Python基础教程

当前Python的应用越来越广泛，很所公司都需要这样的人才，可是目前会这个的人真的不多，自己的招聘经验告诉我，如果你会这个绝对可以突出。

harris-laplace主题的博士论文

这是Mikolajczyk的博士论文，里u面有很多重要的公式推导，对于理解算法很有帮助

大型超市“购物篮”分析问题

关于对大型超市“购物篮”的分析问题，并根据分析的结果来设计出实际的实施方案以达到最大限度的赢利。由于本题中假设了题目中的数据真实有效，而且各个问题的解决都是以他们为准，所以对数据的处理方法很重要。 本题包含了四个题目，题目都是递进的，后一个问题接着上一个问题来思考的，直到最后两个问题就接近了实际的应用目的了。 问题一，我们把商品的组合情况作为了未知因素，并通过从一般情况出发，找出了商品的组合方式和商品间的关联密切程度的函数关系式，它是一个只与商品组合A(k,l)有关的函数。只要给出任何商品组合，就可以找出它的密切程度即概率。 问题二，我们利用穷举法，把已知的数据用Matlab编程进行筛选，把符合要求的数据筛选出来，经过求解我们得到表4结果。即当商品组合对为（217，283），买的人数最多，为23次，其他组合也分布在10次以上。 问题三：运用最优解的方法，求得了不同的商品组合时候的利润，并得到了最大利润为：商品组合为529，598时，利润为6717.84。再根据问题二中已经找出了各个商品的组合对组合情况及他们的利润，把购买次数大的和利润大的两个因素结合起来考虑，找出符合以下要求的组合：商品组合中有一个利润大一个利润小，同时满足表格5中购买次数比较大是商品组合。促销中，我们可以把上面组合中利润高的商品：354，529，752，661，829，打折f（i），其它商品价格不变。经过多次进行市场实践调查，得到当打折为f（i）的时候可以得到最大的利润，那么f（i）就是我们需要的打折数据。根据这个数据，我们进行促销，这就是我们的促销的初步方案。 问题四：就是根据我们对以上各个问题的解决思路找到使得超市赢利最大的方法，即是把商品间关联密切程度大的商品集中在一起，方便顾客的购买。同时达到赢利最大的目的。