WEKA进行Apriori、FP-Tree、K-means算法测试
2024-04-25 11:55:11
1.Apriori算法
(1)数据
动作 战争
喜剧 爱情
剧情 动作 犯罪
剧情 动作 战争
科幻 灾难
喜剧 爱情 奇幻
动作 战争
喜剧 奇幻
剧情
剧情Weka能识别的文件类型是.arff文件，我们需要将已有数据转为.arff格式数据。
@relation movie
@attribute 动作 {False, True}
@attribute 战争 {False, True}
@attribute 喜剧 {False, True}
@attribute 爱情 {False, True}
@attribute 剧情 {False, True}
@attribute 犯罪 {False, True}
@attribute 科幻 {False, True}
@attribute 灾难 {False, True}
@attribute 奇幻 {False, True}@data
True,True,?,?,?,?,?,?,?
?,?,True,True,?,?,?,?,?
True,?,?,?,True,True,?,?,?
True,?,True,?,True,?,?,?,?
?,?,?,?,?,?,True,True,?
?,?,True,True,?,?,?,?,True
True,True,?,?,?,?,?,?,?
?,?,True,?,?,?,?,?,True
?,?,?,?,True,?,?,?,?
?,?,?,?,True,?,?,?,?@relation:关系名，可随意起名
@attribute：属性名，后面可跟数据类型或{}，{}中需要限定该属性的取值
@data:之后每一行均为一个事务，未知属性值使用？表示；使用稀疏矩阵时需要加{}
（2）导入数据
打开weka，点击Explorer
点击open file，选择刚才所创建的.arff文件。
weka识别出我们的属性和实例。
weka默认情况下使用的编码不支持中文数据，需要进行设置
打开weka安装目录，使用记事本打开RunWeka.ini
将fileEncoding改为utf-8，重新打开weka即可。
打开数据文件后，点击Associate
主要设置三个参数：最小支持度、最小置信度和最大规则数
点start
对应的关联规则显示出来，完成
2.FP-Tree
数据如上
选择与Apriori同样的参数，其他参数不改。点击start，得到与Apriori相同的结果
3.K-means
（1）数据
@relation ActorK-meansData@attribute 作品数量 numeric
@attribute 获奖次数 numeric
@attribute 粉丝数量 numeric
@attribute 年龄 numeric
%共有25种电影题材
%喜剧 情色 科幻 运动 恐怖 灾难 同性 犯罪 动画 传记 纪录片 惊悚 冒险 奇幻 历史 悬疑 古装 音乐 剧情 短片 武侠 爱情 家庭 战争 动作
@attribute 喜剧 numeric
@attribute 情色 numeric
@attribute 科幻 numeric
@attribute 运动 numeric
@attribute 恐怖 numeric
@attribute 灾难 numeric
@attribute 同性 numeric
@attribute 犯罪 numeric
@attribute 动画 numeric
@attribute 传记 numeric
@attribute 纪录片 numeric
@attribute 惊悚 numeric
@attribute 冒险 numeric
@attribute 奇幻 numeric
@attribute 历史 numeric
@attribute 悬疑 numeric
@attribute 古装 numeric
@attribute 音乐 numeric
@attribute 剧情 numeric
@attribute 短片 numeric
@attribute 武侠 numeric
@attribute 爱情 numeric
@attribute 家庭 numeric
@attribute 战争 numeric
@attribute 动作 numeric@data
8.7, 3.0, 4.875, 45.0, 3.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 4.0, 0.0, 0.0, 2.0, 0.0, 3.0, 4.0
8.1, 14.0, 18.124, 62.0, 6.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 2.0, 1.0, 0.0, 0.0, 7.0, 0.0, 0.0, 2.0, 1.0, 0.0, 5.0
3.6, 4.0, 27.128, 40.0, 5.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 1.0, 0.0, 7.0, 1.0, 0.0, 8.0, 1.0, 0.0, 1.0
10.4, 10.0, 4.202, 56.0, 3.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 1.0, 0.0, 1.0, 2.0, 3.0, 1.0, 1.0, 0.0, 0.0, 5.0, 0.0, 2.0, 3.0, 0.0, 0.0, 12.0
11.0, 12.0, 29.32, 45.0, 2.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 2.0, 2.0, 1.0, 0.0, 10.0, 0.0, 0.0, 5.0, 0.0, 1.0, 0.0
