 1, 'no'],
[1, 1, 1, 1, 'yes'],
[1, 0, 1, 2, 'yes'],
[1, 0, 1, 2, 'yes'],
[2, 0, 1, 2, 'yes'],
[2, 0, 1, 1, 'yes'],
[2, 1, 0, 1, 'yes'],
[2, 1, 0, 2, 'yes'],
[2, 0, 0, 0, 'no']]
labels = ['年龄', '有工作', '有自己的房子', '信贷情况'] #特征标签
return dataSet, labels #返回数据集和分类属性
"""
函数说明:按照给定特征划分数据集
Parameters:
dataSet - 待划分的数据集
axis - 划分数据集的特征
value - 需要返回的特征的值
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def splitDataSet(dataSet, axis, value):
retDataSet = [] #创建返回的数据集列表
for featVec in dataSet: #遍历数据集
if featVec[axis] == value:
reducedFeatVec = featVec[:axis] #去掉axis特征
reducedFeatVec.extend(featVec[axis+1:]) #将符合条件的添加到返回的数据集
retDataSet.append(reducedFeatVec)
return retDataSet #返回划分后的数据集
"""
函数说明:选择最优特征
Parameters:
dataSet - 数据集
Returns:
bestFeature - 信息增益最大的(最优)特征的索引值
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-20
"""
def chooseBestFeatureToSplit(dataSet):
numFeatures = len(dataSet[0]) - 1 #特征数量
baseEntropy = calcShannonEnt(dataSet) #计算数据集的香农熵
bestInfoGain = 0.0 #信息增益
bestFeature = -1 #最优特征的索引值
for i in range(numFeatures): #遍历所有特征
#获取dataSet的第i个所有特征
featList = [example[i] for example in dataSet]
uniqueVals = set(featList) #创建set集合{},元素不可重复
newEntropy = 0.0 #经验条件熵
for value in uniqueVals: #计算信息增益
subDataSet = splitDataSet(dataSet, i, value) #subDataSet划分后的子集
prob = len(subDataSet) / float(len(dataSet)) #计算子集的概率
newEntropy += prob * calcShannonEnt(subDataSet) #根据公式计算经验条件熵
infoGain = baseEntropy - newEntropy #信息增益
# print("第%d个特征的增益为%.3f" % (i, infoGain)) #打印每个特征的信息增益
if (infoGain > bestInfoGain): #计算信息增益
bestInfoGain = infoGain #更新信息增益，找到最大的信息增益
bestFeature = i #记录信息增益最大的特征的索引值
return bestFeature #返回信息增益最大的特征的索引值
"""
函数说明:统计classList中出现此处最多的元素(类标签)
Parameters:
classList - 类标签列表
Returns:
sortedClassCount[0][0] - 出现此处最多的元素(类标签)
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def majorityCnt(classList):
classCount = {}
for vote in classList: #统计classList中每个元素出现的次数
if vote not in classCount.keys():classCount[vote] = 0
classCount[vote] += 1
sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True) #根据字典的值降序排序
return sortedClassCount[0][0] #返回classList中出现次数最多的元素
"""
函数说明:创建决策树
Parameters:
dataSet - 训练数据集
labels - 分类属性标签
featLabels - 存储选择的最优特征标签
Returns:
myTree - 决策树
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-25
"""
def createTree(dataSet, labels, featLabels):
classList = [example[-1] for example in dataSet] #取分类标签(是否放贷:yes or no)
if classList.count(classList[0]) == len(classList): #如果类别完全相同则停止继续划分
return classList[0]
if len(dataSet[0]) == 1 or len(labels) == 0: #遍历完所有特征时返回出现次数最多的类标签
return majorityCnt(classList)
bestFeat = chooseBestFeatureToSplit(dataSet) #选择最优特征
bestFeatLabel = labels[bestFeat] #最优特征的标签
featLabels.append(bestFeatLabel)
myTree = {bestFeatLabel:{}} #根据最优特征的标签生成树
del(labels[bestFeat]) #删除已经使用特征标签
featValues = [example[bestFeat] for example in dataSet] #得到训练集中所有最优特征的属性值
uniqueVals = set(featValues) #去掉重复的属性值
for value in uniqueVals: #遍历特征，创建决策树。
subLabels = labels[:]
myTree[bestFeatLabel][value] = createTree(splitDataSet(dataSet, bestFeat, value), subLabels, featLabels)
return myTree
"""
函数说明:获取决策树叶子结点的数目
Parameters:
myTree - 决策树
Returns:
numLeafs - 决策树的叶子结点的数目
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def getNumLeafs(myTree):
numLeafs = 0 #初始化叶子
firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法获取结点属性，可以使用list(myTree.keys())[0]
secondDict = myTree[firstStr] #获取下一组字典
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
numLeafs += getNumLeafs(secondDict[key])
else: numLeafs +=1
return numLeafs
"""
函数说明:获取决策树的层数
Parameters:
myTree - 决策树
Returns:
maxDepth - 决策树的层数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def getTreeDepth(myTree):
maxDepth = 0 #初始化决策树深度
firstStr = next(iter(myTree)) #python3中myTree.keys()返回的是dict_keys,不在是list,所以不能使用myTree.keys()[0]的方法获取结点属性，可以使用list(myTree.keys())[0]
secondDict = myTree[firstStr] #获取下一个字典
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
thisDepth = 1 + getTreeDepth(secondDict[key])
else: thisDepth = 1
if thisDepth > maxDepth: maxDepth = thisDepth #更新层数
return maxDepth
"""
函数说明:绘制结点
Parameters:
nodeTxt - 结点名
centerPt - 文本位置
parentPt - 标注的箭头位置
nodeType - 结点格式
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def plotNode(nodeTxt, centerPt, parentPt, nodeType):
arrow_args = dict(arrowstyle="<-") #定义箭头格式
font = FontProperties(fname=r"c:\windows\fonts\simsunb.ttf", size=14) #设置中文字体
createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', #绘制结点
xytext=centerPt, textcoords='axes fraction',
va="center", ha="center", bbox=nodeType, arrowprops=arrow_args, FontProperties=font)
"""
函数说明:标注有向边属性值
Parameters:
cntrPt、parentPt - 用于计算标注位置
txtString - 标注的内容
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def plotMidText(cntrPt, parentPt, txtString):
xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0] #计算标注位置
yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]
createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)
"""
函数说明:绘制决策树
Parameters:
myTree - 决策树(字典)
parentPt - 标注的内容
nodeTxt - 结点名
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def plotTree(myTree, parentPt, nodeTxt):
decisionNode = dict(boxstyle="sawtooth", fc="0.8") #设置结点格式
leafNode = dict(boxstyle="round4", fc="0.8") #设置叶结点格式
numLeafs = getNumLeafs(myTree) #获取决策树叶结点数目，决定了树的宽度
depth = getTreeDepth(myTree) #获取决策树层数
firstStr = next(iter(myTree)) #下个字典
cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) #中心位置
plotMidText(cntrPt, parentPt, nodeTxt) #标注有向边属性值
plotNode(firstStr, cntrPt, parentPt, decisionNode) #绘制结点
secondDict = myTree[firstStr] #下一个字典，也就是继续绘制子结点
plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD #y偏移
for key in secondDict.keys():
if type(secondDict[key]).__name__=='dict': #测试该结点是否为字典，如果不是字典，代表此结点为叶子结点
plotTree(secondDict[key],cntrPt,str(key)) #不是叶结点，递归调用继续绘制
else: #如果是叶结点，绘制叶结点，并标注有向边属性值
plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW
plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD
"""
函数说明:创建绘制面板
Parameters:
inTree - 决策树(字典)
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-24
"""
def createPlot(inTree):
fig = plt.figure(1, facecolor='white') #创建fig
fig.clf() #清空fig
axprops = dict(xticks=[], yticks=[])
createPlot.ax1 = plt.subplot(111, frameon=False, **axprops) #去掉x、y轴
plotTree.totalW = float(getNumLeafs(inTree)) #获取决策树叶结点数目
plotTree.totalD = float(getTreeDepth(inTree)) #获取决策树层数
plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; #x偏移
plotTree(inTree, (0.5,1.0), '') #绘制决策树
plt.show() #显示绘制结果
"""
函数说明:使用决策树分类
Parameters:
inputTree - 已经生成的决策树
featLabels - 存储选择的最优特征标签
testVec - 测试数据列表，顺序对应最优特征标签
Returns:
classLabel - 分类结果
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-25
"""
def classify(inputTree, featLabels, testVec):
firstStr = next(iter(inputTree)) #获取决策树结点
secondDict = inputTree[firstStr] #下一个字典
featIndex = featLabels.index(firstStr)
for key in secondDict.keys():
if testVec[featIndex] == key:
if type(secondDict[key]).__name__ == 'dict':
classLabel = classify(secondDict[key], featLabels, testVec)
else: classLabel = secondDict[key]
return classLabel
"""
函数说明:存储决策树
Parameters:
inputTree - 已经生成的决策树
filename - 决策树的存储文件名
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-25
"""
def storeTree(inputTree, filename):
with open(filename, 'wb') as fw:
pickle.dump(inputTree, fw)
"""
函数说明:读取决策树
Parameters:
filename - 决策树的存储文件名
Returns:
pickle.load(fr) - 决策树字典
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Modify:
2017-07-25
"""
def grabTree(filename):
fr = open(filename, 'rb')
return pickle.load(fr)
if __name__ == '__main__':
dataSet, labels = createDataSet()
featLabels = []
myTree = createTree(dataSet, labels, featLabels)
createPlot(myTree)
testVec = [0,1] #测试数据
result = classify(myTree, featLabels, testVec)
if result == 'yes':
print('放贷')
if result == 'no':
print('不放贷')
================================================
FILE: Decision Tree/Sklearn-Decision Tree.py
================================================
# -*- coding: UTF-8 -*-
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.externals.six import StringIO
from sklearn import tree
import pandas as pd
import numpy as np
import pydotplus
if __name__ == '__main__':
with open('lenses.txt', 'r') as fr: #加载文件
lenses = [inst.strip().split('\t') for inst in fr.readlines()] #处理文件
lenses_target = [] #提取每组数据的类别，保存在列表里
for each in lenses:
lenses_target.append(each[-1])
# print(lenses_target)
lensesLabels = ['age', 'prescript', 'astigmatic', 'tearRate'] #特征标签
lenses_list = [] #保存lenses数据的临时列表
lenses_dict = {} #保存lenses数据的字典，用于生成pandas
for each_label in lensesLabels: #提取信息，生成字典
for each in lenses:
lenses_list.append(each[lensesLabels.index(each_label)])
lenses_dict[each_label] = lenses_list
lenses_list = []
# print(lenses_dict) #打印字典信息
lenses_pd = pd.DataFrame(lenses_dict) #生成pandas.DataFrame
# print(lenses_pd) #打印pandas.DataFrame
le = LabelEncoder() #创建LabelEncoder()对象，用于序列化
for col in lenses_pd.columns: #序列化
lenses_pd[col] = le.fit_transform(lenses_pd[col])
# print(lenses_pd) #打印编码信息
clf = tree.DecisionTreeClassifier(max_depth = 4) #创建DecisionTreeClassifier()类
clf = clf.fit(lenses_pd.values.tolist(), lenses_target) #使用数据，构建决策树
dot_data = StringIO()
tree.export_graphviz(clf, out_file = dot_data, #绘制决策树
feature_names = lenses_pd.keys(),
class_names = clf.classes_,
filled=True, rounded=True,
special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("tree.pdf") #保存绘制好的决策树，以PDF的形式存储。
print(clf.predict([[1,1,1,0]])) #预测
================================================
FILE: Decision Tree/lenses.txt
================================================
young myope no reduced no lenses
young myope no normal soft
young myope yes reduced no lenses
young myope yes normal hard
young hyper no reduced no lenses
young hyper no normal soft
young hyper yes reduced no lenses
young hyper yes normal hard
pre myope no reduced no lenses
pre myope no normal soft
pre myope yes reduced no lenses
pre myope yes normal hard
pre hyper no reduced no lenses
pre hyper no normal soft
pre hyper yes reduced no lenses
pre hyper yes normal no lenses
presbyopic myope no reduced no lenses
presbyopic myope no normal no lenses
presbyopic myope yes reduced no lenses
presbyopic myope yes normal hard
presbyopic hyper no reduced no lenses
presbyopic hyper no normal soft
presbyopic hyper yes reduced no lenses
presbyopic hyper yes normal no lenses
================================================
FILE: Glossary.md
================================================
Letter A
activation 激活值
activation function 激活函数
additive noise 加性噪声
autoencoder 自编码器
Autoencoders 自编码算法
average firing rate 平均激活率
average sum-of-squares error 均方差
approximations近似值
arbitrary任意的
affine仿射的
arbitrary任意的
amino acid氨基酸
amenable经得起检验的
axiom公理，原则
abstract提取
architecture架构，体系结构；建造业
absolute绝对的
arsenal军火库
assignment分配
algebra线性代数
asymptotically无症状的
appropriate恰当的
Accumulated error backpropagation 累积误差逆传播
Activation Function 激活函数
Adaptive Resonance Theory/ART 自适应谐振理论
Addictive model 加性学习
Adversarial Networks 对抗网络
Affine Layer 仿射层
Affinity matrix 亲和矩阵
Agent 代理 / 智能体
Algorithm 算法
Alpha-beta pruning α-β剪枝
Anomaly detection 异常检测
Approximation 近似
Area Under ROC Curve／AUC Roc 曲线下面积
Artificial General Intelligence/AGI 通用人工智能
Artificial Intelligence/AI 人工智能
Association analysis 关联分析
Attention mechanism 注意力机制
Attribute conditional independence assumption 属性条件独立性假设
Attribute space 属性空间
Attribute value 属性值
Autoencoder 自编码器
Automatic speech recognition 自动语音识别
Automatic summarization 自动摘要
Average gradient 平均梯度
Average-Pooling 平均池化
Letter B
backpropagation 后向传播
basis 基
basis feature vectors 特征基向量
batch gradient ascent 批量梯度上升法
Bayesian regularization method 贝叶斯规则化方法
Bernoulli random variable 伯努利随机变量
bias term 偏置项
binary classfication 二元分类
bias偏差
brevity简短，简洁；短暂
broader广泛
briefly简短的
batch批量
Backpropagation Through Time 通过时间的反向传播
Backpropagation/BP 反向传播
Base learner 基学习器
Base learning algorithm 基学习算法
Batch Normalization/BN 批量归一化
Bayes decision rule 贝叶斯判定准则
Bayes Model Averaging／BMA 贝叶斯模型平均
Bayes optimal classifier 贝叶斯最优分类器
Bayesian decision theory 贝叶斯决策论
Bayesian network 贝叶斯网络
Between-class scatter matrix 类间散度矩阵
Bias 偏置 / 偏差
Bias-variance decomposition 偏差-方差分解
Bias-Variance Dilemma 偏差 – 方差困境
Bi-directional Long-Short Term Memory/Bi-LSTM 双向长短期记忆
Binary classification 二分类
Binomial test 二项检验
Bi-partition 二分法
Boltzmann machine 玻尔兹曼机
Bootstrap sampling 自助采样法／可重复采样／有放回采样
Bootstrapping 自助法
Break-Event Point／BEP 平衡点
Letter C
class labels 类型标记
concatenation 级联
conjugate gradient 共轭梯度
contiguous groups 联通区域
convex optimization software 凸优化软件
convolution 卷积
cost function 代价函数
covariance matrix 协方差矩阵
convergence 收敛，集中到一点
convex凸的
contours轮廓
constraint约束
constant常理
commercial商务的
complementarity补充
coordinate ascent同等级上升
clipping剪下物；剪报；修剪
component分量；部件
continuous连续的
covariance协方差
canonical正规的，正则的
concave非凸的
corresponds相符合；相当；通信
corollary推论
concrete具体的事物，实在的东西
cross validation交叉验证
correlation相互关系
convention约定
cluster一簇
centroids 质心，形心
converge收敛
computationally计算(机)的
calculus计算
Calibration 校准
Cascade-Correlation 级联相关
Categorical attribute 离散属性
Class-conditional probability 类条件概率
Classification and regression tree/CART 分类与回归树
Classifier 分类器
Class-imbalance 类别不平衡
Closed -form 闭式
Cluster 簇/类/集群
Cluster analysis 聚类分析
Clustering 聚类
Clustering ensemble 聚类集成
Co-adapting 共适应
Coding matrix 编码矩阵
COLT 国际学习理论会议
Committee-based learning 基于委员会的学习
Competitive learning 竞争型学习
Component learner 组件学习器
Comprehensibility 可解释性
Computation Cost 计算成本
Computational Linguistics 计算语言学
Computer vision 计算机视觉
Concept drift 概念漂移
Concept Learning System /CLS 概念学习系统
Conditional entropy 条件熵
Conditional mutual information 条件互信息
Conditional Probability Table／CPT 条件概率表
Conditional random field/CRF 条件随机场
Conditional risk 条件风险
Confidence 置信度
Confusion matrix 混淆矩阵
Connection weight 连接权
Connectionism 连结主义
Consistency 一致性／相合性
Contingency table 列联表
Continuous attribute 连续属性
Convergence 收敛
Conversational agent 会话智能体
Convex quadratic programming 凸二次规划
Convexity 凸性
Convolutional neural network/CNN 卷积神经网络
Co-occurrence 同现
Correlation coefficient 相关系数
Cosine similarity 余弦相似度
Cost curve 成本曲线
Cost Function 成本函数
Cost matrix 成本矩阵
Cost-sensitive 成本敏感
Cross entropy 交叉熵
Cross validation 交叉验证
Crowdsourcing 众包
Curse of dimensionality 维数灾难
Cut point 截断点
Cutting plane algorithm 割平面法
Letter D
DC component 直流分量
decorrelation 去相关
degeneracy 退化
demensionality reduction 降维
derivative 导函数
diagonal 对角线
diffusion of gradients 梯度的弥散
derive获得，取得
dual二元的
duality二元性；二象性；对偶性
derivation求导；得到；起源
denote预示，表示，是…的标志；意味着，[逻]指称
divergence 散度；发散性
dimension尺度，规格；维数
dot小圆点
distortion变形
density概率密度函数
discrete离散的
discriminative有识别能力的
diagonal对角
dispersion分散，散开
determinant决定因素
disjoint不相交的
Data mining 数据挖掘
Data set 数据集
Decision Boundary 决策边界
Decision stump 决策树桩，单层决策树
Decision tree 决策树／判定树
Deduction 演绎
Deep Belief Network 深度信念网络
Deep Convolutional Generative Adversarial Network/DCGAN 深度卷积生成对抗网络
Deep learning 深度学习
Deep neural network/DNN 深度神经网络
Deep Q-Learning 深度 Q 学习
Deep Q-Network 深度 Q 网络
Density estimation 密度估计
Density-based clustering 密度聚类
Differentiable neural computer 可微分神经计算机
Dimensionality reduction algorithm 降维算法
Directed edge 有向边
Disagreement measure 不合度量
Discriminative model 判别模型
Discriminator 判别器
Distance measure 距离度量
Distance metric learning 距离度量学习
Distribution 分布
Divergence 散度
Diversity measure 多样性度量／差异性度量
Domain adaption 领域自适应
Downsampling 下采样
D-separation （Directed separation） 有向分离
Dual problem 对偶问题
Dummy node 哑结点
Dynamic Fusion 动态融合
Dynamic programming 动态规划
Letter E
eigenvalue 特征值
eigenvector 特征向量
error term 残差
encounter遇到
ellipses椭圆
equality等式
extra额外的
empirical经验；观察
ennmerate例举，计数
exceed超过，越出
expectation期望
efficient生效的
endow赋予
explicitly清楚的
exponential family指数家族
equivalently等价的
Eigenvalue decomposition 特征值分解
Embedding 嵌入
Emotional analysis 情绪分析
Empirical conditional entropy 经验条件熵
Empirical entropy 经验熵
Empirical error 经验误差
Empirical risk 经验风险
End-to-End 端到端
Energy-based model 基于能量的模型
Ensemble learning 集成学习
Ensemble pruning 集成修剪
Error Correcting Output Codes／ECOC 纠错输出码
Error rate 错误率
Error-ambiguity decomposition 误差-分歧分解
Euclidean distance 欧氏距离
Evolutionary computation 演化计算
Expectation-Maximization 期望最大化
Expected loss 期望损失
Exploding Gradient Problem 梯度爆炸问题
Exponential loss function 指数损失函数
Extreme Learning Machine/ELM 超限学习机
Letter F
feature matrix 特征矩阵
feature standardization 特征标准化
feedforward architectures 前馈结构算法
feedforward neural network 前馈神经网络
feedforward pass 前馈传导
fine-tuned 微调
first-order feature 一阶特征
forward pass 前向传导
forward propagation 前向传播
feasible可行的
forary初次尝试
finite有限的，限定的
forgo摒弃，放弃
fliter过滤
frequentist最常发生的
forward search前向式搜索
formalize使定形
Factorization 因子分解
False negative 假负类
False positive 假正类
False Positive Rate/FPR 假正例率
Feature engineering 特征工程
Feature selection 特征选择
Feature vector 特征向量
Featured Learning 特征学习
Feedforward Neural Networks/FNN 前馈神经网络
Fine-tuning 微调
Flipping output 翻转法
Fluctuation 震荡
Forward stagewise algorithm 前向分步算法
Frequentist 频率主义学派
Full-rank matrix 满秩矩阵
Functional neuron 功能神经元
Letter G
Gaussian prior 高斯先验概率
generative model 生成模型
gradient descent 梯度下降
Greedy layer-wise training 逐层贪婪训练方法
grouping matrix 分组矩阵
generalized归纳的
generalization概括，归纳；普遍化；判断（根据不足）
guarantee保证；抵押品
generate形成，产生
geometric margins几何边界
gap裂口
generative生产的；有生产力的
Gain ratio 增益率
Game theory 博弈论
Gaussian kernel function 高斯核函数
Gaussian Mixture Model 高斯混合模型
General Problem Solving 通用问题求解
Generalization 泛化
Generalization error 泛化误差
Generalization error bound 泛化误差上界
Generalized Lagrange function 广义拉格朗日函数
Generalized linear model 广义线性模型
Generalized Rayleigh quotient 广义瑞利商
Generative Adversarial Networks/GAN 生成对抗网络
Generative Model 生成模型
Generator 生成器
Genetic Algorithm/GA 遗传算法
Gibbs sampling 吉布斯采样
Gini index 基尼指数
Global minimum 全局最小
Global Optimization 全局优化
Gradient boosting 梯度提升
Gradient Descent 梯度下降
Graph theory 图论
Ground-truth 真相／真实
Letter H
Hadamard product 阿达马乘积
Hessian matrix Hessian 矩阵
hidden layer 隐含层
hidden units 隐藏神经元
Hierarchical grouping 层次型分组
higher-order features 更高阶特征
highly non-convex optimization problem 高度非凸的优化问题
histogram 直方图
hyperbolic tangent 双曲正切函数
hypothesis 估值，假设
heuristic启发式的；启发法；启发程序
hone怀恋；磨
hyperplane超平面
Hard margin 硬间隔
Hard voting 硬投票
Harmonic mean 调和平均
Hesse matrix 海塞矩阵
Hidden dynamic model 隐动态模型
Hidden layer 隐藏层
Hidden Markov Model/HMM 隐马尔可夫模型
Hierarchical clustering 层次聚类
Hilbert space 希尔伯特空间
Hinge loss function 合页损失函数
Hold-out 留出法
Homogeneous 同质
Hybrid computing 混合计算
Hyperparameter 超参数
Hypothesis 假设
Hypothesis test 假设验证
Letter I
identity activation function 恒等激励函数
IID 独立同分布
illumination 照明
inactive 抑制
independent component analysis 独立成份分析
input domains 输入域
input layer 输入层
intensity 亮度/灰度
intercept term 截距
initial最初的
implement执行
intuitive凭直觉获知的
incremental增加的
intercept截距
intuitious直觉
instantiation例子
indicator指示物，指示器
interative重复的，迭代的
integral积分
identical相等的；完全相同的
indicate表示，指出
invariance不变性，恒定性
impose把…强加于
intermediate中间的
interpretation解释，翻译
ICML 国际机器学习会议
Improved iterative scaling/IIS 改进的迭代尺度法
Incremental learning 增量学习
Independent and identically distributed/i.i.d. 独立同分布
Independent Component Analysis/ICA 独立成分分析
Indicator function 指示函数
Individual learner 个体学习器
Induction 归纳
Inductive bias 归纳偏好
Inductive learning 归纳学习
Inductive Logic Programming／ILP 归纳逻辑程序设计
Information entropy 信息熵
Information gain 信息增益
Input layer 输入层
Insensitive loss 不敏感损失
Inter-cluster similarity 簇间相似度
International Conference for Machine Learning/ICML 国际机器学习大会
Intra-cluster similarity 簇内相似度
Intrinsic value 固有值
Isometric Mapping/Isomap 等度量映射
Isotonic regression 等分回归
Iterative Dichotomiser 迭代二分器
Letter J
joint distribution联合概率
Letter K
KL divergence 相对熵
KL divergence KL分散度
k-Means K-均值
Kernel method 核方法
Kernel trick 核技巧
Kernelized Linear Discriminant Analysis／KLDA 核线性判别分析
K-fold cross validation k 折交叉验证／k 倍交叉验证
K-Means Clustering K – 均值聚类
K-Nearest Neighbours Algorithm/KNN K近邻算法
Knowledge base 知识库
Knowledge Representation 知识表征
Letter L
learning rate 学习速率
least squares 最小二乘法
linear correspondence 线性响应
linear superposition 线性叠加
line-search algorithm 线搜索算法
local mean subtraction 局部均值消减
local optima 局部最优解
logistic regression 逻辑回归
loss function 损失函数
low-pass filtering 低通滤波
lieu替代
logarithmic对数的，用对数表示的
latent潜在的
Leave-one-out cross validation留一法交叉验证
Label space 标记空间
Lagrange duality 拉格朗日对偶性
Lagrange multiplier 拉格朗日乘子
Laplace smoothing 拉普拉斯平滑
Laplacian correction 拉普拉斯修正
Latent Dirichlet Allocation 隐狄利克雷分布
Latent semantic analysis 潜在语义分析
Latent variable 隐变量
Lazy learning 懒惰学习
Learner 学习器
Learning by analogy 类比学习
Learning rate 学习率
Learning Vector Quantization/LVQ 学习向量量化
Least squares regression tree 最小二乘回归树
Leave-One-Out/LOO 留一法
linear chain conditional random field 线性链条件随机场
Linear Discriminant Analysis／LDA 线性判别分析
Linear model 线性模型
Linear Regression 线性回归
Link function 联系函数
Local Markov property 局部马尔可夫性
Local minimum 局部最小
Log likelihood 对数似然
Log odds／logit 对数几率
Logistic Regression Logistic 回归
Log-likelihood 对数似然
Log-linear regression 对数线性回归
Long-Short Term Memory/LSTM 长短期记忆
Loss function 损失函数
Letter M
magnitude 幅值，巨大
MAP 极大后验估计
maximum likelihood estimation 极大似然估计
mean 平均值
MFCC Mel 倒频系数
multi-class classification 多元分类
mapping绘图，制图；映射
matrix矩阵
mutual相互的，共同的
monotonically单调的
minor较小的，次要的
multinomial多项的
multi-class classification二分类问题
Machine translation/MT 机器翻译
Macron-P 宏查准率
Macron-R 宏查全率
Majority voting 绝对多数投票法
Manifold assumption 流形假设
Manifold learning 流形学习
Margin theory 间隔理论
Marginal distribution 边际分布
Marginal independence 边际独立性
Marginalization 边际化
Markov Chain Monte Carlo/MCMC 马尔可夫链蒙特卡罗方法
Markov Random Field 马尔可夫随机场
Maximal clique 最大团
Maximum Likelihood stimation/MLE 极大似然估计／极大似然法
Maximum margin 最大间隔
Maximum weighted spanning tree 最大带权生成树
Max-Pooling 最大池化
Mean squared error 均方误差
Meta-learner 元学习器
Metric learning 度量学习
Micro-P 微查准率
Micro-R 微查全率
Minimal Description Length/MDL 最小描述长度
Minimax game 极小极大博弈
Misclassification cost 误分类成本
Mixture of experts 混合专家
Momentum 动量
Moral graph 道德图／端正图
Multi-class classification 多分类
Multi-document summarization 多文档摘要
Multi-layer feedforward neural networks 多层前馈神经网络
Multilayer Perceptron/MLP 多层感知器
Multimodal learning 多模态学习
Multiple Dimensional Scaling 多维缩放
Multiple linear regression 多元线性回归
Multi-response Linear Regression ／MLR 多响应线性回归
Mutual information 互信息
Letter N
neural networks 神经网络
neuron 神经元
Newton’s method 牛顿法
non-convex function 非凸函数
non-linear feature 非线性特征
norm 范式，范数
norm bounded 有界范数
norm constrained 范数约束
normalization 归一化
numerical roundoff errors 数值舍入误差
numerically checking 数值检验
numerically reliable 数值计算上稳定
nasty讨厌的
notation标志，注释
naïve朴素的
Naive bayes 朴素贝叶斯
Naive Bayes Classifier 朴素贝叶斯分类器
Named entity recognition 命名实体识别
Nash equilibrium 纳什均衡
Natural language generation/NLG 自然语言生成
Natural language processing 自然语言处理
Negative class 负类
Negative correlation 负相关法
Negative Log Likelihood 负对数似然
Neighbourhood Component Analysis/NCA 近邻成分分析
Neural Machine Translation 神经机器翻译
Neural Turing Machine 神经图灵机
Newton method 牛顿法
NIPS 国际神经信息处理系统会议
No Free Lunch Theorem／NFL 没有免费的午餐定理
Noise-contrastive estimation 噪音对比估计
Nominal attribute 列名属性
Non-convex optimization 非凸优化
Nonlinear model 非线性模型
Non-metric distance 非度量距离
Non-negative matrix factorization 非负矩阵分解
Non-ordinal attribute 无序属性
Non-Saturating Game 非饱和博弈
Norm 范数
Normalization 归一化
Nuclear norm 核范数
Numerical attribute 数值属性
Letter O
object detection 物体检测
objective function 目标函数
off-by-one error 缺位错误
orthogonalization 正交化
output layer 输出层
overall cost function 总体代价函数
over-complete basis 超完备基
over-fitting 过拟合
obtain得到
oscillate摆动
optimization problem最优化问题
objective function目标函数
optimal最理想的
orthogonal(矢量，矩阵等)正交的
orientation方向
ordinary普通的
occasionally偶然的
Objective function 目标函数
Oblique decision tree 斜决策树
Occam’s razor 奥卡姆剃刀
Odds 几率
Off-Policy 离策略
One shot learning 一次性学习
One-Dependent Estimator／ODE 独依赖估计
On-Policy 在策略
Ordinal attribute 有序属性
Out-of-bag estimate 包外估计
Output layer 输出层
Output smearing 输出调制法
Overfitting 过拟合／过配
Oversampling 过采样
Letter P
parts of objects 目标的部件
part-whole decompostion 部分-整体分解
PCA 主元分析
penalty term 惩罚因子
per-example mean subtraction 逐样本均值消减
pooling 池化
pretrain 预训练
principal components analysis 主成份分析
partial derivative偏导数
property性质
proportional成比例的
primal原始的，最初的
permit允许
pseudocode伪代码
permissible可允许的
polynomial多项式
preliminary预备
precision精度
perturbation 不安，扰乱
poist假定，设想
positive semi-definite半正定的
parentheses圆括号
posterior probability后验概率
plementarity补充
pictorially图像的
parameterize确定…的参数
poisson distribution柏松分布
pertinent相关的
Paired t-test 成对 t 检验
Pairwise 成对型
Pairwise Markov property 成对马尔可夫性
Parameter 参数
Parameter estimation 参数估计
Parameter tuning 调参
Parse tree 解析树
Particle Swarm Optimization/PSO 粒子群优化算法
Part-of-speech tagging 词性标注
Perceptron 感知机
Performance measure 性能度量
Plug and Play Generative Network 即插即用生成网络
Plurality voting 相对多数投票法
Polarity detection 极性检测
Polynomial kernel function 多项式核函数
Pooling 池化
Positive class 正类
Positive definite matrix 正定矩阵
Post-hoc test 后续检验
Post-pruning 后剪枝
potential function 势函数
Precision 查准率／准确率
Prepruning 预剪枝
Principal component analysis/PCA 主成分分析
Principle of multiple explanations 多释原则
Prior 先验
Probability Graphical Model 概率图模型
Proximal Gradient Descent/PGD 近端梯度下降
Pruning 剪枝
Pseudo-label 伪标记
Letter Q
quadratic constraints 二次约束
quadratic二次的
quantity量，数量；分量
query疑问的
Quantized Neural Network 量子化神经网络
Quantum computer 量子计算机
Quantum Computing 量子计算
Quasi Newton method 拟牛顿法
Letter R
RBMs 受限Boltzman机
reconstruction based models 基于重构的模型
reconstruction cost 重建代价
reconstruction term 重构项
redundant 冗余
reflection matrix 反射矩阵
regularization 正则化
regularization term 正则化项
rescaling 缩放
robust 鲁棒性
run 行程
regularization使系统化；调整
reoptimize重新优化
restrict限制；限定；约束
reminiscent回忆往事的；提醒的；使人联想…的（of）
remark注意
random variable随机变量
respect考虑
respectively各自的；分别的
redundant过多的；冗余的
Radial Basis Function／RBF 径向基函数
Random Forest Algorithm 随机森林算法
Random walk 随机漫步
Recall 查全率／召回率
Receiver Operating Characteristic/ROC 受试者工作特征
Rectified Linear Unit/ReLU 线性修正单元
Recurrent Neural Network 循环神经网络
Recursive neural network 递归神经网络
Reference model 参考模型
Regression 回归
Regularization 正则化
Reinforcement learning/RL 强化学习
Representation learning 表征学习
Representer theorem 表示定理
reproducing kernel Hilbert space/RKHS 再生核希尔伯特空间
Re-sampling 重采样法
Rescaling 再缩放
Residual Mapping 残差映射
Residual Network 残差网络
Restricted Boltzmann Machine/RBM 受限玻尔兹曼机
Restricted Isometry Property/RIP 限定等距性
Re-weighting 重赋权法
Robustness 稳健性/鲁棒性
Root node 根结点
Rule Engine 规则引擎
Rule learning 规则学习
Letter S
second-order feature 二阶特征
sigmoid activation function S型激励函数
significant digits 有效数字
singular value 奇异值
singular vector 奇异向量
smoothed L1 penalty 平滑的L1范数惩罚
Smoothed topographic L1 sparsity penalty 平滑地形L1稀疏惩罚函数
smoothing 平滑
Softmax Regresson Softmax回归
sorted in decreasing order 降序排列
source features 源特征
sparse autoencoder 消减归一化
Sparsity 稀疏性
sparsity parameter 稀疏性参数
sparsity penalty 稀疏惩罚
square function 平方函数
squared-error 方差
stationary 平稳性（不变性）
stationary stochastic process 平稳随机过程
step-size 步长值
supervised learning 监督学习
symmetric positive semi-definite matrix 对称半正定矩阵
symmetry breaking 对称失效
susceptible敏感的
stochastic可能的；随机的
symmetric对称的
sophisticated复杂的
spurious假的；伪造的
subtract减去；减法器
simultaneously同时发生地；同步地
suffice满足
scarce稀有的，难得的
split分解，分离
subset子集
statistic统计量
successive iteratious连续的迭代
scale标度
sort of有几分的
squares平方
Saddle point 鞍点
Sample space 样本空间
Sampling 采样
Score function 评分函数
Self-Driving 自动驾驶
Self-Organizing Map／SOM 自组织映射
Semi-naive Bayes classifiers 半朴素贝叶斯分类器
Semi-Supervised Learning 半监督学习
semi-Supervised Support Vector Machine 半监督支持向量机
Sentiment analysis 情感分析
Separating hyperplane 分离超平面
Sigmoid function Sigmoid 函数
Similarity measure 相似度度量
Simulated annealing 模拟退火
Simultaneous localization and mapping 同步定位与地图构建
Singular Value Decomposition 奇异值分解
Slack variables 松弛变量
Smoothing 平滑
Soft margin 软间隔
Soft margin maximization 软间隔最大化
Soft voting 软投票
Sparse representation 稀疏表征
Sparsity 稀疏性
Specialization 特化
Spectral Clustering 谱聚类
Speech Recognition 语音识别
Splitting variable 切分变量
Squashing function 挤压函数
Stability-plasticity dilemma 可塑性-稳定性困境
Statistical learning 统计学习
Status feature function 状态特征函
Stochastic gradient descent 随机梯度下降
Stratified sampling 分层采样
Structural risk 结构风险
Structural risk minimization/SRM 结构风险最小化
Subspace 子空间
Supervised learning 监督学习／有导师学习
support vector expansion 支持向量展式
Support Vector Machine/SVM 支持向量机
Surrogat loss 替代损失
Surrogate function 替代函数
Symbolic learning 符号学习
Symbolism 符号主义
Synset 同义词集
Letter T
tanh function 双曲正切函数
the average activation 平均活跃度
the derivative checking method 梯度验证方法
the empirical distribution 经验分布函数
the energy function 能量函数
the Lagrange dual 拉格朗日对偶函数
the log likelihood 对数似然函数
the pixel intensity value 像素灰度值
the rate of convergence 收敛速度
topographic cost term 拓扑代价项
topographic ordered 拓扑秩序
transformation 变换
translation invariant 平移不变性
trivial answer 平凡解
trajectory轨迹
temporarily暂时的
terminology专用名词
tolerance容忍；公差
thumb翻阅
threshold阈，临界
theorem定理
tangent正切
T-Distribution Stochastic Neighbour Embedding/t-SNE T – 分布随机近邻嵌入
Tensor 张量
Tensor Processing Units/TPU 张量处理单元
The least square method 最小二乘法
Threshold 阈值
Threshold logic unit 阈值逻辑单元
Threshold-moving 阈值移动
Time Step 时间步骤
Tokenization 标记化
Training error 训练误差
Training instance 训练示例／训练例
Transductive learning 直推学习
Transfer learning 迁移学习
Treebank 树库
Tria-by-error 试错法
True negative 真负类
True positive 真正类
True Positive Rate/TPR 真正例率
Turing Machine 图灵机
Twice-learning 二次学习
Letter U
under-complete basis 不完备基
unrolling 组合扩展
unsupervised learning 无监督学习
unit-length vector单位向量
Underfitting 欠拟合／欠配
Undersampling 欠采样
Understandability 可理解性
Unequal cost 非均等代价
Unit-step function 单位阶跃函数
Univariate decision tree 单变量决策树
Unsupervised learning 无监督学习／无导师学习
Unsupervised layer-wise training 无监督逐层训练
Upsampling 上采样
Letter V
vecotrized implementation 向量化实现
vectorization 矢量化
visual cortex 视觉皮层
valid有效的，正确的
variance方差
variable变量；变元
vocabulary词汇
valued经估价的；宝贵的
Vanishing Gradient Problem 梯度消失问题
Variational inference 变分推断
VC Theory VC维理论
Version space 版本空间
Viterbi algorithm 维特比算法
Von Neumann architecture 冯 · 诺伊曼架构
Letter W
weight decay 权重衰减
weighted average 加权平均值
whitening 白化
wrapper包装
Wasserstein GAN/WGAN Wasserstein生成对抗网络
Weak learner 弱学习器
Weight 权重
Weight sharing 权共享
Weighted voting 加权投票法
Within-class scatter matrix 类内散度矩阵
Word embedding 词嵌入
Word sense disambiguation 词义消歧
Letter Z
zero-mean 均值为零
Zero-data learning 零数据学习
Zero-shot learning 零次学习
================================================
FILE: Logistic/LogRegres-gj.py
================================================
# -*- coding:UTF-8 -*-
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt
import numpy as np
import random
"""
函数说明:加载数据
Parameters:
无
Returns:
dataMat - 数据列表
labelMat - 标签列表
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def loadDataSet():
dataMat = [] #创建数据列表
labelMat = [] #创建标签列表
fr = open('testSet.txt') #打开文件
for line in fr.readlines(): #逐行读取
lineArr = line.strip().split() #去回车，放入列表
dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])]) #添加数据
labelMat.append(int(lineArr[2])) #添加标签
fr.close() #关闭文件
return dataMat, labelMat #返回
"""
函数说明:sigmoid函数
Parameters:
inX - 数据
Returns:
sigmoid函数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def sigmoid(inX):
return 1.0 / (1 + np.exp(-inX))
"""
函数说明:梯度上升算法
Parameters:
dataMatIn - 数据集
classLabels - 数据标签
Returns:
weights.getA() - 求得的权重数组(最优参数)
weights_array - 每次更新的回归系数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def gradAscent(dataMatIn, classLabels):
dataMatrix = np.mat(dataMatIn) #转换成numpy的mat
labelMat = np.mat(classLabels).transpose() #转换成numpy的mat,并进行转置
m, n = np.shape(dataMatrix) #返回dataMatrix的大小。m为行数,n为列数。
alpha = 0.01 #移动步长,也就是学习速率,控制更新的幅度。
maxCycles = 500 #最大迭代次数
weights = np.ones((n,1))
weights_array = np.array([])
for k in range(maxCycles):
h = sigmoid(dataMatrix * weights) #梯度上升矢量化公式
error = labelMat - h
weights = weights + alpha * dataMatrix.transpose() * error
weights_array = np.append(weights_array,weights)
weights_array = weights_array.reshape(maxCycles,n)
return weights.getA(),weights_array #将矩阵转换为数组，并返回
"""
函数说明:改进的随机梯度上升算法
Parameters:
dataMatrix - 数据数组
classLabels - 数据标签
numIter - 迭代次数
Returns:
weights - 求得的回归系数数组(最优参数)
weights_array - 每次更新的回归系数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-31
"""
def stocGradAscent1(dataMatrix, classLabels, numIter=150):
m,n = np.shape(dataMatrix) #返回dataMatrix的大小。m为行数,n为列数。
weights = np.ones(n) #参数初始化
weights_array = np.array([]) #存储每次更新的回归系数
for j in range(numIter):
dataIndex = list(range(m))
for i in range(m):
alpha = 4/(1.0+j+i)+0.01 #降低alpha的大小，每次减小1/(j+i)。
randIndex = int(random.uniform(0,len(dataIndex))) #随机选取样本
h = sigmoid(sum(dataMatrix[dataIndex[randIndex]]*weights)) #选择随机选取的一个样本，计算h
error = classLabels[dataIndex[randIndex]] - h #计算误差
weights = weights + alpha * error * dataMatrix[dataIndex[randIndex]] #更新回归系数
weights_array = np.append(weights_array,weights,axis=0) #添加回归系数到数组中
del(dataIndex[randIndex]) #删除已经使用的样本
weights_array = weights_array.reshape(numIter*m,n) #改变维度
return weights,weights_array #返回
"""
函数说明:绘制数据集
Parameters:
weights - 权重参数数组
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-30
"""
def plotBestFit(weights):
dataMat, labelMat = loadDataSet() #加载数据集
dataArr = np.array(dataMat) #转换成numpy的array数组
n = np.shape(dataMat)[0] #数据个数
xcord1 = []; ycord1 = [] #正样本
xcord2 = []; ycord2 = [] #负样本
for i in range(n): #根据数据集标签进行分类
if int(labelMat[i]) == 1:
xcord1.append(dataArr[i,1]); ycord1.append(dataArr[i,2]) #1为正样本
else:
xcord2.append(dataArr[i,1]); ycord2.append(dataArr[i,2]) #0为负样本
fig = plt.figure()
ax = fig.add_subplot(111) #添加subplot
ax.scatter(xcord1, ycord1, s = 20, c = 'red', marker = 's',alpha=.5)#绘制正样本
ax.scatter(xcord2, ycord2, s = 20, c = 'green',alpha=.5) #绘制负样本
x = np.arange(-3.0, 3.0, 0.1)
y = (-weights[0] - weights[1] * x) / weights[2]
ax.plot(x, y)
plt.title('BestFit') #绘制title
plt.xlabel('X1'); plt.ylabel('X2') #绘制label
plt.show()
"""
函数说明:绘制回归系数与迭代次数的关系
Parameters:
weights_array1 - 回归系数数组1
weights_array2 - 回归系数数组2
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-30
"""
def plotWeights(weights_array1,weights_array2):
#设置汉字格式
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
#当nrow=3,nclos=2时,代表fig画布被分为六个区域,axs[0][0]表示第一行第一列
fig, axs = plt.subplots(nrows=3, ncols=2,sharex=False, sharey=False, figsize=(20,10))
x1 = np.arange(0, len(weights_array1), 1)
#绘制w0与迭代次数的关系
axs[0][0].plot(x1,weights_array1[:,0])
axs0_title_text = axs[0][0].set_title(u'改进的随机梯度上升算法：回归系数与迭代次数关系',FontProperties=font)
axs0_ylabel_text = axs[0][0].set_ylabel(u'W0',FontProperties=font)
plt.setp(axs0_title_text, size=20, weight='bold', color='black')
plt.setp(axs0_ylabel_text, size=20, weight='bold', color='black')
#绘制w1与迭代次数的关系
axs[1][0].plot(x1,weights_array1[:,1])
axs1_ylabel_text = axs[1][0].set_ylabel(u'W1',FontProperties=font)
plt.setp(axs1_ylabel_text, size=20, weight='bold', color='black')
#绘制w2与迭代次数的关系
axs[2][0].plot(x1,weights_array1[:,2])
axs2_xlabel_text = axs[2][0].set_xlabel(u'迭代次数',FontProperties=font)
axs2_ylabel_text = axs[2][0].set_ylabel(u'W1',FontProperties=font)
plt.setp(axs2_xlabel_text, size=20, weight='bold', color='black')
plt.setp(axs2_ylabel_text, size=20, weight='bold', color='black')
x2 = np.arange(0, len(weights_array2), 1)
#绘制w0与迭代次数的关系
axs[0][1].plot(x2,weights_array2[:,0])
axs0_title_text = axs[0][1].set_title(u'梯度上升算法：回归系数与迭代次数关系',FontProperties=font)
axs0_ylabel_text = axs[0][1].set_ylabel(u'W0',FontProperties=font)
plt.setp(axs0_title_text, size=20, weight='bold', color='black')
plt.setp(axs0_ylabel_text, size=20, weight='bold', color='black')
#绘制w1与迭代次数的关系
axs[1][1].plot(x2,weights_array2[:,1])
axs1_ylabel_text = axs[1][1].set_ylabel(u'W1',FontProperties=font)
plt.setp(axs1_ylabel_text, size=20, weight='bold', color='black')
#绘制w2与迭代次数的关系
axs[2][1].plot(x2,weights_array2[:,2])
axs2_xlabel_text = axs[2][1].set_xlabel(u'迭代次数',FontProperties=font)
axs2_ylabel_text = axs[2][1].set_ylabel(u'W1',FontProperties=font)
plt.setp(axs2_xlabel_text, size=20, weight='bold', color='black')
plt.setp(axs2_ylabel_text, size=20, weight='bold', color='black')
plt.show()
if __name__ == '__main__':
dataMat, labelMat = loadDataSet()
weights1,weights_array1 = stocGradAscent1(np.array(dataMat), labelMat)
weights2,weights_array2 = gradAscent(dataMat, labelMat)
plotWeights(weights_array1, weights_array2)
================================================
FILE: Logistic/LogRegres.py
================================================
# -*- coding:UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
"""
函数说明:梯度上升算法测试函数
求函数f(x) = -x^2 + 4x的极大值
Parameters:
无
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def Gradient_Ascent_test():
def f_prime(x_old): #f(x)的导数
return -2 * x_old + 4
x_old = -1 #初始值，给一个小于x_new的值
x_new = 0 #梯度上升算法初始值，即从(0,0)开始
alpha = 0.01 #步长，也就是学习速率，控制更新的幅度
presision = 0.00000001 #精度，也就是更新阈值
while abs(x_new - x_old) > presision:
x_old = x_new
x_new = x_old + alpha * f_prime(x_old) #上面提到的公式
print(x_new) #打印最终求解的极值近似值
"""
函数说明:加载数据
Parameters:
无
Returns:
dataMat - 数据列表
labelMat - 标签列表
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def loadDataSet():
dataMat = [] #创建数据列表
labelMat = [] #创建标签列表
fr = open('testSet.txt') #打开文件
for line in fr.readlines(): #逐行读取
lineArr = line.strip().split() #去回车，放入列表
dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])]) #添加数据
labelMat.append(int(lineArr[2])) #添加标签
fr.close() #关闭文件
return dataMat, labelMat #返回
"""
函数说明:sigmoid函数
Parameters:
inX - 数据
Returns:
sigmoid函数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def sigmoid(inX):
return 1.0 / (1 + np.exp(-inX))
"""
函数说明:梯度上升算法
Parameters:
dataMatIn - 数据集
classLabels - 数据标签
Returns:
weights.getA() - 求得的权重数组(最优参数)
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def gradAscent(dataMatIn, classLabels):
dataMatrix = np.mat(dataMatIn) #转换成numpy的mat
labelMat = np.mat(classLabels).transpose() #转换成numpy的mat,并进行转置
m, n = np.shape(dataMatrix) #返回dataMatrix的大小。m为行数,n为列数。
alpha = 0.001 #移动步长,也就是学习速率,控制更新的幅度。
maxCycles = 500 #最大迭代次数
weights = np.ones((n,1))
for k in range(maxCycles):
h = sigmoid(dataMatrix * weights) #梯度上升矢量化公式
error = labelMat - h
weights = weights + alpha * dataMatrix.transpose() * error
return weights.getA() #将矩阵转换为数组，返回权重数组
"""
函数说明:绘制数据集
Parameters:
无
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-30
"""
def plotDataSet():
dataMat, labelMat = loadDataSet() #加载数据集
dataArr = np.array(dataMat) #转换成numpy的array数组
n = np.shape(dataMat)[0] #数据个数
xcord1 = []; ycord1 = [] #正样本
xcord2 = []; ycord2 = [] #负样本
for i in range(n): #根据数据集标签进行分类
if int(labelMat[i]) == 1:
xcord1.append(dataArr[i,1]); ycord1.append(dataArr[i,2]) #1为正样本
else:
xcord2.append(dataArr[i,1]); ycord2.append(dataArr[i,2]) #0为负样本
fig = plt.figure()
ax = fig.add_subplot(111) #添加subplot
ax.scatter(xcord1, ycord1, s = 20, c = 'red', marker = 's',alpha=.5)#绘制正样本
ax.scatter(xcord2, ycord2, s = 20, c = 'green',alpha=.5) #绘制负样本
plt.title('DataSet') #绘制title
plt.xlabel('X1'); plt.ylabel('X2') #绘制label
plt.show() #显示
"""
函数说明:绘制数据集
Parameters:
weights - 权重参数数组
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-30
"""
def plotBestFit(weights):
dataMat, labelMat = loadDataSet() #加载数据集
dataArr = np.array(dataMat) #转换成numpy的array数组
n = np.shape(dataMat)[0] #数据个数
xcord1 = []; ycord1 = [] #正样本
xcord2 = []; ycord2 = [] #负样本
for i in range(n): #根据数据集标签进行分类
if int(labelMat[i]) == 1:
xcord1.append(dataArr[i,1]); ycord1.append(dataArr[i,2]) #1为正样本
else:
xcord2.append(dataArr[i,1]); ycord2.append(dataArr[i,2]) #0为负样本
fig = plt.figure()
ax = fig.add_subplot(111) #添加subplot
ax.scatter(xcord1, ycord1, s = 20, c = 'red', marker = 's',alpha=.5)#绘制正样本
ax.scatter(xcord2, ycord2, s = 20, c = 'green',alpha=.5) #绘制负样本
x = np.arange(-3.0, 3.0, 0.1)
y = (-weights[0] - weights[1] * x) / weights[2]
ax.plot(x, y)
plt.title('BestFit') #绘制title
plt.xlabel('X1'); plt.ylabel('X2') #绘制label
plt.show()
if __name__ == '__main__':
dataMat, labelMat = loadDataSet()
weights = gradAscent(dataMat, labelMat)
plotBestFit(weights)
================================================
FILE: Logistic/colicLogRegres.py
================================================
# -*- coding:UTF-8 -*-
from sklearn.linear_model import LogisticRegression
import numpy as np
import random
"""
函数说明:sigmoid函数
Parameters:
inX - 数据
Returns:
sigmoid函数
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-09-05
"""
def sigmoid(inX):
return 1.0 / (1 + np.exp(-inX))
"""
函数说明:改进的随机梯度上升算法
Parameters:
dataMatrix - 数据数组
classLabels - 数据标签
numIter - 迭代次数
Returns:
weights - 求得的回归系数数组(最优参数)
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-09-05
"""
def stocGradAscent1(dataMatrix, classLabels, numIter=150):
m,n = np.shape(dataMatrix) #返回dataMatrix的大小。m为行数,n为列数。
weights = np.ones(n) #参数初始化 #存储每次更新的回归系数
for j in range(numIter):
dataIndex = list(range(m))
for i in range(m):
alpha = 4/(1.0+j+i)+0.01 #降低alpha的大小，每次减小1/(j+i)。
randIndex = int(random.uniform(0,len(dataIndex))) #随机选取样本
h = sigmoid(sum(dataMatrix[randIndex]*weights)) #选择随机选取的一个样本，计算h
error = classLabels[randIndex] - h #计算误差
weights = weights + alpha * error * dataMatrix[randIndex] #更新回归系数
del(dataIndex[randIndex]) #删除已经使用的样本
return weights #返回
"""
函数说明:梯度上升算法
Parameters:
dataMatIn - 数据集
classLabels - 数据标签
Returns:
weights.getA() - 求得的权重数组(最优参数)
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-08-28
"""
def gradAscent(dataMatIn, classLabels):
dataMatrix = np.mat(dataMatIn) #转换成numpy的mat
labelMat = np.mat(classLabels).transpose() #转换成numpy的mat,并进行转置
m, n = np.shape(dataMatrix) #返回dataMatrix的大小。m为行数,n为列数。
alpha = 0.01 #移动步长,也就是学习速率,控制更新的幅度。
maxCycles = 500 #最大迭代次数
weights = np.ones((n,1))
for k in range(maxCycles):
h = sigmoid(dataMatrix * weights) #梯度上升矢量化公式
error = labelMat - h
weights = weights + alpha * dataMatrix.transpose() * error
return weights.getA() #将矩阵转换为数组，并返回
"""
函数说明:使用Python写的Logistic分类器做预测
Parameters:
无
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-09-05
"""
def colicTest():
frTrain = open('horseColicTraining.txt') #打开训练集
frTest = open('horseColicTest.txt') #打开测试集
trainingSet = []; trainingLabels = []
for line in frTrain.readlines():
currLine = line.strip().split('\t')
lineArr = []
for i in range(len(currLine)-1):
lineArr.append(float(currLine[i]))
trainingSet.append(lineArr)
trainingLabels.append(float(currLine[-1]))
trainWeights = stocGradAscent1(np.array(trainingSet), trainingLabels,500) #使用改进的随即上升梯度训练
errorCount = 0; numTestVec = 0.0
for line in frTest.readlines():
numTestVec += 1.0
currLine = line.strip().split('\t')
lineArr =[]
for i in range(len(currLine)-1):
lineArr.append(float(currLine[i]))
if int(classifyVector(np.array(lineArr), trainWeights))!= int(currLine[-1]):
errorCount += 1
errorRate = (float(errorCount)/numTestVec) * 100 #错误率计算
print("测试集错误率为: %.2f%%" % errorRate)
"""
函数说明:分类函数
Parameters:
inX - 特征向量
weights - 回归系数
Returns:
分类结果
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-09-05
"""
def classifyVector(inX, weights):
prob = sigmoid(sum(inX*weights))
if prob > 0.5: return 1.0
else: return 0.0
"""
函数说明:使用Sklearn构建Logistic回归分类器
Parameters:
无
Returns:
无
Author:
Jack Cui
Blog:
http://blog.csdn.net/c406495762
Zhihu:
https://www.zhihu.com/people/Jack--Cui/
Modify:
2017-09-05
"""
def colicSklearn():
frTrain = open('horseColicTraining.txt') #打开训练集
frTest = open('horseColicTest.txt') #打开测试集
trainingSet = []; trainingLabels = []
testSet = []; testLabels = []
for line in frTrain.readlines():
currLine = line.strip().split('\t')
lineArr = []
for i in range(len(currLine)-1):
lineArr.append(float(currLine[i]))
trainingSet.append(lineArr)
trainingLabels.append(float(currLine[-1]))
for line in frTest.readlines():
currLine = line.strip().split('\t')
lineArr =[]
for i in range(len(currLine)-1):
lineArr.append(float(currLine[i]))
testSet.append(lineArr)
testLabels.append(float(currLine[-1]))
classifier = LogisticRegression(solver = 'sag',max_iter = 5000).fit(trainingSet, trainingLabels)
test_accurcy = classifier.score(testSet, testLabels) * 100
print('正确率:%f%%' % test_accurcy)
if __name__ == '__main__':
colicSklearn()
================================================
FILE: Logistic/horseColicTest.txt
================================================
2 1 38.50 54 20 0 1 2 2 3 4 1 2 2 5.90 0 2 42.00 6.30 0 0 1
2 1 37.60 48 36 0 0 1 1 0 3 0 0 0 0 0 0 44.00 6.30 1 5.00 1
1 1 37.7 44 28 0 4 3 2 5 4 4 1 1 0 3 5 45 70 3 2 1
1 1 37 56 24 3 1 4 2 4 4 3 1 1 0 0 0 35 61 3 2 0
2 1 38.00 42 12 3 0 3 1 1 0 1 0 0 0 0 2 37.00 5.80 0 0 1
1 1 0 60 40 3 0 1 1 0 4 0 3 2 0 0 5 42 72 0 0 1
2 1 38.40 80 60 3 2 2 1 3 2 1 2 2 0 1 1 54.00 6.90 0 0 1
2 1 37.80 48 12 2 1 2 1 3 0 1 2 0 0 2 0 48.00 7.30 1 0 1
2 1 37.90 45 36 3 3 3 2 2 3 1 2 1 0 3 0 33.00 5.70 3 0 1
2 1 39.00 84 12 3 1 5 1 2 4 2 1 2 7.00 0 4 62.00 5.90 2 2.20 0
2 1 38.20 60 24 3 1 3 2 3 3 2 3 3 0 4 4 53.00 7.50 2 1.40 1
1 1 0 140 0 0 0 4 2 5 4 4 1 1 0 0 5 30 69 0 0 0
1 1 37.90 120 60 3 3 3 1 5 4 4 2 2 7.50 4 5 52.00 6.60 3 1.80 0
2 1 38.00 72 36 1 1 3 1 3 0 2 2 1 0 3 5 38.00 6.80 2 2.00 1
2 9 38.00 92 28 1 1 2 1 1 3 2 3 0 7.20 0 0 37.00 6.10 1 1.10 1
1 1 38.30 66 30 2 3 1 1 2 4 3 3 2 8.50 4 5 37.00 6.00 0 0 1
2 1 37.50 48 24 3 1 1 1 2 1 0 1 1 0 3 2 43.00 6.00 1 2.80 1
1 1 37.50 88 20 2 3 3 1 4 3 3 0 0 0 0 0 35.00 6.40 1 0 0
2 9 0 150 60 4 4 4 2 5 4 4 0 0 0 0 0 0 0 0 0 0
1 1 39.7 100 30 0 0 6 2 4 4 3 1 0 0 4 5 65 75 0 0 0
1 1 38.30 80 0 3 3 4 2 5 4 3 2 1 0 4 4 45.00 7.50 2 4.60 1
2 1 37.50 40 32 3 1 3 1 3 2 3 2 1 0 0 5 32.00 6.40 1 1.10 1
1 1 38.40 84 30 3 1 5 2 4 3 3 2 3 6.50 4 4 47.00 7.50 3 0 0
1 1 38.10 84 44 4 0 4 2 5 3 1 1 3 5.00 0 4 60.00 6.80 0 5.70 0
2 1 38.70 52 0 1 1 1 1 1 3 1 0 0 0 1 3 4.00 74.00 0 0 1
2 1 38.10 44 40 2 1 3 1 3 3 1 0 0 0 1 3 35.00 6.80 0 0 1
2 1 38.4 52 20 2 1 3 1 1 3 2 2 1 0 3 5 41 63 1 1 1
1 1 38.20 60 0 1 0 3 1 2 1 1 1 1 0 4 4 43.00 6.20 2 3.90 1
2 1 37.70 40 18 1 1 1 0 3 2 1 1 1 0 3 3 36.00 3.50 0 0 1
1 1 39.1 60 10 0 1 1 0 2 3 0 0 0 0 4 4 0 0 0 0 1
2 1 37.80 48 16 1 1 1 1 0 1 1 2 1 0 4 3 43.00 7.50 0 0 1
1 1 39.00 120 0 4 3 5 2 2 4 3 2 3 8.00 0 0 65.00 8.20 3 4.60 1
1 1 38.20 76 0 2 3 2 1 5 3 3 1 2 6.00 1 5 35.00 6.50 2 0.90 1
2 1 38.30 88 0 0 0 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 38.00 80 30 3 3 3 1 0 0 0 0 0 6.00 0 0 48.00 8.30 0 4.30 1
1 1 0 0 0 3 1 1 1 2 3 3 1 3 6.00 4 4 0 0 2 0 0
1 1 37.60 40 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 2 2.10 1
2 1 37.50 44 0 1 1 1 1 3 3 2 0 0 0 0 0 45.00 5.80 2 1.40 1
2 1 38.2 42 16 1 1 3 1 1 3 1 0 0 0 1 0 35 60 1 1 1
2 1 38 56 44 3 3 3 0 0 1 1 2 1 0 4 0 47 70 2 1 1
2 1 38.30 45 20 3 3 2 2 2 4 1 2 0 0 4 0 0 0 0 0 1
1 1 0 48 96 1 1 3 1 0 4 1 2 1 0 1 4 42.00 8.00 1 0 1
1 1 37.70 55 28 2 1 2 1 2 3 3 0 3 5.00 4 5 0 0 0 0 1
2 1 36.00 100 20 4 3 6 2 2 4 3 1 1 0 4 5 74.00 5.70 2 2.50 0
1 1 37.10 60 20 2 0 4 1 3 0 3 0 2 5.00 3 4 64.00 8.50 2 0 1
2 1 37.10 114 40 3 0 3 2 2 2 1 0 0 0 0 3 32.00 0 3 6.50 1
1 1 38.1 72 30 3 3 3 1 4 4 3 2 1 0 3 5 37 56 3 1 1
1 1 37.00 44 12 3 1 1 2 1 1 1 0 0 0 4 2 40.00 6.70 3 8.00 1
1 1 38.6 48 20 3 1 1 1 4 3 1 0 0 0 3 0 37 75 0 0 1
1 1 0 82 72 3 1 4 1 2 3 3 0 3 0 4 4 53 65 3 2 0
1 9 38.20 78 60 4 4 6 0 3 3 3 0 0 0 1 0 59.00 5.80 3 3.10 0
2 1 37.8 60 16 1 1 3 1 2 3 2 1 2 0 3 0 41 73 0 0 0
1 1 38.7 34 30 2 0 3 1 2 3 0 0 0 0 0 0 33 69 0 2 0
1 1 0 36 12 1 1 1 1 1 2 1 1 1 0 1 5 44.00 0 0 0 1
2 1 38.30 44 60 0 0 1 1 0 0 0 0 0 0 0 0 6.40 36.00 0 0 1
2 1 37.40 54 18 3 0 1 1 3 4 3 2 2 0 4 5 30.00 7.10 2 0 1
1 1 0 0 0 4 3 0 2 2 4 1 0 0 0 0 0 54 76 3 2 1
1 1 36.6 48 16 3 1 3 1 4 1 1 1 1 0 0 0 27 56 0 0 0
1 1 38.5 90 0 1 1 3 1 3 3 3 2 3 2 4 5 47 79 0 0 1
1 1 0 75 12 1 1 4 1 5 3 3 0 3 5.80 0 0 58.00 8.50 1 0 1
2 1 38.20 42 0 3 1 1 1 1 1 2 2 1 0 3 2 35.00 5.90 2 0 1
1 9 38.20 78 60 4 4 6 0 3 3 3 0 0 0 1 0 59.00 5.80 3 3.10 0
2 1 38.60 60 30 1 1 3 1 4 2 2 1 1 0 0 0 40.00 6.00 1 0 1
2 1 37.80 42 40 1 1 1 1 1 3 1 0 0 0 3 3 36.00 6.20 0 0 1
1 1 38 60 12 1 1 2 1 2 1 1 1 1 0 1 4 44 65 3 2 0
2 1 38.00 42 12 3 0 3 1 1 1 1 0 0 0 0 1 37.00 5.80 0 0 1
2 1 37.60 88 36 3 1 1 1 3 3 2 1 3 1.50 0 0 44.00 6.00 0 0 0
================================================
FILE: Logistic/horseColicTraining.txt
================================================
2.000000 1.000000 38.500000 66.000000 28.000000 3.000000 3.000000 0.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 3.000000 5.000000 45.000000 8.400000 0.000000 0.000000 0.000000
1.000000 1.000000 39.200000 88.000000 20.000000 0.000000 0.000000 4.000000 1.000000 3.000000 4.000000 2.000000 0.000000 0.000000 0.000000 4.000000 2.000000 50.000000 85.000000 2.000000 2.000000 0.000000