7.3, 4.0, 4.466, 46.0, 1.0, 0.0, 4.0, 0.0, 1.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 3.0, 1.0, 1.0, 1.0, 2.0, 0.0, 0.0, 4.0, 0.0, 0.0, 2.0, 0.0, 1.0, 7.0
12.4, 5.0, 37.569, 57.0, 10.0, 0.0, 1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 2.0, 6.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 3.0, 1.0, 0.0, 3.0
13.5, 7.0, 9.996, 38.0, 2.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 3.0, 1.0, 1.0, 0.0, 0.0, 6.0, 1.0, 0.0, 1.0, 0.0, 2.0, 6.0
13.2, 14.0, 8.364, 33.0, 4.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 9.0, 0.0, 1.0, 8.0, 0.0, 0.0, 2.0
28.2, 13.0, 12.947, 58.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5.0, 0.0, 0.0, 0.0, 0.0, 4.0, 1.0, 0.0, 2.0, 0.0, 0.0, 5.0, 0.0, 0.0, 1.0, 0.0, 0.0, 9.0
30.7, 8.0, 8.486, 65.0, 11.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 3.0, 5.0, 0.0, 0.0, 0.0, 3.0, 2.0, 0.0, 0.0, 0.0, 0.0, 3.0, 1.0, 0.0, 1.0, 0.0, 0.0, 11.0
11.7, 8.0, 18.223, 43.0, 6.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 4.0, 0.0, 0.0, 1.0, 0.0, 6.0, 0.0, 1.0, 3.0, 0.0, 0.0, 3.0
4.4, 1.0, 4.798, 37.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 1.0, 4.0, 1.0, 0.0, 7.0, 1.0, 0.0, 8.0, 0.0, 0.0, 4.0
9.0, 0.0, 2.828, 27.0, 4.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 1.0, 0.0, 0.0, 1.0, 1.0, 1.0, 1.0, 0.0, 1.0, 7.0, 2.0, 0.0, 2.0, 1.0, 0.0, 0.0
7.9, 4.0, 9.179, 27.0, 3.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 2.0, 0.0, 0.0, 0.0, 1.0, 7.0, 1.0, 1.0, 3.0, 0.0, 0.0, 1.0
3.7, 0.0, 2.553, 31.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 2.0, 2.0, 0.0, 3.0, 0.0, 11.0, 0.0, 0.0, 6.0, 1.0, 2.0, 0.0
8.5, 6.0, 6.704, 40.0, 6.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 2.0, 0.0, 1.0, 6.0, 1.0, 1.0, 3.0, 0.0, 1.0, 3.0
8.0, 3.0, 2.545, 35.0, 10.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 1.0, 4.0, 0.0, 1.0, 0.0, 0.0, 3.0, 0.0, 0.0, 0.0, 0.0, 0.0, 6.0
3.2, 0.0, 4.533, 35.0, 8.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 2.0, 0.0, 1.0, 2.0, 0.0, 6.0, 0.0, 1.0, 9.0, 0.0, 0.0, 0.0
5.3, 2.0, 3.351, 30.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 0.0, 1.0, 5.0, 0.0, 2.0, 1.0, 0.0, 5.0, 0.0, 0.0, 5.0, 0.0, 0.0, 0.0
5.5, 1.0, 5.841, 31.0, 2.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 2.0, 0.0, 0.0, 0.0, 0.0, 1.0, 2.0, 0.0, 3.0, 1.0, 0.0, 5.0, 0.0, 0.0, 3.0, 0.0, 0.0, 1.0
10.4, 1.0, 8.838, 51.0, 3.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 1.0, 0.0, 6.0, 1.0, 0.0, 3.0, 0.0, 3.0, 2.0
11.0, 2.0, 3.043, 41.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 2.0, 4.0, 0.0, 2.0, 3.0, 0.0, 6.0, 0.0, 0.0, 6.0, 0.0, 0.0, 2.0
5.7, 0.0, 4.791, 31.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 3.0, 0.0, 2.0, 2.0, 1.0, 4.0, 2.0, 1.0, 2.0, 0.0, 0.0, 5.0