2.000000 1.000000 38.300000 40.000000 24.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 33.000000 6.700000 0.000000 0.000000 1.000000
1.000000 9.000000 39.100000 164.000000 84.000000 4.000000 1.000000 6.000000 2.000000 2.000000 4.000000 4.000000 1.000000 2.000000 5.000000 3.000000 0.000000 48.000000 7.200000 3.000000 5.300000 0.000000
2.000000 1.000000 37.300000 104.000000 35.000000 0.000000 0.000000 6.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 74.000000 7.400000 0.000000 0.000000 0.000000
2.000000 1.000000 0.000000 0.000000 0.000000 2.000000 1.000000 3.000000 1.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.900000 48.000000 16.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 1.000000 1.000000 0.000000 3.000000 5.000000 37.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 60.000000 0.000000 3.000000 0.000000 0.000000 1.000000 0.000000 4.000000 2.000000 2.000000 1.000000 0.000000 3.000000 4.000000 44.000000 8.300000 0.000000 0.000000 0.000000
2.000000 1.000000 0.000000 80.000000 36.000000 3.000000 4.000000 3.000000 1.000000 4.000000 4.000000 4.000000 2.000000 1.000000 0.000000 3.000000 5.000000 38.000000 6.200000 0.000000 0.000000 0.000000
2.000000 9.000000 38.300000 90.000000 0.000000 1.000000 0.000000 1.000000 1.000000 5.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 0.000000 40.000000 6.200000 1.000000 2.200000 1.000000
1.000000 1.000000 38.100000 66.000000 12.000000 3.000000 3.000000 5.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 3.000000 2.000000 5.000000 44.000000 6.000000 2.000000 3.600000 1.000000
2.000000 1.000000 39.100000 72.000000 52.000000 2.000000 0.000000 2.000000 1.000000 2.000000 1.000000 2.000000 1.000000 1.000000 0.000000 4.000000 4.000000 50.000000 7.800000 0.000000 0.000000 1.000000
1.000000 1.000000 37.200000 42.000000 12.000000 2.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 5.000000 0.000000 7.000000 0.000000 0.000000 1.000000
2.000000 9.000000 38.000000 92.000000 28.000000 1.000000 1.000000 2.000000 1.000000 1.000000 3.000000 2.000000 3.000000 0.000000 7.200000 1.000000 1.000000 37.000000 6.100000 1.000000 0.000000 0.000000
1.000000 1.000000 38.200000 76.000000 28.000000 3.000000 1.000000 1.000000 1.000000 3.000000 4.000000 1.000000 2.000000 2.000000 0.000000 4.000000 4.000000 46.000000 81.000000 1.000000 2.000000 1.000000
1.000000 1.000000 37.600000 96.000000 48.000000 3.000000 1.000000 4.000000 1.000000 5.000000 3.000000 3.000000 2.000000 3.000000 4.500000 4.000000 0.000000 45.000000 6.800000 0.000000 0.000000 0.000000
1.000000 9.000000 0.000000 128.000000 36.000000 3.000000 3.000000 4.000000 2.000000 4.000000 4.000000 3.000000 3.000000 0.000000 0.000000 4.000000 5.000000 53.000000 7.800000 3.000000 4.700000 0.000000
2.000000 1.000000 37.500000 48.000000 24.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.600000 64.000000 21.000000 1.000000 1.000000 2.000000 1.000000 2.000000 3.000000 1.000000 1.000000 1.000000 0.000000 2.000000 5.000000 40.000000 7.000000 1.000000 0.000000 1.000000
2.000000 1.000000 39.400000 110.000000 35.000000 4.000000 3.000000 6.000000 0.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 55.000000 8.700000 0.000000 0.000000 1.000000
1.000000 1.000000 39.900000 72.000000 60.000000 1.000000 1.000000 5.000000 2.000000 5.000000 4.000000 4.000000 3.000000 1.000000 0.000000 4.000000 4.000000 46.000000 6.100000 2.000000 0.000000 1.000000
2.000000 1.000000 38.400000 48.000000 16.000000 1.000000 0.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 3.000000 5.500000 4.000000 3.000000 49.000000 6.800000 0.000000 0.000000 1.000000
1.000000 1.000000 38.600000 42.000000 34.000000 2.000000 1.000000 4.000000 0.000000 2.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 48.000000 7.200000 0.000000 0.000000 1.000000
1.000000 9.000000 38.300000 130.000000 60.000000 0.000000 3.000000 0.000000 1.000000 2.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 50.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 60.000000 12.000000 3.000000 3.000000 3.000000 1.000000 0.000000 4.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 51.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.800000 60.000000 42.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 72.000000 30.000000 4.000000 3.000000 3.000000 2.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 43.000000 7.000000 2.000000 3.900000 1.000000
1.000000 1.000000 37.800000 48.000000 12.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 37.000000 5.500000 2.000000 1.300000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.700000 48.000000 0.000000 2.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 45.000000 76.000000 0.000000 0.000000 1.000000
2.000000 1.000000 37.700000 96.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 3.000000 2.000000 4.000000 4.000000 5.000000 66.000000 7.500000 0.000000 0.000000 0.000000
2.000000 1.000000 37.200000 108.000000 12.000000 3.000000 3.000000 4.000000 2.000000 2.000000 4.000000 2.000000 0.000000 3.000000 6.000000 3.000000 3.000000 52.000000 8.200000 3.000000 7.400000 0.000000
1.000000 1.000000 37.200000 60.000000 0.000000 2.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 43.000000 6.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 64.000000 28.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 4.000000 4.000000 49.000000 8.600000 2.000000 6.600000 1.000000
1.000000 1.000000 0.000000 100.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 3.000000 3.000000 0.000000 4.000000 4.000000 52.000000 6.600000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 104.000000 24.000000 4.000000 3.000000 3.000000 2.000000 4.000000 4.000000 3.000000 0.000000 3.000000 0.000000 0.000000 2.000000 73.000000 8.400000 0.000000 0.000000 0.000000
2.000000 1.000000 38.300000 112.000000 16.000000 0.000000 3.000000 5.000000 2.000000 0.000000 0.000000 1.000000 1.000000 2.000000 0.000000 0.000000 5.000000 51.000000 6.000000 2.000000 1.000000 0.000000
1.000000 1.000000 37.800000 72.000000 0.000000 0.000000 3.000000 0.000000 1.000000 5.000000 3.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 56.000000 80.000000 1.000000 2.000000 1.000000
2.000000 1.000000 38.600000 52.000000 0.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 32.000000 6.600000 1.000000 5.000000 1.000000
1.000000 9.000000 39.200000 146.000000 96.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 0.000000 88.000000 0.000000 3.000000 3.000000 6.000000 2.000000 5.000000 3.000000 3.000000 1.000000 3.000000 0.000000 4.000000 5.000000 63.000000 6.500000 3.000000 0.000000 0.000000
2.000000 9.000000 39.000000 150.000000 72.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 47.000000 8.500000 0.000000 0.100000 1.000000
2.000000 1.000000 38.000000 60.000000 12.000000 3.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 1.000000 1.000000 0.000000 2.000000 2.000000 47.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 120.000000 0.000000 3.000000 4.000000 4.000000 1.000000 4.000000 4.000000 4.000000 1.000000 1.000000 0.000000 0.000000 5.000000 52.000000 67.000000 2.000000 2.000000 0.000000
1.000000 1.000000 35.400000 140.000000 24.000000 3.000000 3.000000 4.000000 2.000000 4.000000 4.000000 0.000000 2.000000 1.000000 0.000000 0.000000 5.000000 57.000000 69.000000 3.000000 2.000000 0.000000
2.000000 1.000000 0.000000 120.000000 0.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 5.000000 60.000000 6.500000 3.000000 0.000000 0.000000
1.000000 1.000000 37.900000 60.000000 15.000000 3.000000 0.000000 4.000000 2.000000 5.000000 4.000000 4.000000 2.000000 2.000000 0.000000 4.000000 5.000000 65.000000 7.500000 0.000000 0.000000 1.000000
2.000000 1.000000 37.500000 48.000000 16.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 37.000000 6.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.900000 80.000000 44.000000 3.000000 3.000000 3.000000 2.000000 2.000000 3.000000 3.000000 2.000000 2.000000 7.000000 3.000000 1.000000 54.000000 6.500000 3.000000 0.000000 0.000000
2.000000 1.000000 37.200000 84.000000 48.000000 3.000000 3.000000 5.000000 2.000000 4.000000 1.000000 2.000000 1.000000 2.000000 0.000000 2.000000 1.000000 73.000000 5.500000 2.000000 4.100000 0.000000
2.000000 1.000000 38.600000 46.000000 0.000000 1.000000 1.000000 2.000000 1.000000 1.000000 3.000000 2.000000 1.000000 1.000000 0.000000 0.000000 2.000000 49.000000 9.100000 1.000000 1.600000 1.000000
1.000000 1.000000 37.400000 84.000000 36.000000 1.000000 0.000000 3.000000 2.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 4.000000 5.000000 0.000000 0.000000 3.000000 0.000000 0.000000
2.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 3.000000 1.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 2.000000 2.000000 43.000000 7.700000 0.000000 0.000000 1.000000
2.000000 1.000000 38.600000 40.000000 20.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 41.000000 6.400000 0.000000 0.000000 1.000000
2.000000 1.000000 40.300000 114.000000 36.000000 3.000000 3.000000 1.000000 2.000000 2.000000 3.000000 3.000000 2.000000 1.000000 7.000000 1.000000 5.000000 57.000000 8.100000 3.000000 4.500000 0.000000
1.000000 9.000000 38.600000 160.000000 20.000000 3.000000 0.000000 5.000000 1.000000 3.000000 3.000000 4.000000 3.000000 0.000000 0.000000 4.000000 0.000000 38.000000 0.000000 2.000000 0.000000 0.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 24.000000 6.700000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 64.000000 36.000000 2.000000 0.000000 2.000000 1.000000 5.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 0.000000 42.000000 7.700000 0.000000 0.000000 0.000000
1.000000 1.000000 0.000000 0.000000 20.000000 4.000000 3.000000 3.000000 0.000000 5.000000 4.000000 3.000000 2.000000 0.000000 0.000000 4.000000 4.000000 53.000000 5.900000 3.000000 0.000000 0.000000
2.000000 1.000000 0.000000 96.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 4.000000 4.000000 1.000000 2.000000 0.000000 4.000000 5.000000 60.000000 0.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.800000 48.000000 32.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 1.000000 1.000000 0.000000 4.000000 5.000000 37.000000 6.700000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 0.000000 2.000000 2.000000 1.000000 1.000000 1.000000 2.000000 2.000000 2.000000 1.000000 0.000000 1.000000 1.000000 44.000000 7.700000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 88.000000 22.000000 2.000000 1.000000 2.000000 1.000000 3.000000 0.000000 0.000000 2.000000 0.000000 0.000000 4.000000 0.000000 64.000000 8.000000 1.000000 6.000000 0.000000
2.000000 1.000000 38.200000 130.000000 16.000000 4.000000 3.000000 4.000000 2.000000 2.000000 4.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 65.000000 82.000000 2.000000 2.000000 0.000000
1.000000 1.000000 39.000000 64.000000 36.000000 3.000000 1.000000 4.000000 2.000000 3.000000 3.000000 2.000000 1.000000 2.000000 7.000000 4.000000 5.000000 44.000000 7.500000 3.000000 5.000000 1.000000
1.000000 1.000000 0.000000 60.000000 36.000000 3.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 3.000000 4.000000 26.000000 72.000000 2.000000 1.000000 1.000000
2.000000 1.000000 37.900000 72.000000 0.000000 1.000000 1.000000 5.000000 2.000000 3.000000 3.000000 1.000000 1.000000 3.000000 2.000000 3.000000 4.000000 58.000000 74.000000 1.000000 2.000000 1.000000
2.000000 1.000000 38.400000 54.000000 24.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 49.000000 7.200000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 52.000000 16.000000 1.000000 0.000000 3.000000 1.000000 0.000000 0.000000 0.000000 2.000000 3.000000 5.500000 0.000000 0.000000 55.000000 7.200000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 48.000000 12.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 0.000000 1.000000 1.000000 0.000000 3.000000 2.000000 42.000000 6.300000 2.000000 4.100000 1.000000
2.000000 1.000000 37.000000 60.000000 20.000000 3.000000 0.000000 0.000000 1.000000 3.000000 0.000000 3.000000 2.000000 2.000000 4.500000 4.000000 4.000000 43.000000 7.600000 0.000000 0.000000 0.000000
1.000000 1.000000 37.800000 48.000000 28.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 1.000000 1.000000 46.000000 5.900000 2.000000 7.000000 1.000000
1.000000 1.000000 37.700000 56.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 38.100000 52.000000 24.000000 1.000000 1.000000 5.000000 1.000000 4.000000 3.000000 1.000000 2.000000 3.000000 7.000000 1.000000 0.000000 54.000000 7.500000 2.000000 2.600000 0.000000
1.000000 9.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 37.000000 4.900000 0.000000 0.000000 0.000000
1.000000 9.000000 39.700000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 2.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 48.000000 57.000000 2.000000 2.000000 0.000000
1.000000 1.000000 37.600000 38.000000 20.000000 3.000000 3.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 3.000000 0.000000 37.000000 68.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.700000 52.000000 20.000000 2.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 33.000000 77.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 3.000000 3.000000 5.000000 3.000000 3.000000 3.000000 2.000000 0.000000 4.000000 5.000000 46.000000 5.900000 0.000000 0.000000 0.000000
1.000000 1.000000 37.500000 96.000000 18.000000 1.000000 3.000000 6.000000 2.000000 3.000000 4.000000 2.000000 2.000000 3.000000 5.000000 0.000000 4.000000 69.000000 8.900000 3.000000 0.000000 1.000000
1.000000 1.000000 36.400000 98.000000 35.000000 3.000000 3.000000 4.000000 1.000000 4.000000 3.000000 2.000000 0.000000 0.000000 0.000000 4.000000 4.000000 47.000000 6.400000 3.000000 3.600000 0.000000
1.000000 1.000000 37.300000 40.000000 0.000000 0.000000 3.000000 1.000000 1.000000 2.000000 3.000000 2.000000 3.000000 1.000000 0.000000 3.000000 5.000000 36.000000 0.000000 3.000000 2.000000 1.000000
1.000000 9.000000 38.100000 100.000000 80.000000 3.000000 1.000000 2.000000 1.000000 3.000000 4.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 36.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 0.000000 24.000000 3.000000 3.000000 6.000000 2.000000 5.000000 0.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 68.000000 7.800000 0.000000 0.000000 0.000000
1.000000 1.000000 37.800000 60.000000 80.000000 1.000000 3.000000 2.000000 2.000000 2.000000 3.000000 3.000000 0.000000 2.000000 5.500000 4.000000 0.000000 40.000000 4.500000 2.000000 0.000000 1.000000
2.000000 1.000000 38.000000 54.000000 30.000000 2.000000 3.000000 3.000000 3.000000 3.000000 1.000000 2.000000 2.000000 2.000000 0.000000 0.000000 4.000000 45.000000 6.200000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 88.000000 40.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 3.000000 3.000000 0.000000 0.000000 4.000000 5.000000 50.000000 7.700000 3.000000 1.400000 0.000000
2.000000 1.000000 0.000000 40.000000 16.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 50.000000 7.000000 2.000000 3.900000 0.000000
2.000000 1.000000 39.000000 64.000000 40.000000 1.000000 1.000000 5.000000 1.000000 3.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 3.000000 42.000000 7.500000 2.000000 2.300000 1.000000
2.000000 1.000000 38.300000 42.000000 10.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 38.000000 61.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 52.000000 16.000000 0.000000 0.000000 0.000000 0.000000 2.000000 0.000000 0.000000 0.000000 3.000000 1.000000 1.000000 1.000000 53.000000 86.000000 0.000000 0.000000 1.000000
2.000000 1.000000 40.300000 114.000000 36.000000 3.000000 3.000000 1.000000 2.000000 2.000000 3.000000 3.000000 2.000000 1.000000 7.000000 1.000000 5.000000 57.000000 8.100000 3.000000 4.500000 0.000000
2.000000 1.000000 38.800000 50.000000 20.000000 3.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 0.000000 3.000000 1.000000 42.000000 6.200000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 1.000000 1.000000 5.000000 3.000000 3.000000 1.000000 1.000000 0.000000 4.000000 5.000000 38.000000 6.500000 0.000000 0.000000 0.000000
2.000000 1.000000 37.500000 48.000000 30.000000 4.000000 1.000000 3.000000 1.000000 0.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 48.000000 8.600000 0.000000 0.000000 1.000000
1.000000 1.000000 37.300000 48.000000 20.000000 0.000000 1.000000 2.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 41.000000 69.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 84.000000 36.000000 0.000000 0.000000 3.000000 1.000000 0.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 44.000000 8.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 88.000000 32.000000 3.000000 3.000000 4.000000 1.000000 2.000000 3.000000 3.000000 0.000000 3.000000 1.000000 4.000000 5.000000 55.000000 60.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.700000 44.000000 40.000000 2.000000 1.000000 3.000000 1.000000 1.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 5.000000 41.000000 60.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.600000 108.000000 51.000000 3.000000 3.000000 6.000000 2.000000 2.000000 4.000000 3.000000 1.000000 2.000000 0.000000 3.000000 5.000000 59.000000 8.000000 2.000000 2.600000 1.000000
1.000000 1.000000 38.200000 40.000000 16.000000 3.000000 3.000000 1.000000 1.000000 1.000000 3.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 34.000000 66.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 60.000000 20.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 0.000000 0.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2.000000 1.000000 38.300000 40.000000 16.000000 3.000000 0.000000 1.000000 1.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 37.000000 57.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.000000 140.000000 68.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 2.000000 1.000000 39.000000 5.300000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 52.000000 24.000000 1.000000 3.000000 3.000000 1.000000 4.000000 4.000000 1.000000 2.000000 3.000000 5.700000 2.000000 5.000000 48.000000 6.600000 1.000000 3.700000 0.000000
1.000000 1.000000 0.000000 70.000000 36.000000 1.000000 0.000000 3.000000 2.000000 2.000000 3.000000 2.000000 2.000000 0.000000 0.000000 4.000000 5.000000 36.000000 7.300000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 52.000000 96.000000 0.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 43.000000 6.100000 0.000000 0.000000 1.000000
2.000000 1.000000 37.300000 50.000000 32.000000 1.000000 1.000000 3.000000 1.000000 1.000000 3.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 44.000000 7.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.700000 60.000000 32.000000 4.000000 3.000000 2.000000 2.000000 4.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 53.000000 64.000000 3.000000 2.000000 0.000000
1.000000 9.000000 38.400000 84.000000 40.000000 3.000000 3.000000 2.000000 1.000000 3.000000 3.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 36.000000 6.600000 2.000000 2.800000 0.000000
1.000000 1.000000 0.000000 70.000000 16.000000 3.000000 4.000000 5.000000 2.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 4.000000 5.000000 60.000000 7.500000 0.000000 0.000000 0.000000
1.000000 1.000000 38.300000 40.000000 16.000000 3.000000 0.000000 0.000000 1.000000 1.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 38.000000 58.000000 1.000000 2.000000 1.000000
1.000000 1.000000 0.000000 40.000000 0.000000 2.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 0.000000 0.000000 5.000000 39.000000 56.000000 0.000000 0.000000 1.000000
1.000000 1.000000 36.800000 60.000000 28.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 10.000000 0.000000
1.000000 1.000000 38.400000 44.000000 24.000000 3.000000 0.000000 4.000000 0.000000 5.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 50.000000 77.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 40.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 44.000000 12.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 4.000000 5.000000 42.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.500000 0.000000 0.000000 3.000000 3.000000 4.000000 2.000000 3.000000 4.000000 3.000000 0.000000 3.000000 5.500000 4.000000 5.000000 0.000000 6.700000 1.000000 0.000000 0.000000
1.000000 1.000000 36.500000 78.000000 30.000000 1.000000 0.000000 1.000000 1.000000 5.000000 3.000000 1.000000 0.000000 1.000000 0.000000 0.000000 0.000000 34.000000 75.000000 2.000000 1.000000 1.000000
2.000000 1.000000 38.100000 56.000000 20.000000 2.000000 1.000000 2.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 0.000000 0.000000 0.000000 46.000000 70.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.400000 54.000000 66.000000 1.000000 1.000000 2.000000 1.000000 2.000000 3.000000 2.000000 1.000000 1.000000 0.000000 3.000000 4.000000 39.000000 6.000000 2.000000 0.000000 1.000000
1.000000 1.000000 38.300000 80.000000 40.000000 0.000000 0.000000 6.000000 2.000000 4.000000 3.000000 1.000000 0.000000 2.000000 0.000000 1.000000 4.000000 67.000000 10.200000 2.000000 1.000000 0.000000
2.000000 1.000000 38.700000 40.000000 28.000000 2.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 39.000000 62.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.200000 64.000000 24.000000 1.000000 1.000000 3.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 4.000000 45.000000 7.500000 1.000000 2.000000 0.000000
2.000000 1.000000 37.600000 48.000000 20.000000 3.000000 1.000000 4.000000 1.000000 1.000000 1.000000 3.000000 2.000000 1.000000 0.000000 1.000000 1.000000 37.000000 5.500000 0.000000 0.000000 0.000000
1.000000 1.000000 38.000000 42.000000 68.000000 4.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 2.000000 2.000000 0.000000 4.000000 4.000000 41.000000 7.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.700000 0.000000 0.000000 3.000000 1.000000 3.000000 1.000000 5.000000 4.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 33.000000 6.500000 2.000000 0.000000 1.000000
1.000000 1.000000 37.400000 50.000000 32.000000 3.000000 3.000000 0.000000 1.000000 4.000000 4.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 45.000000 7.900000 2.000000 1.000000 1.000000
1.000000 1.000000 37.400000 84.000000 20.000000 0.000000 0.000000 3.000000 1.000000 2.000000 3.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 31.000000 61.000000 0.000000 1.000000 0.000000
1.000000 1.000000 38.400000 49.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 2.000000 1.000000 0.000000 0.000000 0.000000 44.000000 7.600000 0.000000 0.000000 1.000000
1.000000 1.000000 37.800000 30.000000 12.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.600000 88.000000 36.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 3.000000 1.500000 0.000000 0.000000 44.000000 6.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.900000 40.000000 24.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 3.000000 40.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 100.000000 0.000000 3.000000 0.000000 4.000000 2.000000 5.000000 4.000000 0.000000 2.000000 0.000000 0.000000 2.000000 0.000000 59.000000 6.300000 0.000000 0.000000 0.000000
1.000000 9.000000 38.100000 136.000000 48.000000 3.000000 3.000000 3.000000 1.000000 5.000000 1.000000 3.000000 2.000000 2.000000 4.400000 2.000000 0.000000 33.000000 4.900000 2.000000 2.900000 0.000000
1.000000 1.000000 0.000000 0.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 3.000000 3.000000 3.000000 2.000000 0.000000 4.000000 5.000000 46.000000 5.900000 0.000000 0.000000 0.000000
1.000000 1.000000 38.000000 48.000000 0.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 4.000000 2.000000 2.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 56.000000 0.000000 1.000000 2.000000 3.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 42.000000 71.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 60.000000 32.000000 1.000000 1.000000 0.000000 1.000000 3.000000 3.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 50.000000 7.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.100000 44.000000 9.000000 3.000000 1.000000 1.000000 1.000000 2.000000 2.000000 1.000000 1.000000 1.000000 0.000000 4.000000 5.000000 31.000000 7.300000 0.000000 0.000000 1.000000
2.000000 1.000000 36.000000 42.000000 30.000000 0.000000 0.000000 5.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 64.000000 6.800000 0.000000 0.000000 0.000000
1.000000 1.000000 0.000000 120.000000 0.000000 4.000000 3.000000 6.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 57.000000 4.500000 3.000000 3.900000 0.000000
1.000000 1.000000 37.800000 48.000000 28.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 1.000000 1.000000 46.000000 5.900000 2.000000 7.000000 1.000000
1.000000 1.000000 37.100000 84.000000 40.000000 3.000000 3.000000 6.000000 1.000000 2.000000 4.000000 4.000000 3.000000 2.000000 2.000000 4.000000 5.000000 75.000000 81.000000 0.000000 0.000000 0.000000
2.000000 1.000000 0.000000 80.000000 32.000000 3.000000 3.000000 2.000000 1.000000 2.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 0.000000 50.000000 80.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 48.000000 0.000000 1.000000 3.000000 3.000000 1.000000 3.000000 4.000000 4.000000 1.000000 3.000000 2.000000 4.000000 5.000000 42.000000 71.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 44.000000 12.000000 2.000000 1.000000 3.000000 1.000000 3.000000 4.000000 3.000000 1.000000 2.000000 6.500000 1.000000 4.000000 33.000000 6.500000 0.000000 0.000000 0.000000
1.000000 1.000000 38.300000 132.000000 0.000000 0.000000 3.000000 6.000000 2.000000 2.000000 4.000000 2.000000 2.000000 3.000000 6.200000 4.000000 4.000000 57.000000 8.000000 0.000000 5.200000 1.000000
2.000000 1.000000 38.700000 48.000000 24.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 34.000000 63.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.900000 44.000000 14.000000 3.000000 1.000000 1.000000 1.000000 2.000000 3.000000 2.000000 0.000000 0.000000 0.000000 0.000000 2.000000 33.000000 64.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 0.000000 0.000000 4.000000 3.000000 6.000000 2.000000 4.000000 4.000000 2.000000 1.000000 3.000000 4.000000 4.000000 4.000000 75.000000 0.000000 3.000000 4.300000 0.000000
1.000000 1.000000 0.000000 100.000000 0.000000 3.000000 3.000000 4.000000 2.000000 0.000000 4.000000 4.000000 2.000000 1.000000 2.000000 0.000000 0.000000 68.000000 64.000000 3.000000 2.000000 1.000000
2.000000 1.000000 38.600000 48.000000 20.000000 3.000000 1.000000 1.000000 1.000000 1.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 2.000000 50.000000 7.300000 1.000000 0.000000 1.000000
2.000000 1.000000 38.800000 48.000000 40.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 4.000000 2.000000 0.000000 0.000000 0.000000 5.000000 41.000000 65.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 48.000000 20.000000 3.000000 3.000000 4.000000 1.000000 1.000000 4.000000 2.000000 2.000000 0.000000 5.000000 0.000000 2.000000 49.000000 8.300000 1.000000 0.000000 1.000000
2.000000 1.000000 38.600000 52.000000 20.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 3.000000 36.000000 6.600000 1.000000 5.000000 1.000000
1.000000 1.000000 37.800000 60.000000 24.000000 1.000000 0.000000 3.000000 2.000000 0.000000 4.000000 4.000000 2.000000 3.000000 2.000000 0.000000 5.000000 52.000000 75.000000 0.000000 0.000000 0.000000
2.000000 1.000000 38.000000 42.000000 40.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 12.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 3.000000 1.000000 0.000000 1.000000 3.000000 44.000000 7.500000 2.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 4.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 5.000000 35.000000 58.000000 2.000000 1.000000 1.000000
1.000000 1.000000 38.300000 42.000000 24.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 40.000000 8.500000 0.000000 0.000000 0.000000
2.000000 1.000000 39.500000 60.000000 10.000000 3.000000 0.000000 0.000000 2.000000 3.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 0.000000 38.000000 56.000000 1.000000 0.000000 1.000000
1.000000 1.000000 38.000000 66.000000 20.000000 1.000000 3.000000 3.000000 1.000000 5.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 0.000000 46.000000 46.000000 3.000000 2.000000 0.000000
1.000000 1.000000 38.700000 76.000000 0.000000 1.000000 1.000000 5.000000 2.000000 3.000000 3.000000 2.000000 2.000000 2.000000 0.000000 4.000000 4.000000 50.000000 8.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.400000 120.000000 48.000000 0.000000 0.000000 5.000000 1.000000 0.000000 3.000000 3.000000 1.000000 0.000000 0.000000 4.000000 0.000000 56.000000 64.000000 1.000000 2.000000 0.000000
1.000000 1.000000 38.300000 40.000000 18.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 0.000000 0.000000 0.000000 2.000000 1.000000 43.000000 5.900000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 44.000000 24.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 1.000000 0.000000 6.300000 0.000000 0.000000 1.000000
1.000000 1.000000 38.400000 104.000000 40.000000 1.000000 1.000000 3.000000 1.000000 2.000000 4.000000 2.000000 2.000000 3.000000 6.500000 0.000000 4.000000 55.000000 8.500000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 65.000000 24.000000 0.000000 0.000000 0.000000 2.000000 5.000000 0.000000 4.000000 3.000000 1.000000 0.000000 0.000000 5.000000 0.000000 0.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.500000 44.000000 20.000000 1.000000 1.000000 3.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 35.000000 7.200000 0.000000 0.000000 1.000000
2.000000 1.000000 39.000000 86.000000 16.000000 3.000000 3.000000 5.000000 0.000000 3.000000 3.000000 3.000000 0.000000 2.000000 0.000000 0.000000 0.000000 68.000000 5.800000 3.000000 6.000000 0.000000
1.000000 1.000000 38.500000 129.000000 48.000000 3.000000 3.000000 3.000000 1.000000 2.000000 4.000000 3.000000 1.000000 3.000000 2.000000 0.000000 0.000000 57.000000 66.000000 3.000000 2.000000 1.000000
1.000000 1.000000 0.000000 104.000000 0.000000 3.000000 3.000000 5.000000 2.000000 2.000000 4.000000 3.000000 0.000000 3.000000 0.000000 4.000000 4.000000 69.000000 8.600000 2.000000 3.400000 0.000000
2.000000 1.000000 0.000000 0.000000 0.000000 3.000000 4.000000 6.000000 0.000000 4.000000 0.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 60.000000 30.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 48.000000 66.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 68.000000 14.000000 0.000000 0.000000 4.000000 1.000000 4.000000 0.000000 0.000000 0.000000 1.000000 4.300000 0.000000 0.000000 0.000000 0.000000 2.000000 2.800000 0.000000
1.000000 1.000000 0.000000 60.000000 30.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 0.000000 45.000000 70.000000 3.000000 2.000000 1.000000
2.000000 1.000000 38.500000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 4.000000 3.000000 4.000000 2.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 38.400000 84.000000 30.000000 3.000000 1.000000 5.000000 2.000000 4.000000 3.000000 3.000000 2.000000 3.000000 6.500000 4.000000 4.000000 47.000000 7.500000 3.000000 0.000000 0.000000
2.000000 1.000000 37.800000 48.000000 14.000000 0.000000 0.000000 1.000000 1.000000 3.000000 0.000000 2.000000 1.000000 3.000000 5.300000 1.000000 0.000000 35.000000 7.500000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 0.000000 24.000000 3.000000 3.000000 6.000000 2.000000 5.000000 0.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 68.000000 7.800000 0.000000 0.000000 0.000000
2.000000 1.000000 37.800000 56.000000 16.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 44.000000 68.000000 1.000000 1.000000 1.000000
2.000000 1.000000 38.200000 68.000000 32.000000 2.000000 2.000000 2.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 0.000000 1.000000 1.000000 43.000000 65.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.500000 120.000000 60.000000 4.000000 3.000000 6.000000 2.000000 0.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 54.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 64.000000 90.000000 2.000000 3.000000 1.000000 1.000000 0.000000 3.000000 1.000000 1.000000 2.000000 0.000000 0.000000 0.000000 39.000000 6.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.400000 80.000000 30.000000 4.000000 3.000000 1.000000 1.000000 3.000000 3.000000 3.000000 3.000000 3.000000 0.000000 4.000000 5.000000 32.000000 6.100000 3.000000 4.300000 1.000000
1.000000 1.000000 38.500000 60.000000 0.000000 1.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 33.000000 53.000000 1.000000 0.000000 1.000000
1.000000 1.000000 38.300000 60.000000 16.000000 3.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 2.000000 2.000000 3.000000 1.000000 4.000000 30.000000 6.000000 1.000000 3.000000 1.000000
1.000000 1.000000 37.100000 40.000000 8.000000 0.000000 1.000000 4.000000 1.000000 3.000000 3.000000 1.000000 1.000000 1.000000 0.000000 3.000000 3.000000 23.000000 6.700000 3.000000 0.000000 1.000000
2.000000 9.000000 0.000000 100.000000 44.000000 2.000000 1.000000 1.000000 1.000000 4.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 37.000000 4.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.200000 48.000000 18.000000 1.000000 1.000000 1.000000 1.000000 3.000000 3.000000 3.000000 1.000000 2.000000 0.000000 4.000000 0.000000 48.000000 74.000000 1.000000 2.000000 1.000000
1.000000 1.000000 0.000000 60.000000 48.000000 3.000000 3.000000 4.000000 2.000000 4.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 58.000000 7.600000 0.000000 0.000000 0.000000
2.000000 1.000000 37.900000 88.000000 24.000000 1.000000 1.000000 2.000000 1.000000 2.000000 2.000000 1.000000 0.000000 0.000000 0.000000 4.000000 1.000000 37.000000 56.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.000000 44.000000 12.000000 3.000000 1.000000 1.000000 0.000000 0.000000 1.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 42.000000 64.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 20.000000 1.000000 1.000000 5.000000 2.000000 2.000000 2.000000 1.000000 2.000000 1.000000 0.000000 2.000000 3.000000 63.000000 7.500000 2.000000 2.300000 0.000000
2.000000 1.000000 38.500000 96.000000 36.000000 3.000000 3.000000 0.000000 2.000000 2.000000 4.000000 2.000000 1.000000 2.000000 0.000000 4.000000 5.000000 70.000000 8.500000 0.000000 0.000000 0.000000
2.000000 1.000000 38.300000 60.000000 20.000000 1.000000 1.000000 1.000000 2.000000 1.000000 3.000000 1.000000 0.000000 0.000000 0.000000 3.000000 0.000000 34.000000 66.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.500000 60.000000 40.000000 3.000000 1.000000 2.000000 1.000000 2.000000 1.000000 2.000000 0.000000 0.000000 0.000000 3.000000 2.000000 49.000000 59.000000 0.000000 0.000000 1.000000
1.000000 1.000000 37.300000 48.000000 12.000000 1.000000 0.000000 3.000000 1.000000 3.000000 1.000000 3.000000 2.000000 1.000000 0.000000 3.000000 3.000000 40.000000 6.600000 2.000000 0.000000 1.000000
1.000000 1.000000 38.500000 86.000000 0.000000 1.000000 1.000000 3.000000 1.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 45.000000 7.400000 1.000000 3.400000 0.000000
1.000000 1.000000 37.500000 48.000000 40.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 5.000000 41.000000 55.000000 3.000000 2.000000 0.000000
2.000000 1.000000 37.200000 36.000000 9.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 0.000000 4.000000 1.000000 35.000000 5.700000 0.000000 0.000000 1.000000
1.000000 1.000000 39.200000 0.000000 23.000000 3.000000 1.000000 3.000000 1.000000 4.000000 4.000000 2.000000 2.000000 0.000000 0.000000 0.000000 0.000000 36.000000 6.600000 1.000000 3.000000 1.000000
2.000000 1.000000 38.500000 100.000000 0.000000 3.000000 3.000000 5.000000 2.000000 4.000000 3.000000 4.000000 2.000000 1.000000 0.000000 4.000000 5.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 38.500000 96.000000 30.000000 2.000000 3.000000 4.000000 2.000000 4.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 50.000000 65.000000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 8.700000 0.000000 0.000000 0.000000
1.000000 1.000000 37.800000 88.000000 80.000000 3.000000 3.000000 5.000000 2.000000 0.000000 3.000000 3.000000 2.000000 3.000000 0.000000 4.000000 5.000000 64.000000 89.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.500000 44.000000 10.000000 3.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 2.000000 0.000000 0.000000 3.000000 3.000000 43.000000 51.000000 1.000000 1.000000 1.000000
1.000000 1.000000 37.900000 68.000000 20.000000 0.000000 1.000000 2.000000 1.000000 2.000000 4.000000 2.000000 0.000000 0.000000 0.000000 1.000000 5.000000 45.000000 4.000000 3.000000 2.800000 0.000000
1.000000 1.000000 38.000000 86.000000 24.000000 4.000000 3.000000 4.000000 1.000000 2.000000 4.000000 4.000000 1.000000 1.000000 0.000000 4.000000 5.000000 45.000000 5.500000 1.000000 10.100000 0.000000
1.000000 9.000000 38.900000 120.000000 30.000000 1.000000 3.000000 2.000000 2.000000 3.000000 3.000000 3.000000 3.000000 1.000000 3.000000 0.000000 0.000000 47.000000 6.300000 1.000000 0.000000 1.000000
1.000000 1.000000 37.600000 45.000000 12.000000 3.000000 1.000000 3.000000 1.000000 0.000000 2.000000 2.000000 2.000000 1.000000 0.000000 1.000000 4.000000 39.000000 7.000000 2.000000 1.500000 1.000000
2.000000 1.000000 38.600000 56.000000 32.000000 2.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 0.000000 0.000000 2.000000 0.000000 40.000000 7.000000 2.000000 2.100000 1.000000
1.000000 1.000000 37.800000 40.000000 12.000000 1.000000 1.000000 1.000000 1.000000 1.000000 2.000000 1.000000 2.000000 1.000000 0.000000 1.000000 2.000000 38.000000 7.000000 0.000000 0.000000 1.000000
2.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.000000 76.000000 18.000000 0.000000 0.000000 0.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 71.000000 11.000000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 40.000000 36.000000 1.000000 2.000000 2.000000 1.000000 2.000000 2.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 0.000000 52.000000 28.000000 3.000000 3.000000 4.000000 1.000000 3.000000 4.000000 3.000000 2.000000 1.000000 0.000000 4.000000 4.000000 37.000000 8.100000 0.000000 0.000000 1.000000
1.000000 1.000000 39.200000 88.000000 58.000000 4.000000 4.000000 0.000000 2.000000 5.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.000000 2.000000 0.000000
1.000000 1.000000 38.500000 92.000000 40.000000 4.000000 3.000000 0.000000 1.000000 2.000000 4.000000 3.000000 0.000000 0.000000 0.000000 4.000000 0.000000 46.000000 67.000000 2.000000 2.000000 1.000000
1.000000 1.000000 0.000000 112.000000 13.000000 4.000000 4.000000 4.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 4.500000 4.000000 4.000000 60.000000 6.300000 3.000000 0.000000 1.000000
1.000000 1.000000 37.700000 66.000000 12.000000 1.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 2.000000 0.000000 0.000000 4.000000 4.000000 31.500000 6.200000 2.000000 1.600000 1.000000
1.000000 1.000000 38.800000 50.000000 14.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 1.000000 1.000000 1.000000 0.000000 3.000000 5.000000 38.000000 58.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 54.000000 24.000000 1.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 1.000000 0.000000 3.000000 2.000000 49.000000 7.200000 1.000000 8.000000 1.000000
1.000000 1.000000 39.200000 120.000000 20.000000 4.000000 3.000000 5.000000 2.000000 2.000000 3.000000 3.000000 1.000000 3.000000 0.000000 0.000000 4.000000 60.000000 8.800000 3.000000 0.000000 0.000000
1.000000 9.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 45.000000 6.500000 2.000000 0.000000 1.000000
1.000000 1.000000 37.300000 90.000000 40.000000 3.000000 0.000000 6.000000 2.000000 5.000000 4.000000 3.000000 2.000000 2.000000 0.000000 1.000000 5.000000 65.000000 50.000000 3.000000 2.000000 0.000000
1.000000 9.000000 38.500000 120.000000 70.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 2.000000 0.000000 0.000000 1.000000 0.000000 35.000000 54.000000 1.000000 1.000000 1.000000
1.000000 1.000000 38.500000 104.000000 40.000000 3.000000 3.000000 0.000000 1.000000 4.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
2.000000 1.000000 39.500000 92.000000 28.000000 3.000000 3.000000 6.000000 1.000000 5.000000 4.000000 1.000000 0.000000 3.000000 0.000000 4.000000 0.000000 72.000000 6.400000 0.000000 3.600000 0.000000
1.000000 1.000000 38.500000 30.000000 18.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 40.000000 7.700000 0.000000 0.000000 1.000000
1.000000 1.000000 38.300000 72.000000 30.000000 4.000000 3.000000 3.000000 2.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 3.000000 5.000000 43.000000 7.000000 2.000000 3.900000 1.000000
2.000000 1.000000 37.500000 48.000000 30.000000 4.000000 1.000000 3.000000 1.000000 0.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 48.000000 8.600000 0.000000 0.000000 1.000000
1.000000 1.000000 38.100000 52.000000 24.000000 1.000000 1.000000 5.000000 1.000000 4.000000 3.000000 1.000000 2.000000 3.000000 7.000000 1.000000 0.000000 54.000000 7.500000 2.000000 2.600000 0.000000
2.000000 1.000000 38.200000 42.000000 26.000000 1.000000 1.000000 1.000000 1.000000 3.000000 1.000000 2.000000 0.000000 0.000000 0.000000 1.000000 0.000000 36.000000 6.900000 0.000000 0.000000 1.000000
2.000000 1.000000 37.900000 54.000000 42.000000 2.000000 1.000000 5.000000 1.000000 3.000000 1.000000 1.000000 0.000000 1.000000 0.000000 0.000000 2.000000 47.000000 54.000000 3.000000 1.000000 1.000000
2.000000 1.000000 36.100000 88.000000 0.000000 3.000000 3.000000 3.000000 1.000000 3.000000 3.000000 2.000000 2.000000 3.000000 0.000000 0.000000 4.000000 45.000000 7.000000 3.000000 4.800000 0.000000
1.000000 1.000000 38.100000 70.000000 22.000000 0.000000 1.000000 0.000000 1.000000 5.000000 3.000000 0.000000 0.000000 0.000000 0.000000 0.000000 5.000000 36.000000 65.000000 0.000000 0.000000 0.000000
1.000000 1.000000 38.000000 90.000000 30.000000 4.000000 3.000000 4.000000 2.000000 5.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 55.000000 6.100000 0.000000 0.000000 0.000000
1.000000 1.000000 38.200000 52.000000 16.000000 1.000000 1.000000 2.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 43.000000 8.100000 0.000000 0.000000 1.000000
1.000000 1.000000 0.000000 36.000000 32.000000 1.000000 1.000000 4.000000 1.000000 5.000000 3.000000 3.000000 2.000000 3.000000 4.000000 0.000000 4.000000 41.000000 5.900000 0.000000 0.000000 0.000000
1.000000 1.000000 38.400000 92.000000 20.000000 1.000000 0.000000 0.000000 2.000000 0.000000 3.000000 3.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.200000 124.000000 88.000000 1.000000 3.000000 2.000000 1.000000 2.000000 3.000000 4.000000 0.000000 0.000000 0.000000 0.000000 0.000000 47.000000 8.000000 1.000000 0.000000 1.000000
2.000000 1.000000 0.000000 96.000000 0.000000 3.000000 3.000000 3.000000 2.000000 5.000000 4.000000 4.000000 0.000000 1.000000 0.000000 4.000000 5.000000 60.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 37.600000 68.000000 32.000000 3.000000 0.000000 3.000000 1.000000 4.000000 2.000000 4.000000 2.000000 2.000000 6.500000 1.000000 5.000000 47.000000 7.200000 1.000000 0.000000 1.000000
1.000000 1.000000 38.100000 88.000000 24.000000 3.000000 3.000000 4.000000 1.000000 5.000000 4.000000 3.000000 2.000000 1.000000 0.000000 3.000000 4.000000 41.000000 4.600000 0.000000 0.000000 0.000000
1.000000 1.000000 38.000000 108.000000 60.000000 2.000000 3.000000 4.000000 1.000000 4.000000 3.000000 3.000000 2.000000 0.000000 0.000000 3.000000 4.000000 0.000000 0.000000 3.000000 0.000000 1.000000
2.000000 1.000000 38.200000 48.000000 0.000000 2.000000 0.000000 1.000000 2.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 2.000000 34.000000 6.600000 0.000000 0.000000 1.000000
1.000000 1.000000 39.300000 100.000000 51.000000 4.000000 4.000000 6.000000 1.000000 2.000000 4.000000 1.000000 1.000000 3.000000 2.000000 0.000000 4.000000 66.000000 13.000000 3.000000 2.000000 0.000000
2.000000 1.000000 36.600000 42.000000 18.000000 3.000000 3.000000 2.000000 1.000000 1.000000 4.000000 1.000000 1.000000 1.000000 0.000000 0.000000 5.000000 52.000000 7.100000 0.000000 0.000000 0.000000
1.000000 9.000000 38.800000 124.000000 36.000000 3.000000 1.000000 2.000000 1.000000 2.000000 3.000000 4.000000 1.000000 1.000000 0.000000 4.000000 4.000000 50.000000 7.600000 3.000000 0.000000 0.000000
2.000000 1.000000 0.000000 112.000000 24.000000 3.000000 3.000000 4.000000 2.000000 5.000000 4.000000 2.000000 0.000000 0.000000 0.000000 4.000000 0.000000 40.000000 5.300000 3.000000 2.600000 1.000000
1.000000 1.000000 0.000000 80.000000 0.000000 3.000000 3.000000 3.000000 1.000000 4.000000 4.000000 4.000000 0.000000 0.000000 0.000000 4.000000 5.000000 43.000000 70.000000 0.000000 0.000000 1.000000
1.000000 9.000000 38.800000 184.000000 84.000000 1.000000 0.000000 1.000000 1.000000 4.000000 1.000000 3.000000 0.000000 0.000000 0.000000 2.000000 0.000000 33.000000 3.300000 0.000000 0.000000 0.000000
1.000000 1.000000 37.500000 72.000000 0.000000 2.000000 1.000000 1.000000 1.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 35.000000 65.000000 2.000000 2.000000 0.000000
1.000000 1.000000 38.700000 96.000000 28.000000 3.000000 3.000000 4.000000 1.000000 0.000000 4.000000 0.000000 0.000000 3.000000 7.500000 0.000000 0.000000 64.000000 9.000000 0.000000 0.000000 0.000000
2.000000 1.000000 37.500000 52.000000 12.000000 1.000000 1.000000 1.000000 1.000000 2.000000 3.000000 2.000000 2.000000 1.000000 0.000000 3.000000 5.000000 36.000000 61.000000 1.000000 1.000000 1.000000
1.000000 1.000000 40.800000 72.000000 42.000000 3.000000 3.000000 1.000000 1.000000 2.000000 3.000000 1.000000 2.000000 1.000000 0.000000 0.000000 0.000000 54.000000 7.400000 3.000000 0.000000 0.000000
2.000000 1.000000 38.000000 40.000000 25.000000 0.000000 1.000000 1.000000 1.000000 4.000000 3.000000 2.000000 1.000000 1.000000 0.000000 4.000000 0.000000 37.000000 69.000000 0.000000 0.000000 1.000000
2.000000 1.000000 38.400000 48.000000 16.000000 2.000000 1.000000 1.000000 1.000000 1.000000 0.000000 2.000000 2.000000 1.000000 0.000000 0.000000 2.000000 39.000000 6.500000 0.000000 0.000000 1.000000
2.000000 9.000000 38.600000 88.000000 28.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 35.000000 5.900000 0.000000 0.000000 1.000000
1.000000 1.000000 37.100000 75.000000 36.000000 0.000000 0.000000 3.000000 2.000000 4.000000 4.000000 2.000000 2.000000 3.000000 5.000000 4.000000 4.000000 48.000000 7.400000 3.000000 3.200000 0.000000
1.000000 1.000000 38.300000 44.000000 21.000000 3.000000 1.000000 2.000000 1.000000 3.000000 3.000000 3.000000 2.000000 1.000000 0.000000 1.000000 5.000000 44.000000 6.500000 2.000000 4.400000 1.000000
2.000000 1.000000 0.000000 56.000000 68.000000 3.000000 1.000000 1.000000 1.000000 3.000000 3.000000 1.000000 2.000000 1.000000 0.000000 1.000000 0.000000 40.000000 6.000000 0.000000 0.000000 0.000000
2.000000 1.000000 38.600000 68.000000 20.000000 2.000000 1.000000 3.000000 1.000000 3.000000 3.000000 2.000000 1.000000 1.000000 0.000000 1.000000 5.000000 38.000000 6.500000 1.000000 0.000000 1.000000
2.000000 1.000000 38.300000 54.000000 18.000000 3.000000 1.000000 2.000000 1.000000 2.000000 3.000000 2.000000 0.000000 3.000000 5.400000 0.000000 4.
gitextract_1b2c9w2g/
├── .gitattributes
├── AdaBoost/
│ ├── ROC.py
│ ├── adaboost.py
│ ├── horseColicTest2.txt
│ ├── horseColicTraining2.txt
│ ├── horse_adaboost.py
│ └── sklearn_adaboost.py
├── Decision Tree/
│ ├── Decision Tree.py
│ ├── Sklearn-Decision Tree.py
│ ├── classifierStorage.txt
│ └── lenses.txt
├── Glossary.md
├── Logistic/
│ ├── LogRegres-gj.py
│ ├── LogRegres.py
│ ├── colicLogRegres.py