2.8, 2.0, 8.475, 31.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 5.0, 1.0, 1.0, 1.0, 0.0, 4.0, 1.0, 0.0, 4.0, 0.0, 1.0, 3.0
5.5, 0.0, 2.939, 40.0, 11.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 2.0（2）导入文件
选择Cluster
设置簇的个数即可
点击start
Cluster
Attribute 0 1 2 3(0.26) (0.5) (0.15) (0.08)
============================================
作品数量mean 14.7071 7.8479 7.759 7.35std. dev. 9.6824 3.7663 1.2696 3.65获奖次数mean 6.7197 4.2627 2.489 6std. dev. 4.9309 4.0343 2.5919 6粉丝数量mean 12.9352 8.3796 5.8751 15.9365std. dev. 11.4766 6.5945 2.3405 13.3835年龄mean 52.1857 39.2941 31.247 38std. dev. 10.4549 7.6533 5.29 7喜剧mean 7.8995 3.6442 4.4823 1std. dev. 3.0406 2.254 1.1333 1情色mean 0 0.0762 0 0std. dev. 0.1961 0.2654 0.1961 0.1961科幻mean 0.5838 0.686 0 0.5std. dev. 0.4932 1.1325 0.0001 0.5运动mean 0.1459 0 0 0.5std. dev. 0.353 0.2717 0.2717 0.5恐怖mean 0.1459 0.1503 0.2553 0std. dev. 0.353 0.3574 0.436 0.3679灾难mean 0.1458 0 0 0std. dev. 0.353 0.0058 0 0.1961同性mean 0.1459 0 0 0std. dev. 0.353 0 0.1961 0.1961犯罪mean 1.5693 0.9292 1.0068 0.5std. dev. 1.7031 0.8194 1 0.5动画mean 1.1674 0.2286 0.2483 0std. dev. 1.7363 0.4199 0.432 1.067传记mean 0 0.2287 0.2483 0std. dev. 0.0003 0.42 0.432 0.3679纪录片mean 0 0 0 1std. dev. 0.2717 0 0.2717 0惊悚mean 0.1102 0.3998 0 0.5std. dev. 0.3132 0.835 0 0.5冒险mean 1.7438 0.7639 0.7519 0.5std. dev. 1.2845 0.7892 0.4319 0.5奇幻mean 2.2491 2.6321 1.7519 1.5std. dev. 1.9095 1.4438 0.8265 0.5历史mean 0.2919 0.3811 0.2483 2std. dev. 0.7061 0.4856 0.432 0.0001悬疑mean 0.5481 1.4605 1.2621 1std. dev. 0.7345 1.0696 0.839 1古装mean 0.1602 0.9813 0.5036 2std. dev. 0.3668 0.7925 0.864 1音乐mean 0 0 0.993 0std. dev. 0.0001 0.0067 0.0833 0.3679剧情mean 3.481 5.7936 5.993 10.5std. dev. 2.1027 1.3419 1.2234 0.5短片mean 0.146 0.3811 1.4896 0std. dev. 0.3532 0.4857 0.5137 0.6469武侠mean 0.0143 0.3737 0.7447 0std. dev. 0.1186 0.6217 0.436 0爱情mean 1.5019 4.7735 2.5034 5.5std. dev. 0.8893 2.6328 0.5 0.5家庭mean 0.2918 0.0762 0.2483 0.5std. dev. 0.4546 0.2654 0.432 0.5战争mean 0.4378 0.5336 0.2481 1.5std. dev. 1.059 0.9267 0.4319 0.5动作mean 5.6656 3.365 2.2412 0std. dev. 3.0585 3.2237 1.9165 0.0001这儿显示的是每个簇的簇心各个参数的值以及对应的标准差。
通过这些信息，我们并不能知道每个事务所处的簇。
进一步查看信息
分配图有点抽象，我们直接点击save，此时会保存一个簇分配文件。
该文件为.arff文件，其中的实例最后一个属性为该实例所处的簇。
@relation ActorK-meansData_clustered@attribute Instance_number numeric
@attribute 作品数量 numeric
@attribute 获奖次数 numeric
@attribute 粉丝数量 numeric
@attribute 年龄 numeric
@attribute 喜剧 numeric
@attribute 情色 numeric
@attribute 科幻 numeric
@attribute 运动 numeric
@attribute 恐怖 numeric
@attribute 灾难 numeric
@attribute 同性 numeric