│ ├── horseColicTest.txt
│ ├── horseColicTraining.txt
│ └── testSet.txt
├── Naive Bayes/
│ ├── SogouC/
│ │ ├── ClassList.txt
│ │ └── Sample/
│ │ ├── C000008/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000010/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000013/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000014/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000016/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000020/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000022/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ ├── C000023/
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ └── 19.txt
│ │ └── C000024/
│ │ ├── 10.txt
│ │ ├── 11.txt
│ │ ├── 12.txt
│ │ ├── 13.txt
│ │ ├── 14.txt
│ │ ├── 15.txt
│ │ ├── 16.txt
│ │ ├── 17.txt
│ │ ├── 18.txt
│ │ └── 19.txt
│ ├── bayes-modify.py
│ ├── bayes.py
│ ├── email/
│ │ ├── ham/
│ │ │ ├── 1.txt
│ │ │ ├── 10.txt
│ │ │ ├── 11.txt
│ │ │ ├── 12.txt
│ │ │ ├── 13.txt
│ │ │ ├── 14.txt
│ │ │ ├── 15.txt
│ │ │ ├── 16.txt
│ │ │ ├── 17.txt
│ │ │ ├── 18.txt
│ │ │ ├── 19.txt
│ │ │ ├── 2.txt
│ │ │ ├── 20.txt
│ │ │ ├── 21.txt
│ │ │ ├── 22.txt
│ │ │ ├── 23.txt
│ │ │ ├── 24.txt
│ │ │ ├── 25.txt
│ │ │ ├── 3.txt
│ │ │ ├── 4.txt
│ │ │ ├── 5.txt
│ │ │ ├── 6.txt
│ │ │ ├── 7.txt
│ │ │ ├── 8.txt
│ │ │ └── 9.txt
│ │ └── spam/
│ │ ├── 1.txt
│ │ ├── 10.txt
│ │ ├── 11.txt
│ │ ├── 12.txt
│ │ ├── 13.txt
│ │ ├── 14.txt
│ │ ├── 15.txt
│ │ ├── 16.txt
│ │ ├── 17.txt
│ │ ├── 18.txt
│ │ ├── 19.txt
│ │ ├── 2.txt
│ │ ├── 20.txt
│ │ ├── 21.txt
│ │ ├── 22.txt
│ │ ├── 23.txt
│ │ ├── 24.txt
│ │ ├── 25.txt
│ │ ├── 3.txt
│ │ ├── 4.txt
│ │ ├── 5.txt
│ │ ├── 6.txt
│ │ ├── 7.txt
│ │ ├── 8.txt
│ │ └── 9.txt
│ ├── nbc.py
│ └── stopwords_cn.txt
├── README-eng.md
├── README.md
├── Regression/
│ ├── abalone.py
│ ├── abalone.txt
│ ├── ex0.txt
│ ├── lego/
│ │ ├── lego10030.html
│ │ ├── lego10179.html
│ │ ├── lego10181.html
│ │ ├── lego10189.html
│ │ ├── lego10196.html
│ │ └── lego8288.html
│ ├── lego.py
│ ├── regression.py
│ └── regression_old.py
├── Regression Trees/
│ ├── ex0.txt
│ ├── ex00.txt
│ ├── ex2.txt
│ ├── ex2test.txt
│ ├── exp2.txt
│ └── regTrees.py
├── SVM/
│ ├── svm-digits.py
│ ├── svm-simple.py
│ ├── svm-smo.py
│ ├── svm-svc.py
│ ├── svmMLiA.py
│ ├── testSet.txt
│ ├── testSetRBF.txt
│ └── testSetRBF2.txt
└── kNN/
├── 1.简单k-NN/
│ ├── kNN_test01.py
│ └── kNN_test01_old_method.py
├── 2.海伦约会/
│ ├── datingTestSet.txt
│ └── kNN_test02.py
└── 3.数字识别/
├── kNN_test03.py
├── kNN_test04.py
├── testDigits/
│ ├── 0_0.txt
│ ├── 0_1.txt
│ ├── 0_10.txt
│ ├── 0_11.txt
│ ├── 0_12.txt
│ ├── 0_13.txt
│ ├── 0_14.txt
│ ├── 0_15.txt
│ ├── 0_16.txt
│ ├── 0_17.txt
│ ├── 0_18.txt
│ ├── 0_19.txt
│ ├── 0_2.txt
│ ├── 0_20.txt
│ ├── 0_21.txt
│ ├── 0_22.txt
│ ├── 0_23.txt
│ ├── 0_24.txt
│ ├── 0_25.txt
│ ├── 0_26.txt
│ ├── 0_27.txt
│ ├── 0_28.txt
│ ├── 0_29.txt
│ ├── 0_3.txt
│ ├── 0_30.txt
│ ├── 0_31.txt
│ ├── 0_32.txt
│ ├── 0_33.txt
│ ├── 0_34.txt
│ ├── 0_35.txt
│ ├── 0_36.txt
│ ├── 0_37.txt
│ ├── 0_38.txt
│ ├── 0_39.txt
│ ├── 0_4.txt
│ ├── 0_40.txt
│ ├── 0_41.txt
│ ├── 0_42.txt
│ ├── 0_43.txt
│ ├── 0_44.txt
│ ├── 0_45.txt
│ ├── 0_46.txt
│ ├── 0_47.txt
│ ├── 0_48.txt
│ ├── 0_49.txt
│ ├── 0_5.txt
│ ├── 0_50.txt
│ ├── 0_51.txt
│ ├── 0_52.txt
│ ├── 0_53.txt
│ ├── 0_54.txt
│ ├── 0_55.txt
│ ├── 0_56.txt
│ ├── 0_57.txt
│ ├── 0_58.txt
│ ├── 0_59.txt
│ ├── 0_6.txt
│ ├── 0_60.txt
│ ├── 0_61.txt
│ ├── 0_62.txt
│ ├── 0_63.txt
│ ├── 0_64.txt
│ ├── 0_65.txt
│ ├── 0_66.txt
│ ├── 0_67.txt
│ ├── 0_68.txt
│ ├── 0_69.txt
│ ├── 0_7.txt
│ ├── 0_70.txt
│ ├── 0_71.txt
│ ├── 0_72.txt
│ ├── 0_73.txt
│ ├── 0_74.txt
│ ├── 0_75.txt
│ ├── 0_76.txt
│ ├── 0_77.txt
│ ├── 0_78.txt
│ ├── 0_79.txt
│ ├── 0_8.txt
│ ├── 0_80.txt
│ ├── 0_81.txt
│ ├── 0_82.txt
│ ├── 0_83.txt
│ ├── 0_84.txt
│ ├── 0_85.txt
│ ├── 0_86.txt
│ ├── 0_9.txt
│ ├── 1_0.txt
│ ├── 1_1.txt
│ ├── 1_10.txt
│ ├── 1_11.txt
│ ├── 1_12.txt
│ ├── 1_13.txt
│ ├── 1_14.txt
│ ├── 1_15.txt
│ ├── 1_16.txt
│ ├── 1_17.txt
│ ├── 1_18.txt
│ ├── 1_19.txt
│ ├── 1_2.txt
│ ├── 1_20.txt
│ ├── 1_21.txt
│ ├── 1_22.txt
│ ├── 1_23.txt
│ ├── 1_24.txt
│ ├── 1_25.txt
│ ├── 1_26.txt
│ ├── 1_27.txt
│ ├── 1_28.txt
│ ├── 1_29.txt
│ ├── 1_3.txt
│ ├── 1_30.txt
│ ├── 1_31.txt
│ ├── 1_32.txt
│ ├── 1_33.txt
│ ├── 1_34.txt
│ ├── 1_35.txt
│ ├── 1_36.txt
│ ├── 1_37.txt
│ ├── 1_38.txt
│ ├── 1_39.txt
│ ├── 1_4.txt
│ ├── 1_40.txt
│ ├── 1_41.txt
│ ├── 1_42.txt
│ ├── 1_43.txt
│ ├── 1_44.txt
│ ├── 1_45.txt
│ ├── 1_46.txt
│ ├── 1_47.txt
│ ├── 1_48.txt
│ ├── 1_49.txt
│ ├── 1_5.txt
│ ├── 1_50.txt
│ ├── 1_51.txt
│ ├── 1_52.txt
│ ├── 1_53.txt
│ ├── 1_54.txt
│ ├── 1_55.txt
│ ├── 1_56.txt
│ ├── 1_57.txt
│ ├── 1_58.txt
│ ├── 1_59.txt
│ ├── 1_6.txt
│ ├── 1_60.txt
│ ├── 1_61.txt
│ ├── 1_62.txt
│ ├── 1_63.txt
│ ├── 1_64.txt
│ ├── 1_65.txt
│ ├── 1_66.txt
│ ├── 1_67.txt
│ ├── 1_68.txt
│ ├── 1_69.txt
│ ├── 1_7.txt
│ ├── 1_70.txt
│ ├── 1_71.txt
│ ├── 1_72.txt
│ ├── 1_73.txt
│ ├── 1_74.txt
│ ├── 1_75.txt
│ ├── 1_76.txt
│ ├── 1_77.txt
│ ├── 1_78.txt
│ ├── 1_79.txt
│ ├── 1_8.txt
│ ├── 1_80.txt
│ ├── 1_81.txt
│ ├── 1_82.txt
│ ├── 1_83.txt
│ ├── 1_84.txt
│ ├── 1_85.txt
│ ├── 1_86.txt
│ ├── 1_87.txt
│ ├── 1_88.txt
│ ├── 1_89.txt
│ ├── 1_9.txt
│ ├── 1_90.txt
│ ├── 1_91.txt
│ ├── 1_92.txt
│ ├── 1_93.txt
│ ├── 1_94.txt
│ ├── 1_95.txt
│ ├── 1_96.txt
│ ├── 2_0.txt
│ ├── 2_1.txt
│ ├── 2_10.txt
│ ├── 2_11.txt
│ ├── 2_12.txt
│ ├── 2_13.txt
│ ├── 2_14.txt
│ ├── 2_15.txt
│ ├── 2_16.txt
│ ├── 2_17.txt
│ ├── 2_18.txt
│ ├── 2_19.txt
│ ├── 2_2.txt
│ ├── 2_20.txt
│ ├── 2_21.txt
│ ├── 2_22.txt
│ ├── 2_23.txt
│ ├── 2_24.txt
│ ├── 2_25.txt
│ ├── 2_26.txt
│ ├── 2_27.txt
│ ├── 2_28.txt
│ ├── 2_29.txt
│ ├── 2_3.txt
│ ├── 2_30.txt
│ ├── 2_31.txt
│ ├── 2_32.txt
│ ├── 2_33.txt
│ ├── 2_34.txt
│ ├── 2_35.txt
│ ├── 2_36.txt
│ ├── 2_37.txt
│ ├── 2_38.txt
│ ├── 2_39.txt
│ ├── 2_4.txt
│ ├── 2_40.txt
│ ├── 2_41.txt
│ ├── 2_42.txt
│ ├── 2_43.txt
│ ├── 2_44.txt
│ ├── 2_45.txt
│ ├── 2_46.txt
│ ├── 2_47.txt
│ ├── 2_48.txt
│ ├── 2_49.txt
│ ├── 2_5.txt
│ ├── 2_50.txt
│ ├── 2_51.txt
│ ├── 2_52.txt
│ ├── 2_53.txt
│ ├── 2_54.txt
│ ├── 2_55.txt
│ ├── 2_56.txt
│ ├── 2_57.txt
│ ├── 2_58.txt
│ ├── 2_59.txt
│ ├── 2_6.txt
│ ├── 2_60.txt
│ ├── 2_61.txt
│ ├── 2_62.txt
│ ├── 2_63.txt
│ ├── 2_64.txt
│ ├── 2_65.txt
│ ├── 2_66.txt
│ ├── 2_67.txt
│ ├── 2_68.txt
│ ├── 2_69.txt
│ ├── 2_7.txt
│ ├── 2_70.txt
│ ├── 2_71.txt
│ ├── 2_72.txt
│ ├── 2_73.txt
│ ├── 2_74.txt
│ ├── 2_75.txt
│ ├── 2_76.txt
│ ├── 2_77.txt
│ ├── 2_78.txt
│ ├── 2_79.txt
│ ├── 2_8.txt
│ ├── 2_80.txt
│ ├── 2_81.txt
│ ├── 2_82.txt
│ ├── 2_83.txt
│ ├── 2_84.txt
│ ├── 2_85.txt
│ ├── 2_86.txt
│ ├── 2_87.txt
│ ├── 2_88.txt
│ ├── 2_89.txt
│ ├── 2_9.txt
│ ├── 2_90.txt
│ ├── 2_91.txt
│ ├── 3_0.txt
│ ├── 3_1.txt
│ ├── 3_10.txt
│ ├── 3_11.txt
│ ├── 3_12.txt
│ ├── 3_13.txt
│ ├── 3_14.txt
│ ├── 3_15.txt
│ ├── 3_16.txt
│ ├── 3_17.txt
│ ├── 3_18.txt
│ ├── 3_19.txt
│ ├── 3_2.txt
│ ├── 3_20.txt
│ ├── 3_21.txt
│ ├── 3_22.txt
│ ├── 3_23.txt
│ ├── 3_24.txt
│ ├── 3_25.txt
│ ├── 3_26.txt
│ ├── 3_27.txt
│ ├── 3_28.txt
│ ├── 3_29.txt
│ ├── 3_3.txt
│ ├── 3_30.txt
│ ├── 3_31.txt
│ ├── 3_32.txt
│ ├── 3_33.txt
│ ├── 3_34.txt
│ ├── 3_35.txt
│ ├── 3_36.txt
│ ├── 3_37.txt
│ ├── 3_38.txt
│ ├── 3_39.txt
│ ├── 3_4.txt
│ ├── 3_40.txt
│ ├── 3_41.txt
│ ├── 3_42.txt
│ ├── 3_43.txt
│ ├── 3_44.txt
│ ├── 3_45.txt
│ ├── 3_46.txt
│ ├── 3_47.txt
│ ├── 3_48.txt
│ ├── 3_49.txt
│ ├── 3_5.txt
│ ├── 3_50.txt
│ ├── 3_51.txt
│ ├── 3_52.txt
│ ├── 3_53.txt
│ ├── 3_54.txt
│ ├── 3_55.txt
│ ├── 3_56.txt
│ ├── 3_57.txt
│ ├── 3_58.txt
│ ├── 3_59.txt
│ ├── 3_6.txt
│ ├── 3_60.txt
│ ├── 3_61.txt
│ ├── 3_62.txt
│ ├── 3_63.txt
│ ├── 3_64.txt
│ ├── 3_65.txt
│ ├── 3_66.txt
│ ├── 3_67.txt
│ ├── 3_68.txt
│ ├── 3_69.txt
│ ├── 3_7.txt
│ ├── 3_70.txt
│ ├── 3_71.txt
│ ├── 3_72.txt
│ ├── 3_73.txt
│ ├── 3_74.txt
│ ├── 3_75.txt
│ ├── 3_76.txt
│ ├── 3_77.txt
│ ├── 3_78.txt
│ ├── 3_79.txt
│ ├── 3_8.txt
│ ├── 3_80.txt
│ ├── 3_81.txt
│ ├── 3_82.txt
│ ├── 3_83.txt
│ ├── 3_84.txt
│ ├── 3_9.txt
│ ├── 4_0.txt
│ ├── 4_1.txt
│ ├── 4_10.txt
│ ├── 4_100.txt
│ ├── 4_101.txt
│ ├── 4_102.txt
│ ├── 4_103.txt
│ ├── 4_104.txt
│ ├── 4_105.txt
│ ├── 4_106.txt
│ ├── 4_107.txt
│ ├── 4_108.txt
│ ├── 4_109.txt
│ ├── 4_11.txt
│ ├── 4_110.txt
│ ├── 4_111.txt
│ ├── 4_112.txt
│ ├── 4_113.txt
│ ├── 4_12.txt
│ ├── 4_13.txt
│ ├── 4_14.txt
│ ├── 4_15.txt
│ ├── 4_16.txt
│ ├── 4_17.txt
│ ├── 4_18.txt
│ ├── 4_19.txt
│ ├── 4_2.txt
│ ├── 4_20.txt
│ ├── 4_21.txt
│ ├── 4_22.txt
│ ├── 4_23.txt
│ ├── 4_24.txt
│ ├── 4_25.txt
│ ├── 4_26.txt
│ ├── 4_27.txt
│ ├── 4_28.txt
│ ├── 4_29.txt
│ ├── 4_3.txt
│ ├── 4_30.txt
│ ├── 4_31.txt
│ ├── 4_32.txt
│ ├── 4_33.txt
│ ├── 4_34.txt
│ ├── 4_35.txt
│ ├── 4_36.txt
│ ├── 4_37.txt
│ ├── 4_38.txt
│ ├── 4_39.txt
│ ├── 4_4.txt
│ ├── 4_40.txt
│ ├── 4_41.txt
│ ├── 4_42.txt
│ ├── 4_43.txt
│ ├── 4_44.txt
│ ├── 4_45.txt
│ ├── 4_46.txt
│ ├── 4_47.txt
│ ├── 4_48.txt
│ ├── 4_49.txt
│ ├── 4_5.txt
│ ├── 4_50.txt
│ ├── 4_51.txt
│ ├── 4_52.txt
│ ├── 4_53.txt
│ ├── 4_54.txt
│ ├── 4_55.txt
│ ├── 4_56.txt
│ ├── 4_57.txt
│ ├── 4_58.txt
│ ├── 4_59.txt
│ ├── 4_6.txt
│ ├── 4_60.txt
│ ├── 4_61.txt
│ ├── 4_62.txt
│ ├── 4_63.txt
│ ├── 4_64.txt
│ ├── 4_65.txt
│ ├── 4_66.txt
│ ├── 4_67.txt
│ ├── 4_68.txt
│ ├── 4_69.txt
│ ├── 4_7.txt
│ ├── 4_70.txt
│ ├── 4_71.txt
│ ├── 4_72.txt
│ ├── 4_73.txt
│ ├── 4_74.txt
│ ├── 4_75.txt
│ ├── 4_76.txt
│ ├── 4_77.txt
│ ├── 4_78.txt
│ ├── 4_79.txt
│ ├── 4_8.txt
│ ├── 4_80.txt
│ ├── 4_81.txt
│ ├── 4_82.txt
│ ├── 4_83.txt
│ ├── 4_84.txt
│ ├── 4_85.txt
│ ├── 4_86.txt
│ ├── 4_87.txt
│ ├── 4_88.txt
│ ├── 4_89.txt
│ ├── 4_9.txt
│ ├── 4_90.txt
│ ├── 4_91.txt
│ ├── 4_92.txt
│ ├── 4_93.txt
│ ├── 4_94.txt
│ ├── 4_95.txt
│ ├── 4_96.txt
│ ├── 4_97.txt
│ ├── 4_98.txt
│ ├── 4_99.txt
│ ├── 5_0.txt
│ ├── 5_1.txt
│ ├── 5_10.txt
│ ├── 5_100.txt
│ ├── 5_101.txt
│ ├── 5_102.txt
│ ├── 5_103.txt
│ ├── 5_104.txt
│ ├── 5_105.txt
│ ├── 5_106.txt
│ ├── 5_107.txt
│ ├── 5_11.txt
│ ├── 5_12.txt
│ ├── 5_13.txt
│ ├── 5_14.txt
│ ├── 5_15.txt
│ ├── 5_16.txt
│ ├── 5_17.txt
│ ├── 5_18.txt
│ ├── 5_19.txt
│ ├── 5_2.txt
│ ├── 5_20.txt
│ ├── 5_21.txt
│ ├── 5_22.txt
│ ├── 5_23.txt
│ ├── 5_24.txt
│ ├── 5_25.txt
│ ├── 5_26.txt
│ ├── 5_27.txt
│ ├── 5_28.txt
│ ├── 5_29.txt
│ ├── 5_3.txt
│ ├── 5_30.txt
│ ├── 5_31.txt
│ ├── 5_32.txt
│ ├── 5_33.txt
│ ├── 5_34.txt
│ ├── 5_35.txt
│ ├── 5_36.txt
│ ├── 5_37.txt
│ ├── 5_38.txt
│ ├── 5_39.txt
│ ├── 5_4.txt
│ ├── 5_40.txt
│ ├── 5_41.txt
│ ├── 5_42.txt
│ ├── 5_43.txt
│ ├── 5_44.txt
│ ├── 5_45.txt
│ ├── 5_46.txt
│ ├── 5_47.txt
│ ├── 5_48.txt
│ ├── 5_49.txt
│ ├── 5_5.txt
│ ├── 5_50.txt
│ ├── 5_51.txt
│ ├── 5_52.txt
│ ├── 5_53.txt
│ ├── 5_54.txt
│ ├── 5_55.txt
│ ├── 5_56.txt
│ ├── 5_57.txt
│ ├── 5_58.txt
│ ├── 5_59.txt
│ ├── 5_6.txt
│ ├── 5_60.txt
│ ├── 5_61.txt
│ ├── 5_62.txt
│ ├── 5_63.txt
│ ├── 5_64.txt
│ ├── 5_65.txt
│ ├── 5_66.txt
│ ├── 5_67.txt
│ ├── 5_68.txt
│ ├── 5_69.txt
│ ├── 5_7.txt
│ ├── 5_70.txt
│ ├── 5_71.txt
│ ├── 5_72.txt
│ ├── 5_73.txt
│ ├── 5_74.txt
│ ├── 5_75.txt
│ ├── 5_76.txt
│ ├── 5_77.txt
│ ├── 5_78.txt
│ ├── 5_79.txt
│ ├── 5_8.txt
│ ├── 5_80.txt
│ ├── 5_81.txt
│ ├── 5_82.txt
│ ├── 5_83.txt
│ ├── 5_84.txt
│ ├── 5_85.txt
│ ├── 5_86.txt
│ ├── 5_87.txt
│ ├── 5_88.txt
│ ├── 5_89.txt
│ ├── 5_9.txt
│ ├── 5_90.txt
│ ├── 5_91.txt
│ ├── 5_92.txt
│ ├── 5_93.txt
│ ├── 5_94.txt
│ ├── 5_95.txt
│ ├── 5_96.txt
│ ├── 5_97.txt
│ ├── 5_98.txt
│ ├── 5_99.txt
│ ├── 6_0.txt
│ ├── 6_1.txt
│ ├── 6_10.txt
│ ├── 6_11.txt
│ ├── 6_12.txt
│ ├── 6_13.txt
│ ├── 6_14.txt
│ ├── 6_15.txt
│ ├── 6_16.txt
│ ├── 6_17.txt
│ ├── 6_18.txt
│ ├── 6_19.txt
│ ├── 6_2.txt
│ ├── 6_20.txt
│ ├── 6_21.txt
│ ├── 6_22.txt
│ ├── 6_23.txt
│ ├── 6_24.txt
│ ├── 6_25.txt
│ ├── 6_26.txt
│ ├── 6_27.txt
│ ├── 6_28.txt
│ ├── 6_29.txt
│ ├── 6_3.txt
│ ├── 6_30.txt
│ ├── 6_31.txt
│ ├── 6_32.txt
│ ├── 6_33.txt
│ ├── 6_34.txt
│ ├── 6_35.txt
│ ├── 6_36.txt
│ ├── 6_37.txt
│ ├── 6_38.txt
│ ├── 6_39.txt
│ ├── 6_4.txt
│ ├── 6_40.txt
│ ├── 6_41.txt
│ ├── 6_42.txt
│ ├── 6_43.txt
│ ├── 6_44.txt
│ ├── 6_45.txt
│ ├── 6_46.txt
│ ├── 6_47.txt
│ ├── 6_48.txt
│ ├── 6_49.txt
│ ├── 6_5.txt
│ ├── 6_50.txt
│ ├── 6_51.txt
│ ├── 6_52.txt
│ ├── 6_53.txt
│ ├── 6_54.txt
│ ├── 6_55.txt
│ ├── 6_56.txt
│ ├── 6_57.txt
│ ├── 6_58.txt
│ ├── 6_59.txt
│ ├── 6_6.txt
│ ├── 6_60.txt
│ ├── 6_61.txt
│ ├── 6_62.txt
│ ├── 6_63.txt
│ ├── 6_64.txt
│ ├── 6_65.txt
│ ├── 6_66.txt
│ ├── 6_67.txt
│ ├── 6_68.txt
│ ├── 6_69.txt
│ ├── 6_7.txt
│ ├── 6_70.txt
│ ├── 6_71.txt
│ ├── 6_72.txt
│ ├── 6_73.txt
│ ├── 6_74.txt
│ ├── 6_75.txt
│ ├── 6_76.txt
│ ├── 6_77.txt
│ ├── 6_78.txt
│ ├── 6_79.txt
│ ├── 6_8.txt
│ ├── 6_80.txt
│ ├── 6_81.txt
│ ├── 6_82.txt
│ ├── 6_83.txt
│ ├── 6_84.txt
│ ├── 6_85.txt
│ ├── 6_86.txt
│ ├── 6_9.txt
│ ├── 7_0.txt
│ ├── 7_1.txt
│ ├── 7_10.txt
│ ├── 7_11.txt
│ ├── 7_12.txt
│ ├── 7_13.txt
│ ├── 7_14.txt
│ ├── 7_15.txt
│ ├── 7_16.txt
│ ├── 7_17.txt
│ ├── 7_18.txt
│ ├── 7_19.txt
│ ├── 7_2.txt
│ ├── 7_20.txt
│ ├── 7_21.txt
│ ├── 7_22.txt
│ ├── 7_23.txt
│ ├── 7_24.txt
│ ├── 7_25.txt
│ ├── 7_26.txt
│ ├── 7_27.txt
│ ├── 7_28.txt
│ ├── 7_29.txt
│ ├── 7_3.txt
│ ├── 7_30.txt
│ ├── 7_31.txt
│ ├── 7_32.txt
│ ├── 7_33.txt
│ ├── 7_34.txt
│ ├── 7_35.txt
│ ├── 7_36.txt
│ ├── 7_37.txt
│ ├── 7_38.txt
│ ├── 7_39.txt
│ ├── 7_4.txt
│ ├── 7_40.txt
│ ├── 7_41.txt
│ ├── 7_42.txt
│ ├── 7_43.txt
│ ├── 7_44.txt
│ ├── 7_45.txt
│ ├── 7_46.txt
│ ├── 7_47.txt
│ ├── 7_48.txt
│ ├── 7_49.txt
│ ├── 7_5.txt
│ ├── 7_50.txt
│ ├── 7_51.txt
│ ├── 7_52.txt
│ ├── 7_53.txt
│ ├── 7_54.txt
│ ├── 7_55.txt
│ ├── 7_56.txt
│ ├── 7_57.txt
│ ├── 7_58.txt
│ ├── 7_59.txt
│ ├── 7_6.txt
│ ├── 7_60.txt
│ ├── 7_61.txt
│ ├── 7_62.txt
│ ├── 7_63.txt
│ ├── 7_64.txt
│ ├── 7_65.txt
│ ├── 7_66.txt
│ ├── 7_67.txt
│ ├── 7_68.txt
│ ├── 7_69.txt
│ ├── 7_7.txt
│ ├── 7_70.txt
│ ├── 7_71.txt
│ ├── 7_72.txt
│ ├── 7_73.txt
│ ├── 7_74.txt
│ ├── 7_75.txt
│ ├── 7_76.txt
│ ├── 7_77.txt
│ ├── 7_78.txt
│ ├── 7_79.txt
│ ├── 7_8.txt
│ ├── 7_80.txt
│ ├── 7_81.txt
│ ├── 7_82.txt
│ ├── 7_83.txt
│ ├── 7_84.txt
│ ├── 7_85.txt
│ ├── 7_86.txt
│ ├── 7_87.txt
│ ├── 7_88.txt
│ ├── 7_89.txt
│ ├── 7_9.txt
│ ├── 7_90.txt
│ ├── 7_91.txt
│ ├── 7_92.txt
│ ├── 7_93.txt
│ ├── 7_94.txt
│ ├── 7_95.txt
│ ├── 8_0.txt
│ ├── 8_1.txt
│ ├── 8_10.txt
│ ├── 8_11.txt
│ ├── 8_12.txt
│ ├── 8_13.txt
│ ├── 8_14.txt
│ ├── 8_15.txt
│ ├── 8_16.txt
│ ├── 8_17.txt
│ ├── 8_18.txt
│ ├── 8_19.txt
│ ├── 8_2.txt
│ ├── 8_20.txt
│ ├── 8_21.txt
│ ├── 8_22.txt
│ ├── 8_23.txt
│ ├── 8_24.txt
│ ├── 8_25.txt
│ ├── 8_26.txt
│ ├── 8_27.txt
│ ├── 8_28.txt
│ ├── 8_29.txt
│ ├── 8_3.txt
│ ├── 8_30.txt
│ ├── 8_31.txt
│ ├── 8_32.txt
│ ├── 8_33.txt
│ ├── 8_34.txt
│ ├── 8_35.txt
│ ├── 8_36.txt
│ ├── 8_37.txt
│ ├── 8_38.txt
│ ├── 8_39.txt
│ ├── 8_4.txt
│ ├── 8_40.txt
│ ├── 8_41.txt
│ ├── 8_42.txt
│ ├── 8_43.txt
│ ├── 8_44.txt
│ ├── 8_45.txt
│ ├── 8_46.txt
│ ├── 8_47.txt
│ ├── 8_48.txt
│ ├── 8_49.txt
│ ├── 8_5.txt
│ ├── 8_50.txt
│ ├── 8_51.txt
│ ├── 8_52.txt
│ ├── 8_53.txt
│ ├── 8_54.txt
│ ├── 8_55.txt
│ ├── 8_56.txt
│ ├── 8_57.txt
│ ├── 8_58.txt
│ ├── 8_59.txt
│ ├── 8_6.txt
│ ├── 8_60.txt
│ ├── 8_61.txt
│ ├── 8_62.txt
│ ├── 8_63.txt
│ ├── 8_64.txt
│ ├── 8_65.txt
│ ├── 8_66.txt
│ ├── 8_67.txt
│ ├── 8_68.txt
│ ├── 8_69.txt
│ ├── 8_7.txt
│ ├── 8_70.txt
│ ├── 8_71.txt
│ ├── 8_72.txt
│ ├── 8_73.txt
│ ├── 8_74.txt
│ ├── 8_75.txt
│ ├── 8_76.txt
│ ├── 8_77.txt
│ ├── 8_78.txt
│ ├── 8_79.txt
│ ├── 8_8.txt
│ ├── 8_80.txt
│ ├── 8_81.txt
│ ├── 8_82.txt
│ ├── 8_83.txt
│ ├── 8_84.txt
│ ├── 8_85.txt
│ ├── 8_86.txt
│ ├── 8_87.txt
│ ├── 8_88.txt
│ ├── 8_89.txt
│ ├── 8_9.txt
│ ├── 8_90.txt
│ ├── 9_0.txt
│ ├── 9_1.txt
│ ├── 9_10.txt
│ ├── 9_11.txt
│ ├── 9_12.txt
│ ├── 9_13.txt
│ ├── 9_14.txt
│ ├── 9_15.txt
│ ├── 9_16.txt
│ ├── 9_17.txt
│ ├── 9_18.txt
│ ├── 9_19.txt
│ ├── 9_2.txt
│ ├── 9_20.txt
│ ├── 9_21.txt
│ ├── 9_22.txt
│ ├── 9_23.txt
│ ├── 9_24.txt
│ ├── 9_25.txt
│ ├── 9_26.txt
│ ├── 9_27.txt
│ ├── 9_28.txt
│ ├── 9_29.txt
│ ├── 9_3.txt
│ ├── 9_30.txt
│ ├── 9_31.txt
│ ├── 9_32.txt
│ ├── 9_33.txt
│ ├── 9_34.txt
│ ├── 9_35.txt
│ ├── 9_36.txt
│ ├── 9_37.txt
│ ├── 9_38.txt
│ ├── 9_39.txt
│ ├── 9_4.txt
│ ├── 9_40.txt
│ ├── 9_41.txt
│ ├── 9_42.txt
│ ├── 9_43.txt
│ ├── 9_44.txt
│ ├── 9_45.txt
│ ├── 9_46.txt
│ ├── 9_47.txt
│ ├── 9_48.txt
│ ├── 9_49.txt
│ ├── 9_5.txt
│ ├── 9_50.txt
│ ├── 9_51.txt
│ ├── 9_52.txt
│ ├── 9_53.txt
│ ├── 9_54.txt
│ ├── 9_55.txt
│ ├── 9_56.txt
│ ├── 9_57.txt
│ ├── 9_58.txt
│ ├── 9_59.txt
│ ├── 9_6.txt
│ ├── 9_60.txt
│ ├── 9_61.txt
│ ├── 9_62.txt
│ ├── 9_63.txt
│ ├── 9_64.txt
│ ├── 9_65.txt
│ ├── 9_66.txt
│ ├── 9_67.txt
│ ├── 9_68.txt
│ ├── 9_69.txt
│ ├── 9_7.txt
│ ├── 9_70.txt
│ ├── 9_71.txt
│ ├── 9_72.txt
│ ├── 9_73.txt
│ ├── 9_74.txt
│ ├── 9_75.txt
│ ├── 9_76.txt
│ ├── 9_77.txt
│ ├── 9_78.txt
│ ├── 9_79.txt
│ ├── 9_8.txt
│ ├── 9_80.txt
│ ├── 9_81.txt
│ ├── 9_82.txt
│ ├── 9_83.txt
│ ├── 9_84.txt
│ ├── 9_85.txt
│ ├── 9_86.txt
│ ├── 9_87.txt
│ ├── 9_88.txt
│ └── 9_9.txt
└── trainingDigits/
├── 0_0.txt
├── 0_1.txt
├── 0_10.txt
├── 0_100.txt
├── 0_101.txt
├── 0_102.txt
├── 0_103.txt
├── 0_104.txt
├── 0_105.txt
├── 0_106.txt
├── 0_107.txt
├── 0_108.txt
├── 0_109.txt
├── 0_11.txt
├── 0_110.txt
├── 0_111.txt
├── 0_112.txt
├── 0_113.txt
├── 0_114.txt
├── 0_115.txt
├── 0_116.txt
├── 0_117.txt
├── 0_118.txt
├── 0_119.txt
├── 0_12.txt
├── 0_120.txt
├── 0_121.txt
├── 0_122.txt
├── 0_123.txt
├── 0_124.txt
├── 0_125.txt
├── 0_126.txt
├── 0_127.txt
├── 0_128.txt
├── 0_129.txt
├── 0_13.txt
├── 0_130.txt
├── 0_131.txt
├── 0_132.txt
├── 0_133.txt
├── 0_134.txt
├── 0_135.txt
├── 0_136.txt
├── 0_137.txt
├── 0_138.txt
├── 0_139.txt
├── 0_14.txt
├── 0_140.txt
├── 0_141.txt
├── 0_142.txt
├── 0_143.txt
├── 0_144.txt
├── 0_145.txt
├── 0_146.txt
├── 0_147.txt
├── 0_148.txt
├── 0_149.txt
├── 0_15.txt
├── 0_150.txt
├── 0_151.txt
├── 0_152.txt
├── 0_153.txt
├── 0_154.txt
├── 0_155.txt
├── 0_156.txt
├── 0_157.txt
├── 0_158.txt
├── 0_159.txt
├── 0_16.txt
├── 0_160.txt
├── 0_161.txt
├── 0_162.txt
├── 0_163.txt
├── 0_164.txt
├── 0_165.txt
├── 0_166.txt
├── 0_167.txt
├── 0_168.txt
├── 0_169.txt
├── 0_17.txt
├── 0_170.txt
├── 0_171.txt
├── 0_172.txt
├── 0_173.txt
├── 0_174.txt
├── 0_175.txt
├── 0_176.txt
├── 0_177.txt
├── 0_178.txt
├── 0_179.txt
├── 0_18.txt
├── 0_180.txt
├── 0_181.txt
├── 0_182.txt
├── 0_183.txt
├── 0_184.txt
├── 0_185.txt
├── 0_186.txt
├── 0_187.txt
├── 0_188.txt
├── 0_19.txt
├── 0_2.txt
├── 0_20.txt
├── 0_21.txt
├── 0_22.txt
├── 0_23.txt
├── 0_24.txt
├── 0_25.txt
├── 0_26.txt
├── 0_27.txt
├── 0_28.txt
├── 0_29.txt
├── 0_3.txt
├── 0_30.txt
├── 0_31.txt
├── 0_32.txt
├── 0_33.txt
├── 0_34.txt
├── 0_35.txt
├── 0_36.txt
├── 0_37.txt
├── 0_38.txt
├── 0_39.txt
├── 0_4.txt
├── 0_40.txt
├── 0_41.txt
├── 0_42.txt
├── 0_43.txt
├── 0_44.txt
├── 0_45.txt
├── 0_46.txt
├── 0_47.txt
├── 0_48.txt
├── 0_49.txt
├── 0_5.txt
├── 0_50.txt
├── 0_51.txt
├── 0_52.txt
├── 0_53.txt
├── 0_54.txt
├── 0_55.txt
├── 0_56.txt
├── 0_57.txt
├── 0_58.txt
├── 0_59.txt
├── 0_6.txt
├── 0_60.txt
├── 0_61.txt
├── 0_62.txt
├── 0_63.txt
├── 0_64.txt
├── 0_65.txt
├── 0_66.txt
├── 0_67.txt
├── 0_68.txt
├── 0_69.txt
├── 0_7.txt
├── 0_70.txt
├── 0_71.txt
├── 0_72.txt
├── 0_73.txt
├── 0_74.txt
├── 0_75.txt
├── 0_76.txt
├── 0_77.txt
├── 0_78.txt
├── 0_79.txt
├── 0_8.txt
├── 0_80.txt
├── 0_81.txt
├── 0_82.txt
├── 0_83.txt
├── 0_84.txt
├── 0_85.txt
├── 0_86.txt
├── 0_87.txt
├── 0_88.txt
├── 0_89.txt
├── 0_9.txt
├── 0_90.txt
├── 0_91.txt
├── 0_92.txt
├── 0_93.txt
├── 0_94.txt
├── 0_95.txt
├── 0_96.txt
├── 0_97.txt
├── 0_98.txt
├── 0_99.txt
├── 1_0.txt
├── 1_1.txt
├── 1_10.txt
├── 1_100.txt
├── 1_101.txt
├── 1_102.txt
├── 1_103.txt
├── 1_104.txt
├── 1_105.txt
├── 1_106.txt
├── 1_107.txt
├── 1_108.txt
├── 1_109.txt
├── 1_11.txt
├── 1_110.txt
├── 1_111.txt
├── 1_112.txt
├── 1_113.txt
├── 1_114.txt
├── 1_115.txt
├── 1_116.txt
├── 1_117.txt
├── 1_118.txt
├── 1_119.txt
├── 1_12.txt
├── 1_120.txt
├── 1_121.txt
├── 1_122.txt
├── 1_123.txt
├── 1_124.txt
├── 1_125.txt
├── 1_126.txt
├── 1_127.txt
├── 1_128.txt
├── 1_129.txt
├── 1_13.txt
├── 1_130.txt
├── 1_131.txt
├── 1_132.txt
├── 1_133.txt
├── 1_134.txt
├── 1_135.txt
├── 1_136.txt
├── 1_137.txt
├── 1_138.txt
├── 1_139.txt
├── 1_14.txt
├── 1_140.txt
├── 1_141.txt
├── 1_142.txt
├── 1_143.txt
├── 1_144.txt
├── 1_145.txt
├── 1_146.txt
├── 1_147.txt
├── 1_148.txt
├── 1_149.txt
├── 1_15.txt
├── 1_150.txt
├── 1_151.txt
├── 1_152.txt
├── 1_153.txt
├── 1_154.txt
├── 1_155.txt
├── 1_156.txt
├── 1_157.txt
├── 1_158.txt
├── 1_159.txt
├── 1_16.txt
├── 1_160.txt
├── 1_161.txt
├── 1_162.txt
├── 1_163.txt
├── 1_164.txt
├── 1_165.txt
├── 1_166.txt
├── 1_167.txt
├── 1_168.txt
├── 1_169.txt
├── 1_17.txt
├── 1_170.txt
├── 1_171.txt
├── 1_172.txt
├── 1_173.txt
├── 1_174.txt
├── 1_175.txt
├── 1_176.txt
├── 1_177.txt
├── 1_178.txt
├── 1_179.txt
├── 1_18.txt
├── 1_180.txt
├── 1_181.txt
├── 1_182.txt
├── 1_183.txt
├── 1_184.txt
├── 1_185.txt
├── 1_186.txt
├── 1_187.txt
├── 1_188.txt
├── 1_189.txt
├── 1_19.txt
├── 1_190.txt
├── 1_191.txt
├── 1_192.txt
├── 1_193.txt
├── 1_194.txt
├── 1_195.txt
├── 1_196.txt
├── 1_197.txt
├── 1_2.txt
├── 1_20.txt
├── 1_21.txt
├── 1_22.txt
├── 1_23.txt
├── 1_24.txt
├── 1_25.txt
├── 1_26.txt
├── 1_27.txt
├── 1_28.txt
├── 1_29.txt
├── 1_3.txt
├── 1_30.txt
├── 1_31.txt
├── 1_32.txt
├── 1_33.txt
├── 1_34.txt
├── 1_35.txt
├── 1_36.txt
├── 1_37.txt
├── 1_38.txt
├── 1_39.txt
├── 1_4.txt
├── 1_40.txt
├── 1_41.txt
├── 1_42.txt
├── 1_43.txt
├── 1_44.txt
├── 1_45.txt
├── 1_46.txt
├── 1_47.txt
├── 1_48.txt
├── 1_49.txt
├── 1_5.txt
├── 1_50.txt
├── 1_51.txt
├── 1_52.txt
├── 1_53.txt
├── 1_54.txt
├── 1_55.txt
├── 1_56.txt
├── 1_57.txt
├── 1_58.txt
├── 1_59.txt
├── 1_6.txt
├── 1_60.txt
├── 1_61.txt
├── 1_62.txt
├── 1_63.txt
├── 1_64.txt
├── 1_65.txt
├── 1_66.txt
├── 1_67.txt
├── 1_68.txt
├── 1_69.txt
├── 1_7.txt
├── 1_70.txt
├── 1_71.txt
├── 1_72.txt
├── 1_73.txt
├── 1_74.txt
├── 1_75.txt
├── 1_76.txt
├── 1_77.txt
├── 1_78.txt
├── 1_79.txt
├── 1_8.txt
├── 1_80.txt
├── 1_81.txt
├── 1_82.txt
├── 1_83.txt
├── 1_84.txt
├── 1_85.txt
├── 1_86.txt
├── 1_87.txt
├── 1_88.txt
├── 1_89.txt
├── 1_9.txt
├── 1_90.txt
├── 1_91.txt
├── 1_92.txt
├── 1_93.txt
├── 1_94.txt
├── 1_95.txt
├── 1_96.txt
├── 1_97.txt
├── 1_98.txt
├── 1_99.txt
├── 2_0.txt
├── 2_1.txt
├── 2_10.txt
├── 2_100.txt
├── 2_101.txt
├── 2_102.txt
├── 2_103.txt
├── 2_104.txt
├── 2_105.txt
├── 2_106.txt
├── 2_107.txt
├── 2_108.txt
├── 2_109.txt
├── 2_11.txt
├── 2_110.txt
├── 2_111.txt
├── 2_112.txt
├── 2_113.txt
├── 2_114.txt
├── 2_115.txt
├── 2_116.txt
├── 2_117.txt
├── 2_118.txt
├── 2_119.txt
├── 2_12.txt
├── 2_120.txt
├── 2_121.txt
├── 2_122.txt
├── 2_123.txt
├── 2_124.txt
├── 2_125.txt
├── 2_126.txt
├── 2_127.txt
├── 2_128.txt
├── 2_129.txt
├── 2_13.txt
├── 2_130.txt
├── 2_131.txt
├── 2_132.txt
├── 2_133.txt
├── 2_134.txt
├── 2_135.txt
├── 2_136.txt
├── 2_137.txt
├── 2_138.txt
├── 2_139.txt
├── 2_14.txt
├── 2_140.txt
├── 2_141.txt
├── 2_142.txt
├── 2_143.txt
├── 2_144.txt
├── 2_145.txt
├── 2_146.txt
├── 2_147.txt
├── 2_148.txt
├── 2_149.txt
├── 2_15.txt
├── 2_150.txt
├── 2_151.txt
├── 2_152.txt
├── 2_153.txt
├── 2_154.txt
├── 2_155.txt
├── 2_156.txt
├── 2_157.txt
├── 2_158.txt
├── 2_159.txt
├── 2_16.txt
├── 2_160.txt
├── 2_161.txt
├── 2_162.txt
├── 2_163.txt
├── 2_164.txt
├── 2_165.txt
├── 2_166.txt
├── 2_167.txt
├── 2_168.txt
├── 2_169.txt
├── 2_17.txt
├── 2_170.txt
├── 2_171.txt
├── 2_172.txt
├── 2_173.txt
├── 2_174.txt
├── 2_175.txt
├── 2_176.txt
├── 2_177.txt
├── 2_178.txt
├── 2_179.txt
├── 2_18.txt
├── 2_180.txt
├── 2_181.txt
├── 2_182.txt
├── 2_183.txt
├── 2_184.txt
├── 2_185.txt
├── 2_186.txt
├── 2_187.txt
├── 2_188.txt
├── 2_189.txt
├── 2_19.txt
├── 2_190.txt
├── 2_191.txt
├── 2_192.txt
├── 2_193.txt
├── 2_194.txt
├── 2_2.txt
├── 2_20.txt
├── 2_21.txt
├── 2_22.txt
├── 2_23.txt
├── 2_24.txt
├── 2_25.txt
├── 2_26.txt
├── 2_27.txt
├── 2_28.txt
├── 2_29.txt
├── 2_3.txt
├── 2_30.txt
├── 2_31.txt
├── 2_32.txt
├── 2_33.txt
├── 2_34.txt
├── 2_35.txt
├── 2_36.txt
├── 2_37.txt
├── 2_38.txt
├── 2_39.txt
├── 2_4.txt
├── 2_40.txt
├── 2_41.txt
├── 2_42.txt
├── 2_43.txt
├── 2_44.txt
├── 2_45.txt
├── 2_46.txt
├── 2_47.txt
├── 2_48.txt
├── 2_49.txt
├── 2_5.txt
├── 2_50.txt
├── 2_51.txt
├── 2_52.txt
├── 2_53.txt
├── 2_54.txt
├── 2_55.txt
├── 2_56.txt
├── 2_57.txt
├── 2_58.txt
├── 2_59.txt
├── 2_6.txt
├── 2_60.txt
├── 2_61.txt
├── 2_62.txt
├── 2_63.txt
├── 2_64.txt
├── 2_65.txt
├── 2_66.txt
├── 2_67.txt
├── 2_68.txt
├── 2_69.txt
├── 2_7.txt
├── 2_70.txt
├── 2_71.txt
├── 2_72.txt
├── 2_73.txt
├── 2_74.txt
├── 2_75.txt
├── 2_76.txt
├── 2_77.txt
├── 2_78.txt
├── 2_79.txt
├── 2_8.txt
├── 2_80.txt
├── 2_81.txt
├── 2_82.txt
├── 2_83.txt
├── 2_84.txt
├── 2_85.txt
├── 2_86.txt
├── 2_87.txt
├── 2_88.txt
├── 2_89.txt
├── 2_9.txt
├── 2_90.txt
├── 2_91.txt
├── 2_92.txt
├── 2_93.txt
├── 2_94.txt
├── 2_95.txt
├── 2_96.txt
├── 2_97.txt
├── 2_98.txt
├── 2_99.txt
├── 3_0.txt
├── 3_1.txt
├── 3_10.txt
├── 3_100.txt
├── 3_101.txt
├── 3_102.txt
├── 3_103.txt
├── 3_104.txt
├── 3_105.txt
├── 3_106.txt
├── 3_107.txt
├── 3_108.txt
├── 3_109.txt
├── 3_11.txt
├── 3_110.txt
├── 3_111.txt
├── 3_112.txt
├── 3_113.txt
├── 3_114.txt
├── 3_115.txt
├── 3_116.txt
├── 3_117.txt
├── 3_118.txt
├── 3_119.txt
├── 3_12.txt
├── 3_120.txt
├── 3_121.txt
├── 3_122.txt
├── 3_123.txt
├── 3_124.txt
├── 3_125.txt
├── 3_126.txt
├── 3_127.txt
├── 3_128.txt
├── 3_129.txt
├── 3_13.txt
├── 3_130.txt
├── 3_131.txt
├── 3_132.txt
├── 3_133.txt
├── 3_134.txt
├── 3_135.txt
├── 3_136.txt
├── 3_137.txt
├── 3_138.txt
├── 3_139.txt
├── 3_14.txt
├── 3_140.txt
├── 3_141.txt
├── 3_142.txt
├── 3_143.txt
├── 3_144.txt
├── 3_145.txt
├── 3_146.txt
├── 3_147.txt
├── 3_148.txt
├── 3_149.txt
├── 3_15.txt
├── 3_150.txt
├── 3_151.txt
├── 3_152.txt
├── 3_153.txt
├── 3_154.txt
├── 3_155.txt
├── 3_156.txt
├── 3_157.txt
├── 3_158.txt
├── 3_159.txt
├── 3_16.txt
├── 3_160.txt
├── 3_161.txt
├── 3_162.txt
├── 3_163.txt
├── 3_164.txt
├── 3_165.txt
├── 3_166.txt
├── 3_167.txt
├── 3_168.txt
├── 3_169.txt
├── 3_17.txt
├── 3_170.txt
├── 3_171.txt
├── 3_172.txt
├── 3_173.txt
├── 3_174.txt
├── 3_175.txt
├── 3_176.txt
├── 3_177.txt
├── 3_178.txt
├── 3_179.txt
├── 3_18.txt
├── 3_180.txt
├── 3_181.txt
├── 3_182.txt
├── 3_183.txt
├── 3_184.txt
├── 3_185.txt
├── 3_186.txt
├── 3_187.txt
├── 3_188.txt
├── 3_189.txt
├── 3_19.txt
├── 3_190.txt
├── 3_191.txt
├── 3_192.txt
├── 3_193.txt
├── 3_194.txt
├── 3_195.txt
├── 3_196.txt
├── 3_197.txt
├── 3_198.txt
├── 3_2.txt
├── 3_20.txt
├── 3_21.txt
├── 3_22.txt
├── 3_23.txt
├── 3_24.txt
├── 3_25.txt
├── 3_26.txt
├── 3_27.txt
├── 3_28.txt
├── 3_29.txt
├── 3_3.txt
├── 3_30.txt
├── 3_31.txt
├── 3_32.txt
├── 3_33.txt
├── 3_34.txt
├── 3_35.txt
├── 3_36.txt
├── 3_37.txt
├── 3_38.txt
├── 3_39.txt
├── 3_4.txt
├── 3_40.txt
├── 3_41.txt
├── 3_42.txt
├── 3_43.txt
├── 3_44.txt
├── 3_45.txt
├── 3_46.txt
├── 3_47.txt
├── 3_48.txt
├── 3_49.txt
├── 3_5.txt
├── 3_50.txt
├── 3_51.txt
├── 3_52.txt
├── 3_53.txt
├── 3_54.txt
├── 3_55.txt
├── 3_56.txt
├── 3_57.txt
├── 3_58.txt
├── 3_59.txt
├── 3_6.txt
├── 3_60.txt
├── 3_61.txt
├── 3_62.txt
├── 3_63.txt
├── 3_64.txt
├── 3_65.txt
├── 3_66.txt
├── 3_67.txt
├── 3_68.txt
├── 3_69.txt
├── 3_7.txt
├── 3_70.txt
├── 3_71.txt
├── 3_72.txt
├── 3_73.txt
├── 3_74.txt
├── 3_75.txt
├── 3_76.txt
├── 3_77.txt
├── 3_78.txt
├── 3_79.txt
├── 3_8.txt
├── 3_80.txt
├── 3_81.txt
├── 3_82.txt
├── 3_83.txt
├── 3_84.txt
├── 3_85.txt
├── 3_86.txt
├── 3_87.txt
├── 3_88.txt
├── 3_89.txt
├── 3_9.txt
├── 3_90.txt
├── 3_91.txt
├── 3_92.txt
├── 3_93.txt
├── 3_94.txt
├── 3_95.txt
├── 3_96.txt
├── 3_97.txt
├── 3_98.txt
├── 3_99.txt
├── 4_0.txt
├── 4_1.txt
├── 4_10.txt
├── 4_100.txt
├── 4_101.txt
├── 4_102.txt
├── 4_103.txt
├── 4_104.txt
├── 4_105.txt
├── 4_106.txt
├── 4_107.txt
├── 4_108.txt
├── 4_109.txt
├── 4_11.txt
├── 4_110.txt
├── 4_111.txt
├── 4_112.txt
├── 4_113.txt
├── 4_114.txt
├── 4_115.txt
├── 4_116.txt
├── 4_117.txt
├── 4_118.txt
├── 4_119.txt
├── 4_12.txt
├── 4_120.txt
├── 4_121.txt
├── 4_122.txt
├── 4_123.txt
├── 4_124.txt
├── 4_125.txt
├── 4_126.txt
├── 4_127.txt
├── 4_128.txt
├── 4_129.txt
├── 4_13.txt
├── 4_130.txt
├── 4_131.txt
├── 4_132.txt
├── 4_133.txt
├── 4_134.txt
├── 4_135.txt
├── 4_136.txt
├── 4_137.txt
├── 4_138.txt
├── 4_139.txt
├── 4_14.txt
├── 4_140.txt
├── 4_141.txt
├── 4_142.txt
├── 4_143.txt
├── 4_144.txt
├── 4_145.txt
├── 4_146.txt
├── 4_147.txt
├── 4_148.txt
├── 4_149.txt
├── 4_15.txt
├── 4_150.txt
├── 4_151.txt
├── 4_152.txt
├── 4_153.txt
├── 4_154.txt
├── 4_155.txt
├── 4_156.txt
├── 4_157.txt
├── 4_158.txt
├── 4_159.txt
├── 4_16.txt
├── 4_160.txt
├── 4_161.txt
├── 4_162.txt
├── 4_163.txt
├── 4_164.txt
├── 4_165.txt
├── 4_166.txt
├── 4_167.txt
├── 4_168.txt
├── 4_169.txt
├── 4_17.txt
├── 4_170.txt
├── 4_171.txt
├── 4_172.txt
├── 4_173.txt
├── 4_174.txt
├── 4_175.txt
├── 4_176.txt
├── 4_177.txt
├── 4_178.txt
├── 4_179.txt
├── 4_18.txt
├── 4_180.txt
├── 4_181.txt
├── 4_182.txt
├── 4_183.txt
├── 4_184.txt
├── 4_185.txt
├── 4_19.txt
├── 4_2.txt
├── 4_20.txt
├── 4_21.txt
├── 4_22.txt
├── 4_23.txt
├── 4_24.txt
├── 4_25.txt
├── 4_26.txt
├── 4_27.txt
├── 4_28.txt
├── 4_29.txt
├── 4_3.txt
├── 4_30.txt
├── 4_31.txt
├── 4_32.txt
├── 4_33.txt
├── 4_34.txt
├── 4_35.txt
├── 4_36.txt
├── 4_37.txt
├── 4_38.txt
├── 4_39.txt
├── 4_4.txt
├── 4_40.txt
├── 4_41.txt
├── 4_42.txt
├── 4_43.txt
├── 4_44.txt
├── 4_45.txt
├── 4_46.txt
├── 4_47.txt
├── 4_48.txt
├── 4_49.txt
├── 4_5.txt
├── 4_50.txt
├── 4_51.txt
├── 4_52.txt
├── 4_53.txt
├── 4_54.txt
├── 4_55.txt
├── 4_56.txt
├── 4_57.txt
├── 4_58.txt
├── 4_59.txt
├── 4_6.txt
├── 4_60.txt
├── 4_61.txt
├── 4_62.txt
├── 4_63.txt
├── 4_64.txt
├── 4_65.txt
├── 4_66.txt
├── 4_67.txt
├── 4_68.txt
├── 4_69.txt
├── 4_7.txt
├── 4_70.txt
├── 4_71.txt
├── 4_72.txt
├── 4_73.txt
├── 4_74.txt
├── 4_75.txt
├── 4_76.txt
├── 4_77.txt
├── 4_78.txt
├── 4_79.txt
├── 4_8.txt
├── 4_80.txt
├── 4_81.txt
├── 4_82.txt
├── 4_83.txt
├── 4_84.txt
├── 4_85.txt
├── 4_86.txt
├── 4_87.txt
├── 4_88.txt
├── 4_89.txt
├── 4_9.txt
├── 4_90.txt
├── 4_91.txt
├── 4_92.txt
├── 4_93.txt
├── 4_94.txt
├── 4_95.txt
├── 4_96.txt
├── 4_97.txt
├── 4_98.txt
├── 4_99.txt
├── 5_0.txt
├── 5_1.txt
├── 5_10.txt
├── 5_100.txt
├── 5_101.txt
├── 5_102.txt
├── 5_103.txt
├── 5_104.txt
├── 5_105.txt
├── 5_106.txt
├── 5_107.txt
├── 5_108.txt
├── 5_109.txt
├── 5_11.txt
├── 5_110.txt
├── 5_111.txt
├── 5_112.txt
├── 5_113.txt
├── 5_114.txt
├── 5_115.txt
├── 5_116.txt
├── 5_117.txt
├── 5_118.txt
├── 5_119.txt
├── 5_12.txt
├── 5_120.txt
├── 5_121.txt
├── 5_122.txt
├── 5_123.txt
├── 5_124.txt
├── 5_125.txt
├── 5_126.txt
├── 5_127.txt
├── 5_128.txt
├── 5_129.txt
├── 5_13.txt
├── 5_130.txt
├── 5_131.txt
├── 5_132.txt
├── 5_133.txt
├── 5_134.txt
├── 5_135.txt
├── 5_136.txt
├── 5_137.txt
├── 5_138.txt
├── 5_139.txt
├── 5_14.txt
├── 5_140.txt
├── 5_141.txt
├── 5_142.txt
├── 5_143.txt
├── 5_144.txt
├── 5_145.txt
├── 5_146.txt
├── 5_147.txt
├── 5_148.txt
├── 5_149.txt
├── 5_15.txt
├── 5_150.txt
├── 5_151.txt
├── 5_152.txt
├── 5_153.txt
├── 5_154.txt
├── 5_155.txt
├── 5_156.txt
├── 5_157.txt
├── 5_158.txt
├── 5_159.txt
├── 5_16.txt
├── 5_160.txt
├── 5_161.txt
├── 5_162.txt
├── 5_163.txt
├── 5_164.txt
├── 5_165.txt
├── 5_166.txt
├── 5_167.txt
├── 5_168.txt
├── 5_169.txt
├── 5_17.txt
├── 5_170.txt
├── 5_171.txt
├── 5_172.txt
├── 5_173.txt
├── 5_174.txt
├── 5_175.txt
├── 5_176.txt
├── 5_177.txt
├── 5_178.txt
├── 5_179.txt
├── 5_18.txt
├── 5_180.txt
├── 5_181.txt
├── 5_182.txt
├── 5_183.txt
├── 5_184.txt
├── 5_185.txt
├── 5_186.txt
├── 5_19.txt
├── 5_2.txt
├── 5_20.txt
├── 5_21.txt
├── 5_22.txt
├── 5_23.txt
├── 5_24.txt
├── 5_25.txt
├── 5_26.txt
├── 5_27.txt
├── 5_28.txt
├── 5_29.txt
├── 5_3.txt
├── 5_30.txt
├── 5_31.txt
├── 5_32.txt
├── 5_33.txt
├── 5_34.txt
├── 5_35.txt
├── 5_36.txt
├── 5_37.txt
├── 5_38.txt
├── 5_39.txt
├── 5_4.txt
├── 5_40.txt
├── 5_41.txt
├── 5_42.txt
├── 5_43.txt
├── 5_44.txt
├── 5_45.txt
├── 5_46.txt
├── 5_47.txt
├── 5_48.txt
├── 5_49.txt
├── 5_5.txt
├── 5_50.txt
├── 5_51.txt
├── 5_52.txt
├── 5_53.txt
├── 5_54.txt
├── 5_55.txt
├── 5_56.txt
├── 5_57.txt
├── 5_58.txt
├── 5_59.txt
├── 5_6.txt
├── 5_60.txt
├── 5_61.txt
├── 5_62.txt
├── 5_63.txt
├── 5_64.txt
├── 5_65.txt
├── 5_66.txt
├── 5_67.txt
├── 5_68.txt
├── 5_69.txt
├── 5_7.txt
├── 5_70.txt
├── 5_71.txt
├── 5_72.txt
├── 5_73.txt
├── 5_74.txt
├── 5_75.txt
├── 5_76.txt
├── 5_77.txt
├── 5_78.txt
├── 5_79.txt
├── 5_8.txt
├── 5_80.txt
├── 5_81.txt
├── 5_82.txt
├── 5_83.txt
├── 5_84.txt
├── 5_85.txt
├── 5_86.txt
├── 5_87.txt
├── 5_88.txt
├── 5_89.txt
├── 5_9.txt
├── 5_90.txt
├── 5_91.txt
├── 5_92.txt
├── 5_93.txt
├── 5_94.txt
├── 5_95.txt
├── 5_96.txt
├── 5_97.txt
├── 5_98.txt
├── 5_99.txt
├── 6_0.txt
├── 6_1.txt
├── 6_10.txt
├── 6_100.txt
├── 6_101.txt
├── 6_102.txt
├── 6_103.txt
├── 6_104.txt
├── 6_105.txt
├── 6_106.txt
├── 6_107.txt
├── 6_108.txt
├── 6_109.txt
├── 6_11.txt
├── 6_110.txt
├── 6_111.txt
├── 6_112.txt
├── 6_113.txt
├── 6_114.txt
├── 6_115.txt
├── 6_116.txt
├── 6_117.txt
├── 6_118.txt
├── 6_119.txt
├── 6_12.txt
├── 6_120.txt
├── 6_121.txt
├── 6_122.txt
├── 6_123.txt
├── 6_124.txt
├── 6_125.txt
├── 6_126.txt
├── 6_127.txt
├── 6_128.txt
├── 6_129.txt
├── 6_13.txt
├── 6_130.txt
├── 6_131.txt
├── 6_132.txt
├── 6_133.txt
├── 6_134.txt
├── 6_135.txt
├── 6_136.txt
├── 6_137.txt
├── 6_138.txt
├── 6_139.txt
├── 6_14.txt
├── 6_140.txt
├── 6_141.txt
├── 6_142.txt
├── 6_143.txt
├── 6_144.txt
├── 6_145.txt
├── 6_146.txt
├── 6_147.txt
├── 6_148.txt
├── 6_149.txt
├── 6_15.txt
├── 6_150.txt
├── 6_151.txt
├── 6_152.txt
├── 6_153.txt
├── 6_154.txt
├── 6_155.txt
├── 6_156.txt
├── 6_157.txt
├── 6_158.txt
├── 6_159.txt
├── 6_16.txt
├── 6_160.txt
├── 6_161.txt
├── 6_162.txt
├── 6_163.txt
├── 6_164.txt
├── 6_165.txt
├── 6_166.txt
├── 6_167.txt
├── 6_168.txt
├── 6_169.txt
├── 6_17.txt
├── 6_170.txt
├── 6_171.txt
├── 6_172.txt
├── 6_173.txt
├── 6_174.txt
├── 6_175.txt
├── 6_176.txt
├── 6_177.txt
├── 6_178.txt
├── 6_179.txt
├── 6_18.txt
├── 6_180.txt
├── 6_181.txt
├── 6_182.txt
├── 6_183.txt
├── 6_184.txt
├── 6_185.txt
├── 6_186.txt
├── 6_187.txt
├── 6_188.txt
├── 6_189.txt
├── 6_19.txt
├── 6_190.txt
├── 6_191.txt
├── 6_192.txt
├── 6_193.txt
├── 6_194.txt
├── 6_2.txt
├── 6_20.txt
├── 6_21.txt
├── 6_22.txt
├── 6_23.txt
├── 6_24.txt
├── 6_25.txt
├── 6_26.txt
├── 6_27.txt
├── 6_28.txt
├── 6_29.txt
├── 6_3.txt
├── 6_30.txt
├── 6_31.txt
├── 6_32.txt
├── 6_33.txt
├── 6_34.txt
├── 6_35.txt
├── 6_36.txt
├── 6_37.txt
├── 6_38.txt
├── 6_39.txt
├── 6_4.txt
├── 6_40.txt
├── 6_41.txt
├── 6_42.txt
├── 6_43.txt
├── 6_44.txt
├── 6_45.txt
├── 6_46.txt
├── 6_47.txt
├── 6_48.txt
├── 6_49.txt
├── 6_5.txt
├── 6_50.txt
├── 6_51.txt
├── 6_52.txt
├── 6_53.txt
├── 6_54.txt
├── 6_55.txt
├── 6_56.txt
├── 6_57.txt
├── 6_58.txt
├── 6_59.txt
├── 6_6.txt
├── 6_60.txt
├── 6_61.txt
├── 6_62.txt
├── 6_63.txt
├── 6_64.txt
├── 6_65.txt
├── 6_66.txt
├── 6_67.txt
├── 6_68.txt
├── 6_69.txt
├── 6_7.txt
├── 6_70.txt
├── 6_71.txt
├── 6_72.txt
├── 6_73.txt
├── 6_74.txt
├── 6_75.txt
├── 6_76.txt
├── 6_77.txt
├── 6_78.txt
├── 6_79.txt
├── 6_8.txt
├── 6_80.txt
├── 6_81.txt
├── 6_82.txt
├── 6_83.txt
├── 6_84.txt
├── 6_85.txt
├── 6_86.txt
├── 6_87.txt
├── 6_88.txt
├── 6_89.txt
├── 6_9.txt
├── 6_90.txt
├── 6_91.txt
├── 6_92.txt
├── 6_93.txt
├── 6_94.txt
├── 6_95.txt
├── 6_96.txt
├── 6_97.txt
├── 6_98.txt
├── 6_99.txt
├── 7_0.txt
├── 7_1.txt
├── 7_10.txt
├── 7_100.txt
├── 7_101.txt
├── 7_102.txt
├── 7_103.txt
├── 7_104.txt
├── 7_105.txt
├── 7_106.txt
├── 7_107.txt
├── 7_108.txt
├── 7_109.txt
├── 7_11.txt
├── 7_110.txt
├── 7_111.txt
├── 7_112.txt
├── 7_113.txt
├── 7_114.txt
├── 7_115.txt
├── 7_116.txt
├── 7_117.txt
├── 7_118.txt
├── 7_119.txt
├── 7_12.txt
├── 7_120.txt
├── 7_121.txt
├── 7_122.txt
├── 7_123.txt
├── 7_124.txt
├── 7_125.txt
├── 7_126.txt
├── 7_127.txt
├── 7_128.txt
├── 7_129.txt
├── 7_13.txt
├── 7_130.txt
├── 7_131.txt
├── 7_132.txt
├── 7_133.txt
├── 7_134.txt
├── 7_135.txt
├── 7_136.txt
├── 7_137.txt
├── 7_138.txt
├── 7_139.txt
├── 7_14.txt
├── 7_140.txt
├── 7_141.txt
├── 7_142.txt
├── 7_143.txt
├── 7_144.txt
├── 7_145.txt
├── 7_146.txt
├── 7_147.txt
├── 7_148.txt
├── 7_149.txt
├── 7_15.txt
├── 7_150.txt
├── 7_151.txt
├── 7_152.txt
├── 7_153.txt
├── 7_154.txt
├── 7_155.txt
├── 7_156.txt
├── 7_157.txt
├── 7_158.txt
├── 7_159.txt
├── 7_16.txt
├── 7_160.txt
├── 7_161.txt
├── 7_162.txt
├── 7_163.txt
├── 7_164.txt
├── 7_165.txt
├── 7_166.txt
├── 7_167.txt
├── 7_168.txt
├── 7_169.txt
├── 7_17.txt
├── 7_170.txt
├── 7_171.txt
├── 7_172.txt
├── 7_173.txt
├── 7_174.txt
├── 7_175.txt
├── 7_176.txt
├── 7_177.txt
├── 7_178.txt
├── 7_179.txt
├── 7_18.txt
├── 7_180.txt
├── 7_181.txt
├── 7_182.txt
├── 7_183.txt
├── 7_184.txt
├── 7_185.txt
├── 7_186.txt
├── 7_187.txt
├── 7_188.txt
├── 7_189.txt
├── 7_19.txt
├── 7_190.txt
├── 7_191.txt
├── 7_192.txt
├── 7_193.txt
├── 7_194.txt
├── 7_195.txt
├── 7_196.txt
├── 7_197.txt
├── 7_198.txt
├── 7_199.txt
├── 7_2.txt
├── 7_20.txt
├── 7_200.txt
├── 7_21.txt
├── 7_22.txt
├── 7_23.txt
├── 7_24.txt
├── 7_25.txt
├── 7_26.txt
├── 7_27.txt
├── 7_28.txt
├── 7_29.txt
├── 7_3.txt
├── 7_30.txt
├── 7_31.txt
├── 7_32.txt
├── 7_33.txt
├── 7_34.txt
├── 7_35.txt
├── 7_36.txt
├── 7_37.txt
├── 7_38.txt
├── 7_39.txt
├── 7_4.txt
├── 7_40.txt
├── 7_41.txt
├── 7_42.txt
├── 7_43.txt
├── 7_44.txt
├── 7_45.txt
├── 7_46.txt
├── 7_47.txt
├── 7_48.txt
├── 7_49.txt
├── 7_5.txt
├── 7_50.txt
├── 7_51.txt
├── 7_52.txt
├── 7_53.txt
├── 7_54.txt
├── 7_55.txt
├── 7_56.txt
├── 7_57.txt
├── 7_58.txt
├── 7_59.txt
├── 7_6.txt
├── 7_60.txt
├── 7_61.txt
├── 7_62.txt
├── 7_63.txt
├── 7_64.txt
├── 7_65.txt
├── 7_66.txt
├── 7_67.txt
├── 7_68.txt
├── 7_69.txt
├── 7_7.txt
├── 7_70.txt
├── 7_71.txt
├── 7_72.txt
├── 7_73.txt
├── 7_74.txt
├── 7_75.txt
├── 7_76.txt
├── 7_77.txt
├── 7_78.txt
├── 7_79.txt
├── 7_8.txt
├── 7_80.txt
├── 7_81.txt
├── 7_82.txt
├── 7_83.txt
├── 7_84.txt
├── 7_85.txt
├── 7_86.txt
├── 7_87.txt
├── 7_88.txt
├── 7_89.txt
├── 7_9.txt
├── 7_90.txt
├── 7_91.txt
├── 7_92.txt
├── 7_93.txt
├── 7_94.txt
├── 7_95.txt
├── 7_96.txt
├── 7_97.txt
├── 7_98.txt
├── 7_99.txt
├── 8_0.txt
├── 8_1.txt
├── 8_10.txt
├── 8_100.txt
├── 8_101.txt
├── 8_102.txt
├── 8_103.txt
├── 8_104.txt
├── 8_105.txt
├── 8_106.txt
├── 8_107.txt
├── 8_108.txt
├── 8_109.txt
├── 8_11.txt
├── 8_110.txt
├── 8_111.txt
├── 8_112.txt
├── 8_113.txt
├── 8_114.txt
├── 8_115.txt
├── 8_116.txt
├── 8_117.txt
├── 8_118.txt
├── 8_119.txt
├── 8_12.txt
├── 8_120.txt
├── 8_121.txt
├── 8_122.txt
├── 8_123.txt
├── 8_124.txt
├── 8_125.txt
├── 8_126.txt
├── 8_127.txt
├── 8_128.txt
├── 8_129.txt
├── 8_13.txt
├── 8_130.txt
├── 8_131.txt
├── 8_132.txt
├── 8_133.txt
├── 8_134.txt
├── 8_135.txt
├── 8_136.txt
├── 8_137.txt
├── 8_138.txt
├── 8_139.txt
├── 8_14.txt
├── 8_140.txt
├── 8_141.txt
├── 8_142.txt
├── 8_143.txt
├── 8_144.txt
├── 8_145.txt
├── 8_146.txt
├── 8_147.txt
├── 8_148.txt
├── 8_149.txt
├── 8_15.txt
├── 8_150.txt
├── 8_151.txt
├── 8_152.txt
├── 8_153.txt
├── 8_154.txt
├── 8_155.txt
├── 8_156.txt
├── 8_157.txt
├── 8_158.txt
├── 8_159.txt
├── 8_16.txt
├── 8_160.txt
├── 8_161.txt
├── 8_162.txt
├── 8_163.txt
├── 8_164.txt
├── 8_165.txt
├── 8_166.txt
├── 8_167.txt
├── 8_168.txt
├── 8_169.txt
├── 8_17.txt
├── 8_170.txt
├── 8_171.txt
├── 8_172.txt
├── 8_173.txt
├── 8_174.txt
├── 8_175.txt
├── 8_176.txt
├── 8_177.txt
├── 8_178.txt
├── 8_179.txt
├── 8_18.txt
├── 8_19.txt
├── 8_2.txt
├── 8_20.txt
├── 8_21.txt
├── 8_22.txt
├── 8_23.txt
├── 8_24.txt
├── 8_25.txt
├── 8_26.txt
├── 8_27.txt
├── 8_28.txt
├── 8_29.txt
├── 8_3.txt
├── 8_30.txt
├── 8_31.txt
├── 8_32.txt
├── 8_33.txt
├── 8_34.txt
├── 8_35.txt
├── 8_36.txt
├── 8_37.txt
├── 8_38.txt
├── 8_39.txt
├── 8_4.txt
├── 8_40.txt
├── 8_41.txt
├── 8_42.txt
├── 8_43.txt
├── 8_44.txt
├── 8_45.txt
├── 8_46.txt
├── 8_47.txt
├── 8_48.txt
├── 8_49.txt
├── 8_5.txt
├── 8_50.txt
├── 8_51.txt
├── 8_52.txt
├── 8_53.txt
├── 8_54.txt
├── 8_55.txt
├── 8_56.txt
├── 8_57.txt
├── 8_58.txt
├── 8_59.txt
├── 8_6.txt
├── 8_60.txt
├── 8_61.txt
├── 8_62.txt
├── 8_63.txt
├── 8_64.txt
├── 8_65.txt
├── 8_66.txt
├── 8_67.txt
├── 8_68.txt
├── 8_69.txt
├── 8_7.txt
├── 8_70.txt
├── 8_71.txt
├── 8_72.txt
├── 8_73.txt
├── 8_74.txt
├── 8_75.txt
├── 8_76.txt
├── 8_77.txt
├── 8_78.txt
├── 8_79.txt
├── 8_8.txt
├── 8_80.txt
├── 8_81.txt
├── 8_82.txt
├── 8_83.txt
├── 8_84.txt
├── 8_85.txt
├── 8_86.txt
├── 8_87.txt
├── 8_88.txt
├── 8_89.txt
├── 8_9.txt
├── 8_90.txt
├── 8_91.txt
├── 8_92.txt
├── 8_93.txt
├── 8_94.txt
├── 8_95.txt
├── 8_96.txt
├── 8_97.txt
├── 8_98.txt
├── 8_99.txt
├── 9_0.txt
├── 9_1.txt
├── 9_10.txt
├── 9_100.txt
├── 9_101.txt
├── 9_102.txt
├── 9_103.txt
├── 9_104.txt
├── 9_105.txt
├── 9_106.txt
├── 9_107.txt
├── 9_108.txt
├── 9_109.txt
├── 9_11.txt
├── 9_110.txt
├── 9_111.txt
├── 9_112.txt
├── 9_113.txt
├── 9_114.txt
├── 9_115.txt
├── 9_116.txt
├── 9_117.txt
├── 9_118.txt
├── 9_119.txt
├── 9_12.txt
├── 9_120.txt
├── 9_121.txt
├── 9_122.txt
├── 9_123.txt
├── 9_124.txt
├── 9_125.txt
├── 9_126.txt
├── 9_127.txt
├── 9_128.txt
├── 9_129.txt
├── 9_13.txt
├── 9_130.txt
├── 9_131.txt
├── 9_132.txt
├── 9_133.txt
├── 9_134.txt
├── 9_135.txt
├── 9_136.txt
├── 9_137.txt
├── 9_138.txt
├── 9_139.txt
├── 9_14.txt
├── 9_140.txt
├── 9_141.txt
├── 9_142.txt
├── 9_143.txt
├── 9_144.txt
├── 9_145.txt
├── 9_146.txt
├── 9_147.txt
├── 9_148.txt
├── 9_149.txt
├── 9_15.txt
├── 9_150.txt
├── 9_151.txt
├── 9_152.txt
├── 9_153.txt
├── 9_154.txt
├── 9_155.txt
├── 9_156.txt
├── 9_157.txt
├── 9_158.txt
├── 9_159.txt
├── 9_16.txt
├── 9_160.txt
├── 9_161.txt
├── 9_162.txt
├── 9_163.txt
├── 9_164.txt
├── 9_165.txt
├── 9_166.txt
├── 9_167.txt
├── 9_168.txt
├── 9_169.txt
├── 9_17.txt
├── 9_170.txt
├── 9_171.txt
├── 9_172.txt
├── 9_173.txt
├── 9_174.txt
├── 9_175.txt
├── 9_176.txt
├── 9_177.txt
├── 9_178.txt
├── 9_179.txt
├── 9_18.txt
├── 9_180.txt
├── 9_181.txt
├── 9_182.txt
├── 9_183.txt
├── 9_184.txt
├── 9_185.txt
├── 9_186.txt
├── 9_187.txt
├── 9_188.txt
├── 9_189.txt
├── 9_19.txt
├── 9_190.txt
├── 9_191.txt
├── 9_192.txt
├── 9_193.txt
├── 9_194.txt
├── 9_195.txt
├── 9_196.txt
├── 9_197.txt
├── 9_198.txt
├── 9_199.txt
├── 9_2.txt
├── 9_20.txt
├── 9_200.txt
├── 9_201.txt
├── 9_202.txt
├── 9_203.txt
├── 9_21.txt
├── 9_22.txt
├── 9_23.txt
├── 9_24.txt
├── 9_25.txt
├── 9_26.txt
├── 9_27.txt
├── 9_28.txt
├── 9_29.txt
├── 9_3.txt
├── 9_30.txt
├── 9_31.txt
├── 9_32.txt
├── 9_33.txt
├── 9_34.txt
├── 9_35.txt
├── 9_36.txt
├── 9_37.txt
├── 9_38.txt
├── 9_39.txt
├── 9_4.txt
├── 9_40.txt
├── 9_41.txt
├── 9_42.txt
├── 9_43.txt
├── 9_44.txt
├── 9_45.txt
├── 9_46.txt
├── 9_47.txt
├── 9_48.txt
├── 9_49.txt
├── 9_5.txt
├── 9_50.txt
├── 9_51.txt
├── 9_52.txt
├── 9_53.txt
├── 9_54.txt
├── 9_55.txt
├── 9_56.txt
├── 9_57.txt
├── 9_58.txt
├── 9_59.txt
├── 9_6.txt
├── 9_60.txt
├── 9_61.txt
├── 9_62.txt
├── 9_63.txt
├── 9_64.txt
├── 9_65.txt
├── 9_66.txt
├── 9_67.txt
├── 9_68.txt
├── 9_69.txt
├── 9_7.txt
├── 9_70.txt
├── 9_71.txt
├── 9_72.txt
├── 9_73.txt
├── 9_74.txt
├── 9_75.txt
├── 9_76.txt
├── 9_77.txt
├── 9_78.txt
├── 9_79.txt
├── 9_8.txt
├── 9_80.txt
├── 9_81.txt
├── 9_82.txt
├── 9_83.txt
├── 9_84.txt
├── 9_85.txt
├── 9_86.txt
├── 9_87.txt
├── 9_88.txt
├── 9_89.txt
├── 9_9.txt
├── 9_90.txt
├── 9_91.txt
├── 9_92.txt
├── 9_93.txt
├── 9_94.txt
├── 9_95.txt
├── 9_96.txt
├── 9_97.txt
├── 9_98.txt
└── 9_99.txt
SYMBOL INDEX (171 symbols across 26 files)
FILE: AdaBoost/ROC.py
function loadDataSet (line 17) | def loadDataSet(fileName):
function stumpClassify (line 31) | def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
function buildStump (line 50) | def buildStump(dataArr,classLabels,D):
function adaBoostTrainDS (line 85) | def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
function plotROC (line 120) | def plotROC(predStrengths, classLabels):
FILE: AdaBoost/adaboost.py
function loadSimpData (line 16) | def loadSimpData():
function showDataSet (line 33) | def showDataSet(dataMat, labelMat):
function stumpClassify (line 55) | def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
function buildStump (line 74) | def buildStump(dataArr,classLabels,D):
function adaBoostTrainDS (line 109) | def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
function adaClassify (line 144) | def adaClassify(datToClass,classifierArr):
FILE: AdaBoost/horse_adaboost.py
function loadDataSet (line 16) | def loadDataSet(fileName):
function stumpClassify (line 30) | def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):
function buildStump (line 49) | def buildStump(dataArr,classLabels,D):
function adaBoostTrainDS (line 84) | def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
function adaClassify (line 118) | def adaClassify(datToClass,classifierArr):
FILE: AdaBoost/sklearn_adaboost.py
function loadDataSet (line 17) | def loadDataSet(fileName):
FILE: Decision Tree/Decision Tree.py
function calcShannonEnt (line 22) | def calcShannonEnt(dataSet):
function createDataSet (line 51) | def createDataSet():
function splitDataSet (line 86) | def splitDataSet(dataSet, axis, value):
function chooseBestFeatureToSplit (line 109) | def chooseBestFeatureToSplit(dataSet):
function majorityCnt (line 145) | def majorityCnt(classList):
function createTree (line 169) | def createTree(dataSet, labels, featLabels):
function getNumLeafs (line 202) | def getNumLeafs(myTree):
function getTreeDepth (line 226) | def getTreeDepth(myTree):
function plotNode (line 254) | def plotNode(nodeTxt, centerPt, parentPt, nodeType):
function plotMidText (line 276) | def plotMidText(cntrPt, parentPt, txtString):
function plotTree (line 297) | def plotTree(myTree, parentPt, nodeTxt):
function createPlot (line 331) | def createPlot(inTree):
function classify (line 358) | def classify(inputTree, featLabels, testVec):
function storeTree (line 384) | def storeTree(inputTree, filename):
function grabTree (line 402) | def grabTree(filename):
FILE: Logistic/LogRegres-gj.py
function loadDataSet (line 25) | def loadDataSet():
function sigmoid (line 52) | def sigmoid(inX):
function gradAscent (line 73) | def gradAscent(dataMatIn, classLabels):
function stocGradAscent1 (line 108) | def stocGradAscent1(dataMatrix, classLabels, numIter=150):
function plotBestFit (line 141) | def plotBestFit(weights):
function plotWeights (line 180) | def plotWeights(weights_array1,weights_array2):
FILE: Logistic/LogRegres.py
function Gradient_Ascent_test (line 23) | def Gradient_Ascent_test():
function loadDataSet (line 52) | def loadDataSet():
function sigmoid (line 79) | def sigmoid(inX):
function gradAscent (line 99) | def gradAscent(dataMatIn, classLabels):
function plotDataSet (line 128) | def plotDataSet():
function plotBestFit (line 163) | def plotBestFit(weights):
FILE: Logistic/colicLogRegres.py
function sigmoid (line 22) | def sigmoid(inX):
function stocGradAscent1 (line 43) | def stocGradAscent1(dataMatrix, classLabels, numIter=150):
function gradAscent (line 75) | def gradAscent(dataMatIn, classLabels):
function colicTest (line 106) | def colicTest():
function classifyVector (line 147) | def classifyVector(inX, weights):
function colicSklearn (line 168) | def colicSklearn():
FILE: Naive Bayes/bayes-modify.py
function createVocabList (line 21) | def createVocabList(dataSet):
function setOfWords2Vec (line 42) | def setOfWords2Vec(vocabList, inputSet):
function bagOfWords2VecMN (line 66) | def bagOfWords2VecMN(vocabList, inputSet):
function trainNB0 (line 90) | def trainNB0(trainMatrix,trainCategory):
function classifyNB (line 125) | def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):
function textParse (line 147) | def textParse(bigString): ...
function spamTest (line 166) | def spamTest():
FILE: Naive Bayes/bayes.py
function loadDataSet (line 20) | def loadDataSet():
function createVocabList (line 44) | def createVocabList(dataSet):
function setOfWords2Vec (line 65) | def setOfWords2Vec(vocabList, inputSet):
function trainNB0 (line 91) | def trainNB0(trainMatrix,trainCategory):
function classifyNB (line 126) | def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):
function testingNB (line 150) | def testingNB():
FILE: Naive Bayes/nbc.py
function TextProcessing (line 27) | def TextProcessing(folder_path, test_size = 0.2):
function MakeWordsSet (line 88) | def MakeWordsSet(words_file):
function TextFeatures (line 114) | def TextFeatures(train_data_list, test_data_list, feature_words):
function words_dict (line 140) | def words_dict(all_words_list, deleteN, stopwords_set = set()):
function TextClassifier (line 169) | def TextClassifier(train_feature_list, test_feature_list, train_class_li...