@attribute 犯罪 numeric
@attribute 动画 numeric
@attribute 传记 numeric
@attribute 纪录片 numeric
@attribute 惊悚 numeric
@attribute 冒险 numeric
@attribute 奇幻 numeric
@attribute 历史 numeric
@attribute 悬疑 numeric
@attribute 古装 numeric
@attribute 音乐 numeric
@attribute 剧情 numeric
@attribute 短片 numeric
@attribute 武侠 numeric
@attribute 爱情 numeric
@attribute 家庭 numeric
@attribute 战争 numeric
@attribute 动作 numeric
@attribute Cluster {cluster0,cluster1,cluster2,cluster3}@data
0,8.7,3,4.875,45,3,0,1,0,0,1,0,1,0,0,0,0,0,2,0,0,0,0,4,0,0,2,0,3,4,cluster2
1,8.1,14,18.124,62,6,0,0,0,0,0,1,0,1,0,0,0,1,0,2,1,0,0,7,0,0,2,1,0,5,cluster3
2,3.6,4,27.128,40,5,1,0,0,0,0,0,1,0,1,0,0,0,1,0,1,1,0,7,1,0,8,1,0,1,cluster3
3,10.4,10,4.202,56,3,0,1,0,0,0,0,2,0,1,0,1,2,3,1,1,0,0,5,0,2,3,0,0,12,cluster1
4,11,12,29.32,45,2,0,1,0,0,0,0,1,0,0,1,1,0,1,2,2,1,0,10,0,0,5,0,1,0,cluster3
5,7.3,4,4.466,46,1,0,4,0,1,0,0,2,0,0,0,3,1,1,1,2,0,0,4,0,0,2,0,1,7,cluster1
6,12.4,5,37.569,57,10,0,1,1,0,0,0,0,2,0,0,0,2,6,0,0,0,0,2,0,0,3,1,0,3,cluster2
7,13.5,7,9.996,38,2,0,2,0,0,0,0,0,1,0,0,0,0,3,1,1,0,0,6,1,0,1,0,2,6,cluster2
8,13.2,14,8.364,33,4,0,1,0,0,0,0,0,0,0,0,0,0,1,0,0,1,0,9,0,1,8,0,0,2,cluster3
9,28.2,13,12.947,58,5,0,0,0,0,0,0,5,0,0,0,0,4,1,0,2,0,0,5,0,0,1,0,0,9,cluster2
10,30.7,8,8.486,65,11,0,1,0,0,0,0,3,5,0,0,0,3,2,0,0,0,0,3,1,0,1,0,0,11,cluster2
11,11.7,8,18.223,43,6,0,0,0,0,0,0,0,0,0,0,0,2,4,0,0,1,0,6,0,1,3,0,0,3,cluster2
12,4.4,1,4.798,37,1,0,0,0,0,0,0,2,0,0,0,0,0,2,1,4,1,0,7,1,0,8,0,0,4,cluster3
13,9,0,2.828,27,4,0,0,0,0,0,0,2,0,1,0,0,1,1,1,1,0,1,7,2,0,2,1,0,0,cluster3
14,7.9,4,9.179,27,3,0,0,0,1,0,0,0,1,0,0,0,1,2,0,0,0,1,7,1,1,3,0,0,1,cluster2
15,3.7,0,2.553,31,0,0,0,1,0,0,0,0,0,0,1,0,1,2,2,0,3,0,11,0,0,6,1,2,0,cluster0
16,8.5,6,6.704,40,6,0,0,0,0,0,0,2,0,0,0,0,0,1,0,2,0,1,6,1,1,3,0,1,3,cluster2
17,8,3,2.545,35,10,0,0,0,0,0,0,1,0,0,0,1,1,4,0,1,0,0,3,0,0,0,0,0,6,cluster2
18,3.2,0,4.533,35,8,0,1,0,0,0,0,0,0,0,0,1,0,2,0,1,2,0,6,0,1,9,0,0,0,cluster3
19,5.3,2,3.351,30,5,0,0,0,0,0,0,1,1,0,0,0,1,5,0,2,1,0,5,0,0,5,0,0,0,cluster3
20,5.5,1,5.841,31,2,0,0,0,1,0,0,2,0,0,0,0,1,2,0,3,1,0,5,0,0,3,0,0,1,cluster3
21,10.4,1,8.838,51,3,0,0,0,0,0,0,1,0,0,0,0,0,1,0,1,1,0,6,1,0,3,0,3,2,cluster2
22,11,2,3.043,41,5,0,0,0,0,0,0,0,1,1,0,0,2,4,0,2,3,0,6,0,0,6,0,0,2,cluster3
23,5.7,0,4.791,31,5,0,0,0,0,0,0,0,0,0,0,0,1,3,0,2,2,1,4,2,1,2,0,0,5,cluster3
24,2.8,2,8.475,31,1,0,0,0,0,0,0,1,0,0,0,0,1,5,1,1,1,0,4,1,0,4,0,1,3,cluster3
25,5.5,0,2.939,40,11,0,1,0,1,0,0,1,0,0,0,0,1,1,0,0,1,0,0,0,0,1,0,0,2,cluster2ok，完工。
WEKA进行Apriori、FP-Tree、K-means算法测试相关推荐
- kmeans改进 matlab,基于距离函数的改进k―means 算法
摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...