FILE: Regression Trees/regTrees.py
function loadDataSet (line 5) | def loadDataSet(fileName):
function plotDataSet (line 25) | def plotDataSet(filename):
function binSplitDataSet (line 49) | def binSplitDataSet(dataSet, feature, value):
function regLeaf (line 68) | def regLeaf(dataSet):
function regErr (line 82) | def regErr(dataSet):
function chooseBestSplit (line 96) | def chooseBestSplit(dataSet, leafType = regLeaf, errType = regErr, ops =...
function createTree (line 150) | def createTree(dataSet, leafType = regLeaf, errType = regErr, ops = (1, ...
function isTree (line 180) | def isTree(obj):
function getMean (line 195) | def getMean(tree):
function prune (line 211) | def prune(tree, testData):
FILE: Regression/abalone.py
function loadDataSet (line 6) | def loadDataSet(fileName):
function lwlr (line 31) | def lwlr(testPoint, xArr, yArr, k = 1.0):
function lwlrTest (line 59) | def lwlrTest(testArr, xArr, yArr, k=1.0):
function standRegres (line 80) | def standRegres(xArr,yArr):
function rssError (line 101) | def rssError(yArr, yHatArr):
FILE: Regression/lego.py
function scrapePage (line 6) | def scrapePage(retX, retY, inFile, yr, numPce, origPrc):
function ridgeRegres (line 64) | def ridgeRegres(xMat, yMat, lam = 0.2):
function setDataCollect (line 86) | def setDataCollect(retX, retY):
function regularize (line 105) | def regularize(xMat, yMat):
function rssError (line 131) | def rssError(yArr,yHatArr):
function standRegres (line 146) | def standRegres(xArr,yArr):
function crossValidation (line 167) | def crossValidation(xArr, yArr, numVal = 10):
function ridgeTest (line 212) | def ridgeTest(xArr, yArr):
function useStandRegres (line 239) | def useStandRegres():
function usesklearn (line 260) | def usesklearn():
FILE: Regression/regression.py
function loadDataSet (line 6) | def loadDataSet(fileName):
function ridgeRegres (line 31) | def ridgeRegres(xMat, yMat, lam = 0.2):
function ridgeTest (line 53) | def ridgeTest(xArr, yArr):
function plotwMat (line 80) | def plotwMat():
function regularize (line 103) | def regularize(xMat, yMat):
function rssError (line 126) | def rssError(yArr,yHatArr):
function stageWise (line 141) | def stageWise(xArr, yArr, eps = 0.01, numIt = 100):
function plotstageWiseMat (line 179) | def plotstageWiseMat():
FILE: Regression/regression_old.py
function loadDataSet (line 6) | def loadDataSet(fileName):
function standRegres (line 31) | def standRegres(xArr,yArr):
function plotDataSet (line 53) | def plotDataSet():
function plotRegression (line 77) | def plotRegression():
function plotlwlrRegression (line 104) | def plotlwlrRegression():
function lwlr (line 146) | def lwlr(testPoint, xArr, yArr, k = 1.0):
function lwlrTest (line 174) | def lwlrTest(testArr, xArr, yArr, k=1.0):
FILE: SVM/svm-digits.py
class optStruct (line 17) | class optStruct:
method __init__ (line 27) | def __init__(self, dataMatIn, classLabels, C, toler, kTup):
function kernelTrans (line 40) | def kernelTrans(X, A, kTup):
function loadDataSet (line 61) | def loadDataSet(fileName):
function calcEk (line 78) | def calcEk(oS, k):
function selectJrand (line 91) | def selectJrand(i, m):
function selectJ (line 106) | def selectJ(i, oS, Ei):
function updateEk (line 133) | def updateEk(oS, k):
function clipAlpha (line 146) | def clipAlpha(aj,H,L):
function innerL (line 162) | def innerL(i, oS):
function smoP (line 219) | def smoP(dataMatIn, classLabels, C, toler, maxIter, kTup = ('lin',0)):
function img2vector (line 257) | def img2vector(filename):
function loadImages (line 273) | def loadImages(dirName):
function testDigits (line 296) | def testDigits(kTup=('rbf', 10)):
FILE: SVM/svm-simple.py
function loadDataSet (line 23) | def loadDataSet(fileName):
function selectJrand (line 50) | def selectJrand(i, m):
function clipAlpha (line 74) | def clipAlpha(aj,H,L):
function showDataSet (line 98) | def showDataSet(dataMat, labelMat):
function smoSimple (line 133) | def smoSimple(dataMatIn, classLabels, C, toler, maxIter):
function showClassifer (line 211) | def showClassifer(dataMat, w, b):
function get_w (line 259) | def get_w(dataMat, labelMat, alphas):
FILE: SVM/svm-smo.py
class optStruct (line 17) | class optStruct:
method __init__ (line 26) | def __init__(self, dataMatIn, classLabels, C, toler):
function loadDataSet (line 36) | def loadDataSet(fileName):
function calcEk (line 53) | def calcEk(oS, k):
function selectJrand (line 66) | def selectJrand(i, m):
function selectJ (line 81) | def selectJ(i, oS, Ei):
function updateEk (line 108) | def updateEk(oS, k):
function clipAlpha (line 121) | def clipAlpha(aj,H,L):
function innerL (line 137) | def innerL(i, oS):
function smoP (line 194) | def smoP(dataMatIn, classLabels, C, toler, maxIter):
function showClassifer (line 231) | def showClassifer(dataMat, classLabels, w, b):
function calcWs (line 270) | def calcWs(alphas,dataArr,classLabels):
FILE: SVM/svm-svc.py
function img2vector (line 18) | def img2vector(filename):
function handwritingClassTest (line 40) | def handwritingClassTest():
FILE: SVM/svmMLiA.py
class optStruct (line 17) | class optStruct:
method __init__ (line 27) | def __init__(self, dataMatIn, classLabels, C, toler, kTup):
function kernelTrans (line 40) | def kernelTrans(X, A, kTup):
function loadDataSet (line 61) | def loadDataSet(fileName):
function calcEk (line 78) | def calcEk(oS, k):
function selectJrand (line 91) | def selectJrand(i, m):
function selectJ (line 106) | def selectJ(i, oS, Ei):
function updateEk (line 133) | def updateEk(oS, k):
function clipAlpha (line 146) | def clipAlpha(aj,H,L):
function innerL (line 162) | def innerL(i, oS):
function smoP (line 219) | def smoP(dataMatIn, classLabels, C, toler, maxIter, kTup = ('lin',0)):
function testRbf (line 257) | def testRbf(k1 = 1.3):
function showDataSet (line 290) | def showDataSet(dataMat, labelMat):
FILE: kNN/1.简单k-NN/kNN_test01.py
function createDataSet (line 17) | def createDataSet():
function classify0 (line 42) | def classify0(inx, dataset, labels, k):
FILE: kNN/1.简单k-NN/kNN_test01_old_method.py
function createDataSet (line 16) | def createDataSet():
function classify0 (line 37) | def classify0(inX, dataSet, labels, k):
FILE: kNN/2.海伦约会/kNN_test02.py
function classify0 (line 24) | def classify0(inX, dataSet, labels, k):
function file2matrix (line 67) | def file2matrix(filename):
function showdatas (line 113) | def showdatas(datingDataMat, datingLabels):
function autoNorm (line 186) | def autoNorm(dataSet):
function datingClassTest (line 216) | def datingClassTest():
function classifyPerson (line 252) | def classifyPerson():
FILE: kNN/3.数字识别/kNN_test03.py
function classify0 (line 20) | def classify0(inX, dataSet, labels, k):
function img2vector (line 60) | def img2vector(filename):
function handwritingClassTest (line 86) | def handwritingClassTest():
FILE: kNN/3.数字识别/kNN_test04.py
function img2vector (line 18) | def img2vector(filename):
function handwritingClassTest (line 44) | def handwritingClassTest():
Condensed preview — 3077 files, each showing path, character count, and a content snippet. Download the .json file or copy for the full structured content (4,588K chars).
[
{
"path": ".gitattributes",
"chars": 63,
"preview": "*.html linguist-language=Python\n*.txt linguist-language=Python\n"
},
{
"path": "AdaBoost/ROC.py",
"chars": 5168,
"preview": "# -*-coding:utf-8 -*-\nimport numpy as np\nimport matplotlib.pyplot as plt\nfrom matplotlib.font_manager import FontPropert"
},
{
"path": "AdaBoost/adaboost.py",
"chars": 5088,
"preview": "# -*-coding:utf-8 -*-\nimport numpy as np\nimport matplotlib.pyplot as plt\n\n\"\"\"\nAuthor:\n\tJack Cui\nBlog:\n http://blog.cs"
},
{
"path": "AdaBoost/horseColicTest2.txt",
"chars": 13547,
"preview": "2.000000\t1.000000\t38.500000\t54.000000\t20.000000\t0.000000\t1.000000\t2.000000\t2.000000\t3.000000\t4.000000\t1.000000\t2.000000\t"
},
{
"path": "AdaBoost/horseColicTraining2.txt",
"chars": 60479,
"preview": "2.000000\t1.000000\t38.500000\t66.000000\t28.000000\t3.000000\t3.000000\t0.000000\t2.000000\t5.000000\t4.000000\t4.000000\t0.000000\t"
},
{
"path": "AdaBoost/horse_adaboost.py",
"chars": 4958,
"preview": "# -*-coding:utf-8 -*-\nimport numpy as np\nimport matplotlib.pyplot as plt\n\n\"\"\"\nAuthor:\n\tJack Cui\nBlog:\n http://blog.cs"
},
{
"path": "AdaBoost/sklearn_adaboost.py",
"chars": 1292,
"preview": "# -*-coding:utf-8 -*-\nimport numpy as np\nfrom sklearn.ensemble import AdaBoostClassifier\nfrom sklearn.tree import Decisi"
},
{
"path": "Decision Tree/Decision Tree.py",
"chars": 10733,
"preview": "# -*- coding: UTF-8 -*-\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.pyplot as plt\nfrom math imp"
},
{
"path": "Decision Tree/Sklearn-Decision Tree.py",
"chars": 1781,
"preview": "# -*- coding: UTF-8 -*-\nfrom sklearn.preprocessing import LabelEncoder, OneHotEncoder\nfrom sklearn.externals.six import "
},
{
"path": "Decision Tree/lenses.txt",
"chars": 771,
"preview": "young\tmyope\tno\treduced\tno lenses\nyoung\tmyope\tno\tnormal\tsoft\nyoung\tmyope\tyes\treduced\tno lenses\nyoung\tmyope\tyes\tnormal\thar"
},
{
"path": "Glossary.md",
"chars": 20483,
"preview": "\nLetter A\n\nactivation 激活值 \nactivation function 激活函数 \nadditive noise 加性噪声 \nautoencoder 自编码器 \nAutoencoders 自编码算法 \naverage "
},
{
"path": "Logistic/LogRegres-gj.py",
"chars": 6840,
"preview": "# -*- coding:UTF-8 -*-\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.pyplot as plt\nimport numpy a"
},
{
"path": "Logistic/LogRegres.py",
"chars": 4518,
"preview": "# -*- coding:UTF-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\n\n\"\"\"\n函数说明:梯度上升算法测试函数\n\n求函数f(x) = -x^2 + 4x的极大值\n"
},
{
"path": "Logistic/colicLogRegres.py",
"chars": 4611,
"preview": "# -*- coding:UTF-8 -*-\nfrom sklearn.linear_model import LogisticRegression\nimport numpy as np\nimport random\n\n\"\"\"\n函数说明:si"
},
{
"path": "Logistic/horseColicTest.txt",
"chars": 3722,
"preview": "2\t1\t38.50\t54\t20\t0\t1\t2\t2\t3\t4\t1\t2\t2\t5.90\t0\t2\t42.00\t6.30\t0\t0\t1\n2\t1\t37.60\t48\t36\t0\t0\t1\t1\t0\t3\t0\t0\t0\t0\t0\t0\t44.00\t6.30\t1\t5.00\t1\n"
},
{
"path": "Logistic/horseColicTraining.txt",
"chars": 60357,
"preview": "2.000000\t1.000000\t38.500000\t66.000000\t28.000000\t3.000000\t3.000000\t0.000000\t2.000000\t5.000000\t4.000000\t4.000000\t0.000000\t"
},
{
"path": "Logistic/testSet.txt",
"chars": 2087,
"preview": "-0.017612\t14.053064\t0\n-1.395634\t4.662541\t1\n-0.752157\t6.538620\t0\n-1.322371\t7.152853\t0\n0.423363\t11.054677\t0\n0.406704\t7.067"
},
{
"path": "Naive Bayes/SogouC/ClassList.txt",
"chars": 99,
"preview": "C000008\t财经\nC000010\tIT\nC000013\t健康\nC000014\t体育\nC000016\t旅游\nC000020\t教育\nC000022\t招聘\nC000023\t文化\nC000024\t军事\n"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/10.txt",
"chars": 2170,
"preview": " 本报记者陈雪频实习记者唐翔发自上海\n 一家刚刚成立两年的网络支付公司，它的目标是成为市值100亿美元的上市公司。\n 这家公司叫做快钱，说这句话的是快钱的CEO关国光。他之前曾任网易的高级副总裁，负责过网易的上市工作。对于为什么选择第"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/11.txt",
"chars": 309,
"preview": " 焦点个股：苏宁电器（002024），该股早市涨停开盘，其后虽在获利盘的抛压下略有回落但在强大买盘的推动下该股已经再次封于涨停，可见主力资金积极拉升的意愿相当强烈。\n 盘面解析：1.技术层面上，早市指数小幅探低后迅速回升，在中石化强势上"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/12.txt",
"chars": 966,
"preview": " 智威汤逊全球CEO：大众传媒依然是品牌传播的好选择\n 本报记者康健发自上海\n “想让品牌更快、更广地进入消费者，大众传媒仍然是很好的选择。”智威汤逊全球CEO Michael Maedel近日在上海的办公室告诉《第一财经(相关:理财"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/13.txt",
"chars": 654,
"preview": " 新华网上海5月10日电 中国石化集团上海工程有限公司最近与中石化第二建设公司、荷兰AK公司组成联合体，一举成为沙特延布年产40万吨聚乙烯和40万吨聚丙烯生产装置项目的总承包商，总承包金额7.5亿美元，其中上海工程公司承包金额4.65亿"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/14.txt",
"chars": 766,
"preview": " 根据艾瑞市场咨询有限公司发布的2005年《中国网上支付研究》报告，中国网上支付的市场规模在2001 年为9 亿元，2004 年就达到了75亿元，年均复合增长率为102.7%。艾瑞预测2007年我国网上支付市场规模将达到人民币605亿元。"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/15.txt",
"chars": 256,
"preview": " 本报讯 （记者李英辉）已经退出北京市场两年多的车贷险业务重现市场。记者昨天获悉，安邦财险将在本月启动车贷险业务。\n 购买车贷险后，一旦贷款人不能还贷款，保险公司要负责赔偿银行贷款。该险种面市后，曾极大地促进了银行车贷业务的发展。由于车"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/16.txt",
"chars": 243,
"preview": " 本报北京５月９日讯 记者潘跃今天从中国红十字会总会举办的“博爱论坛”上获悉：目前，全国已有６４１个县（市、区）开展试点工作，有１．６３亿农民参加了合作医疗。试点地区农民的医疗负担有所减轻，因病致贫、因病返贫的情况有所缓解。\n 据有关"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/17.txt",
"chars": 2718,
"preview": " 设想一下，如果某家银行花了大力气进行品牌建设，可顾客每每面对的是铁栅栏后面一张冷冰冰的脸，敷衍推诿，甚至恶语相向，他们自然很难相信这家银行所作的品牌承诺，也会动摇对银行的信任\n 本报记者范松璐发自上海\n 在一个金融服务品牌提升研讨会"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/18.txt",
"chars": 2546,
"preview": "\n 如果你周围的不少人都晋升了，那就该好好反省自己了。看看以下种种晋升“绝症”，是否有自己的身影呢？\n 职位成功晋级，事业更上层楼，这是不少经理人的职业目标。然而，很多经理人努力打拼却依旧还在原地徘徊。\n 在竞争社会，当你不能升职的时"
},
{
"path": "Naive Bayes/SogouC/Sample/C000008/19.txt",
"chars": 256,
"preview": " 本报讯 （记者段志敏）中国移动北京地区手机资费刚刚下调，零售终端迅速作出反应。昨天下午，北京苏宁电器宣布本周末起手机大降价。包括诺基亚、摩托罗拉、索爱、三星等主流品牌在内的手机降幅将超过20%。\n 北京苏宁电器市场部经理徐正飞说，此次"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/10.txt",
"chars": 174,
"preview": "\n 本报讯 (记者 王京) 联想THINKPAD近期几乎全系列笔记本电脑降价促销，最高降幅达到800美元，降幅达到42%。这是记者昨天从联想美国官方网站发现的。\n 联想相关人士表示，这是为纪念新联想成立1周年而在美国市场推出的促销，产品"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/11.txt",
"chars": 294,
"preview": " 本报讯 全球最大个人电脑制造商戴尔公司８日说，由于市场竞争激烈，以及定价策略不当，该公司今年第一季度盈利预计有所下降。消息发布之后，戴尔股价一度下跌近６％，创下一年来的新低。\n 戴尔公司估计，其第一季度收入约为１４２亿美元，每股收益３"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/12.txt",
"chars": 389,
"preview": " 本报讯（记者 陆一波）售价8.5万港元的《文渊阁四库全书电子版》在易趣网上竟以60元的价格拍卖。为此，拥有该电子出版物版权的迪志文化出版有限公司将共同经营易趣网的上海易趣贸易有限公司和亿贝易趣网络信息服务（上海）有限公司告进法院。昨天，"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/13.txt",
"chars": 3661,
"preview": " 关键字：裁员 美国在线 呼叫中心\n 标题：美国在线计划裁员1300人占全球员工总数7%\n 时间：美国东部时间5月9日上午10时30分消息\n 来源：英文雅虎\n 内容摘要：美国在线计划裁员1300人，约占其全球员工总数的7%，位于费"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/14.txt",
"chars": 488,
"preview": "\n 本报讯（记者 马海邻）记者昨天得到确切消息，新浪公司今天将宣布由曹国伟接替汪延担任CEO，汪延则任董事会重要职位。\n 曹国伟此前是新浪总裁兼CFO（首席财务官）。他于1999年加入新浪，任主管财务的副总，之后任职CFO、CFO兼CO"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/15.txt",
"chars": 1225,
"preview": " 全国25个入围项目 北京考古项目遗憾落选\n 十大考古新发现揭晓\n 本报记者黄涛报道 经过两天的专家评审，由中国文物报社和中国考古学会主办的“2005年度全国十大考古新发现”昨天晚上7点正式揭晓。25个参与评选的入围项目中，浙江嵊州小"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/16.txt",
"chars": 529,
"preview": "\n □本报记者 陆琼琼\n 记者昨日从新浪获悉，汪延已经正式辞去CEO一职，曹国伟将接替汪延升任CEO，正式掌舵新浪。短时间内，从CFO到COO，到CEO，曹国伟的工作能力得到多方认可，出任新浪第四任掌门似乎并不出人意外。\n 著名网络评"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/17.txt",
"chars": 514,
"preview": " 新华社电 美国宇航局官员近日说，宇航局已决定设立一项总奖金为２５０万美元的大奖赛，希望用这种方式选出未来登陆月球的飞行器设计方案。\n 美宇航局副局长戴尔5月5日在加利福尼亚州举行的一次航天会议上说，宇航局已选定“Ｘ大奖”基金会管理这项"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/18.txt",
"chars": 144,
"preview": " 日前，据联想相关负责人表示，为了纪念新联想成立一周年，联想在美国市场将ThinkPad T，X以及Z系列笔记本进行一次降价促销活动。\n 据了解，此次降价最高达到了800美元，降幅也达到了42%。但联想方面表示，此次降价仅仅是针对该活动"
},
{
"path": "Naive Bayes/SogouC/Sample/C000010/19.txt",
"chars": 1060,
"preview": " 科龙德勤案又有新进展：已有多位科龙H股股东到律师处咨询、登记，所涉股份达200余万股。而这些投资者正在为等待提起民事赔偿所需的前置条件焦急等待。\n 4月29日，上海新望闻达律师事务所律师宋一欣、秦桢凯在中国证券网上发表了《向境内外科龙"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/10.txt",
"chars": 2716,
"preview": " 专仿竞争共存\n 近日，美国医药保健管理协会（ＰＣＭＡ）的一份评估报告指出，专利药厂家就老年人经常使用的专利药出台了一系列措施，试图限制仿制药厂商产销该类产品，通过诉讼、游说立法和专利成分陷阱等手段，力求最大程度延缓仿制药上市或进入联邦"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/11.txt",
"chars": 2563,
"preview": " 万络给止痛药市场带来的阴霾久久仍未散去，但这丝毫不能说明该市场的需求在减少。在既定的需求现实下，ＣＯＸ－２抑制剂的衰落，必然引来趁虚而入者。不久前我国河南帅克制药和贵州益佰先后宣称将倚靠新的止痛药进入该领域，一场“分羹”之战显然已经急促"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/12.txt",
"chars": 567,
"preview": " 三九医药（000999）和三九生化（000403）今日同时发布公告，三九医药转让三九生化38.11％股权事宜获得国资委批准，三九医药将所持有的三九生化6162.1064万股和1906.0936万股国有法人股分别转让给振兴集团有限公司和山"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/13.txt",
"chars": 344,
"preview": " 国家食品药品监督管理局南方医药经济研究所主办的首届“中国制药工业百强年会暨第三终端高峰论坛”将于5月15日-17日在成都举行。会议由《医药经济报》、广州标点医药信息有限公司承办。\n 据主办方透露，年会将发布2005年医药产业的各项运行"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/14.txt",
"chars": 553,
"preview": " 一场史无前例的非典让股骨头坏死走进了人们的视线。据推测，我国每年的股骨头坏死新发病例在15万～20万之间，累积需治疗的病例在500万～750万之间。\n 治疗股骨头坏死最理想的方法是保存患者自身股骨头，而达到此目的应早期诊断，早期治疗。"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/15.txt",
"chars": 291,
"preview": " 全国治理医药购销领域商业贿赂专项工作正在轰轰烈烈地展开，却有骗子趁机诈骗医务人员。日前，广东省卫生厅向全省医务人员发出了“谨防有人利用打击商业贿赂诈骗”的提示。\n 治理医药购销领域商业贿赂专项工作于3月底在全国拉开帷幕之后，各地卫生行"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/16.txt",
"chars": 1319,
"preview": " 深圳一家医院近日与当地银行合作，推出大额医疗“免息分期付款”的服务项目。患者只要在银行办理一张信用卡，在医院就部分项目治疗时可享受分期付款的优待，利息则由院方支付。\n 目前享有“免息分期付款”的对象被限定在有稳定经济来源的市民，而且医"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/17.txt",
"chars": 758,
"preview": " 牙防组事件再起风波，此次争议的核心是，口腔用品认证办法的管理对象应该是“保健”品还是“护理”品。\n 本报独家获悉，4月24日，中国口腔清洁护理用品工业协会（原牙膏工业协会，下称“牙膏协会”）以书面形式向国家认证认可监督管理委员会（下称"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/18.txt",
"chars": 3171,
"preview": " 中国人为啥没有西方人高? \n 饮食人类学家发现，旧石器时代的先祖们茹毛饮血，食肉和生食，身材比我们高大30％左右。今天的西方人，仍然喜欢吃带血丝的肉和生菜色拉，身材也仍旧比吃米面和爱烹调的亚洲人“大一号”。特别是阿尔卑斯山以北"
},
{
"path": "Naive Bayes/SogouC/Sample/C000013/19.txt",
"chars": 999,
"preview": " 9日在京举行的世界卫生组织慢性病全球报告中文版首发式上，卫生部公布了中国慢性病情况。其中一个令人瞠目的数字是，目前全国约有3．5亿吸烟者，2000年由吸烟导致的死亡人数近100万人，超过艾滋病、结核、交通事故以及自杀死亡人数的总和，占全"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/10.txt",
"chars": 900,
"preview": " 足彩06032期王智意甲解盘 \n 1.卡利亚里VS国际米兰：杯赛对国米的吸引力更大，目前平赔较低，本场在“0”的基础上需适当补“1”。\n 2.切沃VS佛罗伦萨：主队近来状态出现下滑，客队为冠军杯名额则到了不容有失的阶段，然而"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/11.txt",
"chars": 1194,
"preview": " 这是一次跨越世纪的重逢，这是一次弥补历史的棋坛盛事。5月23日至27日，在美丽的沈阳世博园，来自中国、日本和韩国三国的九位当年叱咤世界棋坛的围棋元老，将上演一次对决。昨天，本次元老赛的参赛者之一、中国围棋协会主席陈祖德表示，他对即将在沈"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/12.txt",
"chars": 2643,
"preview": "\n 皇帝“金口”吓走奇才\n 詹姆斯绝对全能，能突破、能投篮、能运球、能传球，还能……用嘴赢得比赛。在骑士队114比113战胜奇才队以总比分4比2晋级东区半决赛的比赛中，詹姆斯就施展了一回他的嘴上功夫，仅只言片语就说得阿里纳斯罚输了比赛。"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/13.txt",
"chars": 1272,
"preview": "\n 有江湖的地方，就有恩怨。一个远离辽足视线很久的人物———马林，突然和三轮不胜的辽足扯上了关系。“下岗的马林接替战绩不佳的唐尧东？”一件原本也许是捕风捉影的事，引来当事人完全不同的反应：马林一笑置之，唐尧东则咆哮如雷。而辽宁队队长肇俊哲"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/14.txt",
"chars": 1137,
"preview": " 北京、莫斯科、美国 三次看升旗感受不同 大郅：北京这次最难忘 《体育天地·mvp》记者朱冲报道 “起来，不愿做奴隶的人们……”5月8日凌晨5点，王治郅随中国男篮一起在天安门广场参加了升旗仪式。当国歌响起的时候，王治郅两眼紧盯五星红"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/15.txt",
"chars": 1338,
"preview": "\n\n 本期足彩做为意德联赛的收官之战，仍保留了三大悬念，即意甲的冠军归属、欧冠资格之争及德甲的最后一场保级大战。相信很多理性彩民也会在选择上不敢轻易来把这三场比赛做稳胆来选择。下面，本人就本期足彩做以剖析，仅供大家参考。\n 随着五大联赛"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/16.txt",
"chars": 593,
"preview": "\n 刚刚在上周六以0比2惨败在长春队脚下的沈足，今天下午将在客场挑战升班马厦门蓝狮，尽管在此前，沈足曾在换帅之后创造了三连胜和四轮不败的骄人战绩，但随着上一轮主场失利，使得沈足刚刚赢来的保级优势顿时化为乌有，对此，沈足俱乐部总经理何兵表示"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/17.txt",
"chars": 772,
"preview": "\n 中新网5月10日电今日出版的辽沈晚报刊载了中国球员李铁从英国利物浦发回来的文章，详细阐述了他和老东家埃弗顿队解约的内幕。文章全文如下：\n 今天我必须要在这里纠正一个概念上的错误。国内媒体昨天都用了“埃弗顿与李铁解约”这样的标题来报道"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/18.txt",
"chars": 522,
"preview": "\n\n\n 第4场位：从第06020期胜负彩起，在第4场位上，最近11期足彩出现的数字序列为“31111331331”，已经连续11轮不出“0”，而此前“0”还是比较受欢迎的，这就意味着在连续11轮不出“0”后，本轮第4场位出“0”的几率很大"
},
{
"path": "Naive Bayes/SogouC/Sample/C000014/19.txt",
"chars": 2766,
"preview": "\n\n\n 场次 对阵 \n 时间 &nbs"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/10.txt",
"chars": 1559,
"preview": " \n\n 中国游客在马来西亚 \n 中国“旅游休闲”商机，正从东南亚向东北亚“扇形展开” \n 新华网北京5月6日电(记者钱春弦)5月2日，从"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/11.txt",
"chars": 185,
"preview": " 【据新华社北京5月6日电】2006年“五一”黄金周，以新马泰为主的东南亚地区继续成为中国公民出境旅游休闲的主要目的地，与此同时韩国、日本观光界大力推动“东北亚旅游圈”以吸引中国游客；俄罗斯、蒙古国也加入争抢中国游客的行列。中国国家旅游"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/12.txt",
"chars": 3284,
"preview": " 2006年3月底至4月初，在中国最大的出境旅游展——上海世界旅游资源博览会上，日本有关机构在进行宣传。伴随着“五一”黄金周的到来，许多中国游客走出国门，开始了他们的海外之旅。中国的黄金周不仅使国内旅游市场出现高潮，也为国外旅游业创造了商"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/13.txt",
"chars": 1790,
"preview": " 世界的旅游业越来越熟悉一个新名词——中国的黄金周。每到这个时候，中国都会迎来一次旅游高潮，一直席卷周边甚至更为遥远的一些国家和地区，使他们也跟随着这种固定的周期迎来一个个旅游、消费旺季。\n 尽管出入境管理部门尚未公布具体数字，全国假"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/14.txt",
"chars": 539,
"preview": " 时报讯 昨天是五一黄金周的最后一天，游客们纷纷踏上了回家的旅程，宁波各大景区全面“退烧”。而此时，宁波的各大餐饮商场负责人却喜笑颜开。\n 宁波市假日办统计数据显示，7天时间内，宁波市共接待游客216．3万人次，创历年五一黄金周新高。全"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/15.txt",
"chars": 1284,
"preview": " 新华报业网讯 “五一”黄金周昨天结束。从南京[图库]市旅游局和统计局的统计数据来看，今年“五一”黄金周旅游的主要指标再次创下新高。七天里，南京共接待旅游者274万人次，较上年同期增长22.3%；实现旅游收入18.95亿元，较上年同比增"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/16.txt",
"chars": 1856,
"preview": "\n\n\n\n\n\n\n\n\n\n黄金周里，哈尔滨[图库]市中央大街俄罗斯文化节盛装开幕。文化节历时5个月，期间将举办中俄艺术作品展、俄罗斯绘画作品展、俄罗斯民乐巡展等6大主题活动。 王世义本报记者杜怀宇 摄 \n\n\n\n\n\n\n\n\n\n\n “五一”黄金周，游"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/17.txt",
"chars": 494,
"preview": " 本报讯（见习记者 张昱）5月8日，记者从银川市旅游局获悉，该市列入2006年五一黄金周数据统计范围的21家旅游景区，共接待游客17.6万人次，门票收入454.18万元，分别比上年同期增长14%和24%。\n 记者了解到，银川市今年五一期"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/18.txt",
"chars": 1244,
"preview": " 【今日商报报道】 （通讯员 吕中 记者 赵文）据统计，“五一”黄金周期间，全省共接待游客992.49万人次，比2005年同期增长19.4%；实现旅游总收入70.93亿元，同比增长24.1%。\n 与以往“五一”黄金周相比，我省旅游市场呈"
},
{
"path": "Naive Bayes/SogouC/Sample/C000016/19.txt",
"chars": 477,
"preview": " 中广网5月9日广州图库消息（记者何伟奇 通讯员仇文确）据广东肇庆图库旅游部门统计，“五一”黄金周到肇庆各地主要旅游景区的游客人数达106万人次，与去年同期相比增长16%，其中城市接待旅游者人数为55.95万人次，同比增长10.2%，旅游"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/10.txt",
"chars": 1549,
"preview": "\n 【来源：你来我网】 【作者：蝴蝶飞飞】\n 如果有一天，我们不在关心什么是关键问题，而是把关键性思考融入我们的思维习惯中，那么这良好的思维习惯，就会成为我们战胜一切问题的利器，为我们提供应对一切问题的真正关键的路径。\n 为了爱---"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/11.txt",
"chars": 2380,
"preview": "\n 【来源：你来我网】 【作者：kiidy】\n “花落繁枝千万片，犹自多情，学雪随风转”，2006年的春天，这种莺飞草长、树绿花香的常景，在我眼中变得特别的美丽。一年的时间，在许多人的生活中都不会有什么特别、不会产生多大变化，但在同样的"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/12.txt",
"chars": 1200,
"preview": " 话题多、题材广、时间紧、要求高的议论文写作一直是雅思写作中的难点，思维狭窄、词汇不足也一直是中国考生的通病，如何在议论文写作中拓宽思路？怎样背诵8000个雅思词汇？备考雅思写作的误区和应对方法又是什么？上周末，启德教育吴建业老师在广州图"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/13.txt",
"chars": 2040,
"preview": "\n 一番周折后终于在多伦多考完了新托福考试，整个考试持续了近8个小时。为什么呢， \n因为考完了第二部分听力后，美国ETS考试中心的Server出了故障，让所有当天的考 生苦苦等了3个小时，而且中间不许离开。笔者所在的考场有耐心坚持到最后的"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/14.txt",
"chars": 721,
"preview": " 50余名沈阳市职业学校校长近日走进清华园，在沈阳市教育局与清华大学共同举办的首期沈阳市职业学校校长高级研修班上为自己，更为沈阳的职业教育而“充电”。\n 沈阳市中等职业学校重组于上世纪80年代，绝大部分学校是由薄弱学校改造而成。近年来，"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/15.txt",
"chars": 1053,
"preview": " 每小时付费过百元 孩子压力大不领情\n 请家教不为辅导功课，而是帮孩子填报志愿。昨天（9日），北京高考填报志愿网站刚一开通，不少家长就开始雇用大学生当起了“志愿家教”。北师大家教中心的负责人说，目前已有数十位家长来登记。而在其他一些家教"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/16.txt",
"chars": 2193,
"preview": " 【来源： 太奇MBA】\n 英语各项复习及对策\n 英语试卷满分为100分，考试时间为180分钟，试题分为五部分：词汇知识，综合填空，阅读理解，英译汉和写作。\n 词汇和语法是语言能力的基础，没有丰富的词汇和对语法知识的掌握，一个人的英"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/17.txt",
"chars": 2661,
"preview": "\n 【来源： 太奇MBA】\n 数学各门课的特点及复习对策\n 从考生总结一句话：得数学者得天下。在复习的过程中，要针对不同的课程复习特点进行复习。初数部分知识点少(主要就是绝对值，不等式和方程，数列，)，概念简单(大部分都是在高中学过的"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/18.txt",
"chars": 4134,
"preview": " 关于辅导班 【来源： 太奇MBA】\n 一、关于辅导班\n 为什么参加辅导班？\n 作为考研热潮的衍生物，考前辅导班一直备受关注，态度也是褒贬不一。但是和普研相比，MBA考前辅导班却显得格外重要。这是因为：\n 参加MBA入学"
},
{
"path": "Naive Bayes/SogouC/Sample/C000020/19.txt",
"chars": 1546,
"preview": " 1.考生填报志愿采取网上填报方式，考生须在规定时间内登录北京教育考试院网站填报志愿，网址为www.jeea.cn/ 或gk.bbn.com.cn/ 。同时提供电话填报方式，考生可通过拨打声讯电话1606790填报志愿或查询志愿。\n 2"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/10.txt",
"chars": 252,
"preview": " 新华网深圳3月3日电（记者贾文军）全国拳击锦标赛3日在深圳市龙岗体育中心拉开战幕，在接下来的一周里，来自全国各地的200多名拳击健儿将在这里展开角逐。\n\n 本次锦标赛由国家体育总局拳击跆拳道运动管理中心主办。比赛设置了51公斤、57公"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/11.txt",
"chars": 182,
"preview": " 《看今天》两会特别报道已经开始启动，两会和我们每个人的生活息息相关，让我们一同关注两会。您最想跟两会的代表委员说些什么？您有什么问题和建议想告诉他们？您可以拨打《看今天》的热线电话：010-51005100，也可以在搜狐网的两会专题上留"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/12.txt",
"chars": 1085,
"preview": " 2006年2月25日北京，香港利苑饮食集团在京开办的第一家食府—北京利苑酒家,在位于王府井金宝街的金宝大厦内隆重开业，此次开业标志着香港利苑饮食集团首次将目光聚焦北京。\n 利苑酒家是近年来进驻北京历史最悠久的粤菜食府之一。自1973年"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/13.txt",
"chars": 1728,
"preview": " 留守人士自我安慰：在北京过春节的十理由\n www.XINHUANET.com2006年02月01日 20:00:35来源：新华网\n 【字号：大 中 小】 【背景色 】 【留言】 【评论】\n 过年留守北京这个决定英明 在北京过年的十"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/14.txt",
"chars": 616,
"preview": " 大学生小袁网上投简历求职，一家自称设在广东的跨国公司分公司很快就打来电话进行“面试”。然而小袁查询该公司在上海的总部得知，他们没有在广东设立分公司，也没有在广东进行招聘。警方提醒，这很可能是个骗局。\n 小袁是在一知名人才网站上发出电子"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/15.txt",
"chars": 679,
"preview": " 讲述：我网上求职险遭名企骗局\n http://www.sina.com.cn 2006年01月28日10:31\n 大学生小袁网上投简历求职，一家自称设在广东的跨国公司分公司很快就打来电话进行“面试”。然而小袁查询该公司在上海的总部得"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/16.txt",
"chars": 1723,
"preview": " 大学生求职供求不匹配凸显\n 2006年，大学毕业生求职面临的最大障碍是供求不匹配。前程无忧最新发布的调查显示：月薪1000元已成为毕业生的求职底线；七成以上企业认为2005届毕业生在工作中表现平平，缺乏责任感、不愿吃苦和环境适应能力差"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/17.txt",
"chars": 616,
"preview": " 大学生小袁网上投简历求职，一家自称设在广东的跨国公司分公司很快就打来电话进行“面试”。然而小袁查询该公司在上海的总部得知，他们没有在广东设立分公司，也没有在广东进行招聘。警方提醒，这很可能是个骗局。\n 小袁是在一知名人才网站上发出电子"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/18.txt",
"chars": 616,
"preview": " 大学生小袁网上投简历求职，一家自称设在广东的跨国公司分公司很快就打来电话进行“面试”。然而小袁查询该公司在上海的总部得知，他们没有在广东设立分公司，也没有在广东进行招聘。警方提醒，这很可能是个骗局。\n 小袁是在一知名人才网站上发出电子"
},
{
"path": "Naive Bayes/SogouC/Sample/C000022/19.txt",
"chars": 429,
"preview": " 20位网友领到免费回家机票\n 自从Qunar与搜狐、天益游网站合办“夺宝奇兵”的活动以来，已经有好多人中得免费机票，其中有二十位已经定好回家的机票，时间就在临近春节之前。为了让大家能够轻松愉快的领到机票，Qunar和天益游决定把领票地"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/10.txt",
"chars": 1089,
"preview": " 从今天的影响来看，2004年创立的\"数字炼金馆\"无疑是\"数独\"兴起历程中一个标志性事件，尽管它当初不过是数独天才们互相诘难的产物。 随着不断有更多的数独爱好者向他们提问，\"数字炼金馆\"认为有必要精炼\"数独\"题的篇目，以原创"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/11.txt",
"chars": 1127,
"preview": " 由文物出版社出版的《中国大史记·传世邮币珍藏》26日在故宫太庙举行了首发式。据出版方介绍，这套图书创造了中国出版界的六个第一，一问世便吸引了足够的眼球。 据介绍，《中国大史记·传世邮币珍藏》共收藏了100枚中国古代钱币珍品"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/14.txt",
"chars": 775,
"preview": "\n\n\n\n《大长今》调查\n\n1、你看《大长今》吗？\n\n不看\n\n赶上就看\n\n正在追着看\n\n看过n遍 \n\n2、《大长今》吸引你的是\n\n情节曲折，悬念迭起\n\n俊男靓女美食\n\n爱情亲情友情感人，台词经典\n\n励志向上，善和美打动人心 \n\n3、你认为"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/15.txt",
"chars": 914,
"preview": "\n【哀乐中年】 1949年文华影业公司出品\n哀乐中年\n 原著：张爱玲编剧：桑弧导演：桑弧片长：100分钟色彩：黑白主演：石 挥 饰 陈绍常 &nb"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/16.txt",
"chars": 814,
"preview": "\n【倾城之恋】 1984年香港邵氏公司出品\n倾城之恋\n 到处都是传奇，可不见得有这么圆满的收场。胡琴咿咿呀呀拉着，在万盏灯火的夜晚，"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/17.txt",
"chars": 1618,
"preview": "\n【红玫瑰与白玫瑰】 1994年第一机构有限公司出品\n红玫瑰白玫瑰\n 也许每一个男子全都有过这样的两个女人，至少两个．娶了红玫瑰，久而久之，红的变了墙上的一抹蚊子血，白的还是“床前"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/18.txt",
"chars": 1223,
"preview": "\n【半生缘】 1997年香港东方影业公司出品\n半生缘\n 他一旦想起曼桢，就觉得他从来也没有停止想念她过。就是自己以为已经忘记她的时候，她也还是在那里的，在他一切思想的背后。 &nbs"
},
{
"path": "Naive Bayes/SogouC/Sample/C000023/19.txt",
"chars": 554,
"preview": "\n《金锁记》\n金锁记\n 根据张爱玲同名小说改编，“张爱玲名著中的名著”，继《大宅门》《橘子红了》之后又一部唯美、豪华的家族大戏。清末民初，小镇上天真烂漫的少女曹七巧（刘欣饰）和京城大户姜家的三少爷季泽（邵峰饰）一见钟情，可七巧的哥哥曹大"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/10.txt",
"chars": 516,
"preview": "\n 本报北京5月9日电 \n董宾、高立英报道：北空某导弹团今天传出喜讯，营参谋长谭正提出的兵器改进方案，使困扰该团和兵器设计厂家三载的兵器重大隐患迎刃而解，赢得了官兵和有关专家的赞扬。\n 几年前，该团列装新型防空导弹，在检验性实弹打靶中，"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/11.txt",
"chars": 2277,
"preview": "\n 张连军 熊言春 本报特约通讯员 韩光 张旭航\n 【主人公小传】耿大勇，沈阳军区某装甲团四连连长。任连长以来，他带领连队多次完成新装备试训任务，先后荣立一等功一次，二等功一次，三等功两次。去年，他被沈阳军区树为“优秀指挥员”。\n 精"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/12.txt",
"chars": 1421,
"preview": "\n 周维华 田宁 本报特约通讯员 侯国荣\n 4月16日凌晨，一阵急促的报警铃声骤然响起。刚刚在上级组织的军事训练考核中夺得桂冠、被誉为“陆地铁拳”的兰州军区某装甲团，组织千人百车挺进腾格里沙漠腹地，拉开了综合演练的帷幕。\n 紧急出动风"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/13.txt",
"chars": 1678,
"preview": "\n 本报特约通讯员 刘一代 本报特约记者 王永孝\n 阳春时节，记者来到第二炮兵指挥学院作战实验室，浓浓的信息化气息扑面而来。作战实验室主任甄明安告诉记者：“我们的目标是‘出了实验室，就能上战场’，如今已有近2000名学员在这里接受过对抗"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/14.txt",
"chars": 5536,
"preview": " 台湾布导弹 威胁闽江口\n\n\n\n文章认为，台军在距离大陆沿海16——60公里的岛屿部署了大批导弹，这不但是一种对大陆的挑衅，从军事角度讲，这也是一种自寻死路的表现。据此前的分析认为，大陆远程火炮技术世界领先，解放军几乎拥有各种型号"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/15.txt",
"chars": 440,
"preview": "\n 中新网5月9日电 \n据共同社报道，围绕导弹防御系统(MD)问题，日本海上自卫队9日宣布，将派海上自卫队“宙斯盾”舰参加美国即将于6月在夏威夷近海实施的海基型拦截导弹(SM3)的拦截试验，对目标进行雷达跟踪。\n “宙斯盾”护卫舰是首次"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/16.txt",
"chars": 608,
"preview": " “猎鹰”展翅——中国L15新型高级教练机研制成功\n \"猎鹰\"的首飞成功，对于完善中国初、中、高级教练机的研制生产体系，满足第三代和新型飞机飞行员的训练需要，竞争国际教练机市场都具有重要的意义。\n 伊朗全面备战防突袭\n 伊朗加紧更新"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/17.txt",
"chars": 1543,
"preview": "\n\n\n\n “猎鹰”试翼——我国第三代高级教练机开始试飞\n Chinese Third Generation Training Plane \nBegins Flight Test\n L-15总设计师对若干问题的解答\n An Inter"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/18.txt",
"chars": 4451,
"preview": " 新华网北京5月9日电题：强军兴军的科学方略——科学发展观引领人民军队阔步前进\n\n 记者贾永、曹智\n\n 处在新的历史发展时期的人民军队，军事斗争准备和改革、建设、发展的任务十分繁重。如何推动国防和军队建设又快又好发展，有效履行新世纪新"
},
{
"path": "Naive Bayes/SogouC/Sample/C000024/19.txt",
"chars": 320,
"preview": "\n 以禁止女兵穿低腰裤\n 已有120名女兵因违规被关禁闭\n 据新华社电 以军日前正在开展一场“全方位作战行动”。这次作战的目标可不是巴勒斯坦，而是女兵的低腰裤。\n 以军一位发言人7日说：“根据以色列国防军军纪，北方司令部决定实施更加"
},
{
"path": "Naive Bayes/bayes-modify.py",
"chars": 6294,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport random\nimport re\n\n\n\"\"\"\n函数说明:将切分的实验样本词条整理成不重复的词条列表，也就是词汇表\n\nParameters:\n"
},
{
"path": "Naive Bayes/bayes.py",
"chars": 4439,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nfrom functools import reduce\n\n\"\"\"\n函数说明:创建实验样本\n\nParameters:\n\t无\nReturns:\n\tposti"
},
{
"path": "Naive Bayes/email/ham/1.txt",
"chars": 141,
"preview": "Hi Peter,\n\nWith Jose out of town, do you want to\nmeet once in a while to keep things\ngoing and do some interesting stuff"
},
{
"path": "Naive Bayes/email/ham/10.txt",
"chars": 82,
"preview": "Ryan Whybrew commented on your status.\n\nRyan wrote:\n\"turd ferguson or butt horn.\"\n"
},
{
"path": "Naive Bayes/email/ham/11.txt",
"chars": 122,
"preview": "Arvind Thirumalai commented on your status.\n\nArvind wrote:\n\"\"you know\"\"\n\n\nReply to this email to comment on this status."
},
{
"path": "Naive Bayes/email/ham/12.txt",
"chars": 172,
"preview": "Thanks Peter.\n\nI'll definitely check in on this. How is your book\ngoing? I heard chapter 1 came in and it was in \ngood s"
},
{
"path": "Naive Bayes/email/ham/13.txt",
"chars": 164,
"preview": "Jay Stepp commented on your status.\n\nJay wrote:\n\"\"to the\" ???\"\n\n\nReply to this email to comment on this status.\n\nTo see "
},
{
"path": "Naive Bayes/email/ham/14.txt",
"chars": 162,
"preview": "LinkedIn\n\nKerry Haloney requested to add you as a connection on LinkedIn:\n\nPeter,\n\nI'd like to add you to my professiona"
},
{
"path": "Naive Bayes/email/ham/15.txt",
"chars": 522,
"preview": "Hi Peter,\n \nThe hotels are the ones that rent out the tent. They are all lined up on the hotel grounds : )) So much for "
},
{
"path": "Naive Bayes/email/ham/16.txt",
"chars": 90,
"preview": "yeah I am ready. I may not be here because Jar Jar has plane tickets to Germany for me. "
},
{
"path": "Naive Bayes/email/ham/17.txt",
"chars": 454,
"preview": "Benoit Mandelbrot 1924-2010\n\nBenoit Mandelbrot 1924-2010\n\nWilmott Team\n\nBenoit Mandelbrot, the mathematician, the father"
},
{
"path": "Naive Bayes/email/ham/18.txt",
"chars": 168,
"preview": "Hi Peter,\n\n Sure thing. Sounds good. Let me know what time would be good for you.\nI will come prepared with some id"
},
{
"path": "Naive Bayes/email/ham/19.txt",
"chars": 151,
"preview": "LinkedIn\n\nJulius O requested to add you as a connection on LinkedIn:\n\nHi Peter.\n\nLooking forward to the book!\n\n \nAccept "
},
{
"path": "Naive Bayes/email/ham/2.txt",
"chars": 232,
"preview": "Yay to you both doing fine!\n\nI'm working on an MBA in Design Strategy at CCA (top art school.) It's a new program focus"
},
{
"path": "Naive Bayes/email/ham/20.txt",
"chars": 204,
"preview": "I've thought about this and think it's possible. We should get another\nlunch. I have a car now and could come pick you u"
},
{
"path": "Naive Bayes/email/ham/21.txt",
"chars": 229,
"preview": "we saw this on the way to the coast...thought u might like it\n\nhangzhou is huge, one day wasn't enough, but we got a gli"
},
{
"path": "Naive Bayes/email/ham/22.txt",
"chars": 324,
"preview": "Hi Hommies,\n\nJust got a phone call from the roofer, they will come and spaying the foaming today. it will be dusty. pls "
},
{
"path": "Naive Bayes/email/ham/23.txt",
"chars": 598,
"preview": "\nSciFinance now automatically generates GPU-enabled pricing & risk model source code that runs up to 50-300x faster than"
},
{
"path": "Naive Bayes/email/ham/24.txt",
"chars": 42,
"preview": "Ok I will be there by 10:00 at the latest."
},
{
"path": "Naive Bayes/email/ham/25.txt",
"chars": 88,
"preview": "That is cold. Is there going to be a retirement party? \nAre the leaves changing color?"
},
{
"path": "Naive Bayes/email/ham/3.txt",
"chars": 364,
"preview": "WHat is going on there?\nI talked to John on email. We talked about some computer stuff that's it.\n\nI went bike riding i"
},
{
"path": "Naive Bayes/email/ham/4.txt",
"chars": 205,
"preview": "Yo. I've been working on my running website. I'm using jquery and the jqplot plugin. I'm not too far away from having"
},
{
"path": "Naive Bayes/email/ham/5.txt",
"chars": 113,
"preview": "There was a guy at the gas station who told me that if I knew Mandarin\nand Python I could get a job with the FBI."
},
{
"path": "Naive Bayes/email/ham/6.txt",
"chars": 1457,
"preview": "Hello,\n\nSince you are an owner of at least one Google Groups group that uses the customized welcome message, pages or fi"
},
{
"path": "Naive Bayes/email/ham/7.txt",
"chars": 103,
"preview": "Zach Hamm commented on your status.\n\nZach wrote:\n\"doggy style - enough said, thank you & good night\"\n\n\n"
},
{
"path": "Naive Bayes/email/ham/8.txt",
"chars": 634,
"preview": "This e-mail was sent from a notification-only address that cannot accept incoming e-mail. Please do not reply to this me"
},
{
"path": "Naive Bayes/email/ham/9.txt",
"chars": 142,
"preview": "Hi Peter,\n\nThese are the only good scenic ones and it's too bad there was a girl's back in one of them. Just try to enjo"
},
{
"path": "Naive Bayes/email/spam/1.txt",
"chars": 235,
"preview": "--- Codeine 15mg -- 30 for $203.70 -- VISA Only!!! --\n\n-- Codeine (Methylmorphine) is a narcotic (opioid) pain reliever\n"
},
{
"path": "Naive Bayes/email/spam/10.txt",
"chars": 212,
"preview": "OrderCializViagra Online & Save 75-90%\n\n0nline Pharmacy NoPrescription required\nBuy Canadian Drugs at Wholesale Prices a"
},
{
"path": "Naive Bayes/email/spam/11.txt",
"chars": 402,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/12.txt",
"chars": 182,
"preview": "Buy Ambiem (Zolpidem) 5mg/10mg @ $2.39/- pill\n\n30 pills x 5 mg - $129.00\n60 pills x 5 mg - $199.20\n180 pills x 5 mg - $4"
},
{
"path": "Naive Bayes/email/spam/13.txt",
"chars": 245,
"preview": "OrderCializViagra Online & Save 75-90%\n\n0nline Pharmacy NoPrescription required\nBuy Canadian Drugs at Wholesale Prices a"
},
{
"path": "Naive Bayes/email/spam/14.txt",
"chars": 204,
"preview": "BuyVIAGRA 25mg, 50mg, 100mg,\nBrandViagra, FemaleViagra from $1.15 per pill\n\n\nViagraNoPrescription needed - from Certifie"
},
{
"path": "Naive Bayes/email/spam/15.txt",
"chars": 328,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/16.txt",
"chars": 328,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/17.txt",
"chars": 240,
"preview": "A home based business opportunity is knocking at your door.\n\nDont be rude and let this chance go by.\n\nYou can earn a gre"
},
{
"path": "Naive Bayes/email/spam/18.txt",
"chars": 253,
"preview": "Codeine (the most competitive price on NET!)\n\nCodeine (WILSON) 30mg x 30 $156.00\nCodeine (WILSON) 30mg x 60 $291.00 (+4 "
},
{
"path": "Naive Bayes/email/spam/19.txt",
"chars": 386,
"preview": "Get Up to 75% OFF at Online WatchesStore\n\nDiscount Watches for All Famous Brands\n\n* Watches: aRolexBvlgari, Dior, Hermes"
},
{
"path": "Naive Bayes/email/spam/2.txt",
"chars": 291,
"preview": "Hydrocodone/Vicodin ES/Brand Watson\n\nVicodin ES - 7.5/750 mg: 30 - $195 / 120 $570\nBrand Watson - 7.5/750 mg: 30 - $195 "
},
{
"path": "Naive Bayes/email/spam/20.txt",
"chars": 351,
"preview": "Get Up to 75% OFF at Online WatchesStore\n\nDiscount Watches for All Famous Brands\n\n* Watches: aRolexBvlgari, Dior, Hermes"
},
{
"path": "Naive Bayes/email/spam/21.txt",
"chars": 226,
"preview": "Percocet 10/625 mg withoutPrescription 30 tabs - $225!\nPercocet, a narcotic analgesic, is used to treat moderate to mode"
},
{
"path": "Naive Bayes/email/spam/22.txt",
"chars": 351,
"preview": "Get Up to 75% OFF at Online WatchesStore\n\nDiscount Watches for All Famous Brands\n\n* Watches: aRolexBvlgari, Dior, Hermes"
},
{
"path": "Naive Bayes/email/spam/23.txt",
"chars": 328,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/24.txt",
"chars": 328,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/25.txt",
"chars": 258,
"preview": "Experience with BiggerPenis Today! Grow 3-inches more\n\nThe Safest & Most Effective Methods Of_PenisEn1argement.\nSave you"
},
{
"path": "Naive Bayes/email/spam/3.txt",
"chars": 402,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/4.txt",
"chars": 226,
"preview": "Percocet 10/625 mg withoutPrescription 30 tabs - $225!\nPercocet, a narcotic analgesic, is used to treat moderate to mode"
},
{
"path": "Naive Bayes/email/spam/5.txt",
"chars": 235,
"preview": "--- Codeine 15mg -- 30 for $203.70 -- VISA Only!!! --\n\n-- Codeine (Methylmorphine) is a narcotic (opioid) pain reliever\n"
},
{
"path": "Naive Bayes/email/spam/6.txt",
"chars": 245,
"preview": "OEM Adobe & Microsoft softwares\nFast order and download\n\nMicrosoft Office Professional Plus 2007/2010 $129\nMicrosoft Win"
},
{
"path": "Naive Bayes/email/spam/7.txt",
"chars": 161,
"preview": "Bargains Here! Buy Phentermin 37.5 mg (K-25)\n\nBuy Genuine Phentermin at Low Cost\nVISA Accepted\n30 - $130.50\n60 - $219.00"
},
{
"path": "Naive Bayes/email/spam/8.txt",
"chars": 328,
"preview": "You Have Everything To Gain!\n\nIncredib1e gains in length of 3-4 inches to yourPenis, PERMANANTLY\n\nAmazing increase in th"
},
{
"path": "Naive Bayes/email/spam/9.txt",
"chars": 161,
"preview": "Bargains Here! Buy Phentermin 37.5 mg (K-25)\n\nBuy Genuine Phentermin at Low Cost\nVISA Accepted\n30 - $130.50\n60 - $219.00"
},
{
"path": "Naive Bayes/nbc.py",
"chars": 5614,
"preview": "# -*- coding: UTF-8 -*-\nfrom sklearn.naive_bayes import MultinomialNB\nimport matplotlib.pyplot as plt\nimport os\nimport r"
},
{
"path": "Naive Bayes/stopwords_cn.txt",
"chars": 1199,
"preview": "的\n一\n不\n在\n人\n有\n是\n为\n以\n于\n上\n他\n而\n后\n之\n来\n及\n了\n因\n下\n可\n到\n由\n这\n与\n也\n此\n但\n并\n个\n其\n已\n无\n小\n我\n们\n起\n最\n再\n今\n去\n好\n只\n又\n或\n很\n亦\n某\n把\n那\n你\n乃\n它\n怎么\n任何\n连同\n开外\n再有"
},
{
"path": "README-eng.md",
"chars": 9278,
"preview": "# Machine-Learning\n* [中文（简体）](https://github.com/Jack-Cherish/Machine-Learning/blob/master/README.md \"悬停显示\")<br>\n\n* Rome"
},
{
"path": "README.md",
"chars": 8633,
"preview": "# Machine-Learning\n* [In English](https://github.com/Jack-Cherish/Machine-Learning/blob/master/README-eng.md \"悬停显示\")<br>"
},
{
"path": "Regression/abalone.py",
"chars": 3353,
"preview": "# -*- coding:utf-8 -*-\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.pyplot as plt\nimport numpy a"
},
{
"path": "Regression/abalone.txt",
"chars": 193180,
"preview": "1\t0.455\t0.365\t0.095\t0.514\t0.2245\t0.101\t0.15\t15\n1\t0.35\t0.265\t0.09\t0.2255\t0.0995\t0.0485\t0.07\t7\n-1\t0.53\t0.42\t0.135\t0.677\t0."
},
{
"path": "Regression/ex0.txt",
"chars": 5400,
"preview": "1.000000\t0.067732\t3.176513\n1.000000\t0.427810\t3.816464\n1.000000\t0.995731\t4.550095\n1.000000\t0.738336\t4.256571\n1.000000\t0.9"
},
{
"path": "Regression/lego/lego10030.html",
"chars": 72660,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta "
},
{
"path": "Regression/lego/lego10179.html",
"chars": 100535,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta"
},
{
"path": "Regression/lego/lego10181.html",
"chars": 65360,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta "
},
{
"path": "Regression/lego/lego10189.html",
"chars": 80459,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta "
},
{
"path": "Regression/lego/lego10196.html",
"chars": 72569,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta "
},
{
"path": "Regression/lego/lego8288.html",
"chars": 55101,
"preview": "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\" \"http://www.w3.org/TR/html4/loose.dtd\"><html><head><meta "
},
{
"path": "Regression/lego.py",
"chars": 7275,
"preview": "# -*-coding:utf-8 -*-\nimport numpy as np\nfrom bs4 import BeautifulSoup\nimport random\n\ndef scrapePage(retX, retY, inFile,"
},
{
"path": "Regression/regression.py",
"chars": 5186,
"preview": "# -*-coding:utf-8 -*-\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.pyplot as plt\nimport numpy as"
},
{
"path": "Regression/regression_old.py",
"chars": 5167,
"preview": "# -*- coding:utf-8 -*-\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.pyplot as plt\nimport numpy a"
},
{
"path": "Regression Trees/ex0.txt",
"chars": 5421,
"preview": "1.000000\t0.409175\t1.883180\n1.000000\t0.182603\t0.063908\n1.000000\t0.663687\t3.042257\n1.000000\t0.517395\t2.305004\n1.000000\t0.0"
},
{
"path": "Regression Trees/ex00.txt",
"chars": 3646,
"preview": "0.036098\t0.155096\n0.993349\t1.077553\n0.530897\t0.893462\n0.712386\t0.564858\n0.343554\t-0.371700\n0.098016\t-0.332760\n0.691115\t0"
},
{
"path": "Regression Trees/ex2.txt",
"chars": 3869,
"preview": "0.228628\t-2.266273\n0.965969\t112.386764\n0.342761\t-31.584855\n0.901444\t87.300625\n0.585413\t125.295113\n0.334900\t18.976650\n0.7"
},
{
"path": "Regression Trees/ex2test.txt",
"chars": 3864,
"preview": "0.421862\t10.830241\n0.105349\t-2.241611\n0.155196\t21.872976\n0.161152\t2.015418\n0.382632\t-38.778979\n0.017710\t20.109113\n0.1296"
},
{
"path": "Regression Trees/exp2.txt",
"chars": 3631,
"preview": "0.070670\t3.470829\n0.534076\t6.377132\n0.747221\t8.949407\n0.668970\t8.034081\n0.586082\t6.997721\n0.764962\t9.318110\n0.658125\t7.8"
},
{
"path": "Regression Trees/regTrees.py",
"chars": 5983,
"preview": "#-*- coding:utf-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\n\ndef loadDataSet(fileName):\n\t\"\"\"\n\t函数说明:加载数据\n\tPa"
},
{
"path": "SVM/svm-digits.py",
"chars": 8672,
"preview": "# -*-coding:utf-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\nimport random\n\n\"\"\"\nAuthor:\n\tJack Cui\nBlog:\n "
},
{
"path": "SVM/svm-simple.py",
"chars": 6718,
"preview": "# -*- coding:UTF-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\nimport random\n\n\"\"\"\n函数说明:读取数据\n\nParameters:\n "
},
{
"path": "SVM/svm-smo.py",
"chars": 7645,
"preview": "# -*-coding:utf-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\nimport random\n\n\"\"\"\nAuthor:\n\tJack Cui\nBlog:\n "
},
{
"path": "SVM/svm-svc.py",
"chars": 2032,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport operator\nfrom os import listdir\nfrom sklearn.svm import SVC\n\n\"\"\"\nAutho"
},
{
"path": "SVM/svmMLiA.py",
"chars": 8699,
"preview": "# -*-coding:utf-8 -*-\nimport matplotlib.pyplot as plt\nimport numpy as np\nimport random\n\n\"\"\"\nAuthor:\n\tJack Cui\nBlog:\n "
},
{
"path": "SVM/testSet.txt",
"chars": 2108,
"preview": "3.542485\t1.977398\t-1\n3.018896\t2.556416\t-1\n7.551510\t-1.580030\t1\n2.114999\t-0.004466\t-1\n8.127113\t1.274372\t1\n7.108772\t-0.986"
},
{
"path": "SVM/testSetRBF.txt",
"chars": 2845,
"preview": "-0.214824\t0.662756\t-1.000000\n-0.061569\t-0.091875\t1.000000\n0.406933\t0.648055\t-1.000000\n0.223650\t0.130142\t1.000000\n0.23131"
},
{
"path": "SVM/testSetRBF2.txt",
"chars": 2851,
"preview": "0.676771\t-0.486687\t-1.000000\n0.008473\t0.186070\t1.000000\n-0.727789\t0.594062\t-1.000000\n0.112367\t0.287852\t1.000000\n0.383633"
},
{
"path": "kNN/1.简单k-NN/kNN_test01.py",
"chars": 1081,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport operator\nimport collections\n\n\"\"\"\n函数说明:创建数据集\n\nParameters:\n\t无\nReturns:\n\t"
},
{
"path": "kNN/1.简单k-NN/kNN_test01_old_method.py",
"chars": 1598,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport operator\n\n\"\"\"\n函数说明:创建数据集\n\nParameters:\n\t无\nReturns:\n\tgroup - 数据集\n\tlabels"
},
{
"path": "kNN/2.海伦约会/datingTestSet.txt",
"chars": 34725,
"preview": "40920\t8.326976\t0.953952\tlargeDoses\n14488\t7.153469\t1.673904\tsmallDoses\n26052\t1.441871\t0.805124\tdidntLike\n75136\t13.147394\t"
},
{
"path": "kNN/2.海伦约会/kNN_test02.py",
"chars": 7974,
"preview": "# -*- coding: UTF-8 -*-\n\nfrom matplotlib.font_manager import FontProperties\nimport matplotlib.lines as mlines\nimport mat"
},
{
"path": "kNN/3.数字识别/kNN_test03.py",
"chars": 2974,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport operator\nfrom os import listdir\n\n\"\"\"\n函数说明:kNN算法,分类器\n\nParameters:\n\tinX "
},
{
"path": "kNN/3.数字识别/kNN_test04.py",
"chars": 2108,
"preview": "# -*- coding: UTF-8 -*-\nimport numpy as np\nimport operator\nfrom os import listdir\nfrom sklearn.neighbors import KNeighbo"
},
{
"path": "kNN/3.数字识别/testDigits/0_0.txt",
"chars": 1056,
"preview": "00000000000001100000000000000000\n00000000000011111100000000000000\n00000000000111111111000000000000\n000000000111111111110"
},
{
"path": "kNN/3.数字识别/testDigits/0_1.txt",
"chars": 1056,
"preview": "00000000000000011000000000000000\n00000000000111111110000000000000\n00000000001111111111100000000000\n000000000011111111111"
},
{
"path": "kNN/3.数字识别/testDigits/0_10.txt",
"chars": 1056,
"preview": "00000000000100000000000000000000\n00000000001111000000000000000000\n00000000001111000000000000000000\n000000000111111000000"
},
{
"path": "kNN/3.数字识别/testDigits/0_11.txt",
"chars": 1056,
"preview": "00000000000000101100000000000000\n00000000000011111110000000000000\n00000000000111111111000000000000\n000000000001111111111"
},
{
"path": "kNN/3.数字识别/testDigits/0_12.txt",
"chars": 1056,
"preview": "00000000000000000111000000000000\n00000000000000111111000000000000\n00000000000011111111100000000000\n000000000000111111111"
},
{
"path": "kNN/3.数字识别/testDigits/0_13.txt",
"chars": 1056,
"preview": "00000000000000111100000000000000\n00000000000011111110000000000000\n00000000000111111111000000000000\n000000000011111111111"
}
]
// ... and 2877 more files (download for full content)
About this extraction
This page contains the full source code of the Jack-Cherish/Machine-Learning GitHub repository, extracted and formatted as plain text for AI agents and large language models (LLMs). The extraction includes 3077 files (4.0 MB), approximately 1.2M tokens, and a symbol index with 171 extracted functions, classes, methods, constants, and types. Use this with OpenClaw, Claude, ChatGPT, Cursor, Windsurf, or any other AI tool that accepts text input. You can copy the full output to your clipboard or download it as a .txt file.
Extracted by GitExtract — free GitHub repo to text converter for AI. Built by Nikandr Surkov.