- k means算法C语言伪代码,K均值算法（K-Means）
1. K-Means算法步骤 算法步骤 收敛性定义,畸变函数(distortion function): 伪代码: 1) 创建k个点作为K个簇的起始质心(经常随机选择) 2) 当任意一个点的蔟分配结果 ...
- 用Spark学习FP Tree算法和PrefixSpan算法
在FP Tree算法原理总结和PrefixSpan算法原理总结中,我们对FP Tree和PrefixSpan这两种关联算法的原理做了总结,这里就从实践的角度介绍如何使用这两个算法.由于scikit-l ...
- k均值聚类算法(K Means)及其实战案例
算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...
- K means 图片压缩
k-means的基本原理较为清晰,这里不多赘述,本次博客主要通过基础的k means算法进行图像的压缩处理. 原理分析 在彩色图像中,每个像素的大小为3字节(RGB),可以表示的颜色总数为256 * ...
- FP Tree算法原理总结（转）
FP Tree算法原理总结 转自: https://www.cnblogs.com/zhengxingpeng/p/6679280.html 总结得太好了. FP Tree算法原理总结 在Aprior ...
- FP Tree算法原理
作为一个挖掘频繁项集的算法,Apriori算法需要多次扫描数据,I/O是很大的瓶颈.为了解决这个问题,FP Tree算法(也称FP Growth算法)采用了一些技巧,无论多少数据,只需要扫描两次数据集 ...
- [机器学习]K近邻算法及其应用--WEKA工具
K近邻算法理论基础 k近邻模型 距离度量 k值的选择 分类决策规则 WEKA实战 问题背景 数据预处理 得到分类器 对未知的数据进行分类预测 K近邻算法理论基础 (本节内容参考了:李航<统计学习 ...
- ipriori weka java_weka apriori算法详解以及参数详解
一.Apriori算法参数含义 本次共进行了9组实验,使用了weka安装目录data文件夹下的contact-lenses.arff数据. ToolsàArffViewer,打开contact-len ...
最新文章
- 集成学习之Boosting
- 浅谈文本词向量转换的机制embedding
- Linux Kconfig及Makefile学习
- 【Python】Numpy包的安装使用
- jdbc 链接不了mysql_JDBC链接Mysql失败
- 关于Eclipse无法显示package Explorer 内容的解决方法
- mysql数据库服务器实例_服务器上运行一个mysql实例里有多个数据库呢？还是多MYSQL实例？...
- [面试]——用一行代码判断两矩形是否相交
- python能做什么工作-学完Python我们可以做什么工作？
- 杭电 1272 并查集判断环
- 如何将PDF转成高清JPG图片
- Matlab-有限单元法-2D梁单元的刚度矩阵组装（曾攀）
- 麦克马斯特计算机工程专业,麦克马斯特大学计算机专业成功录取
- 复活Java 前言
- pinterest,图片网站的传奇
- powershell中文乱码解决办法
- 和python哪个容易胖_碳水化合物，脂肪和蛋白质，到底吃哪个更容易胖？
- 天大《应用统计学》大作业期末考核
- Java程序朗读文字的实现，jacob.jar
- 巴比馒头：年销售20亿背后的数字化秘密
热门文章
- Prolog实现太阳系星体识别专家系统
- CAD版本转换知识大全
- GRE新东方推荐学习方法（2010年左右）
- oracle dba_waiters中的lockid是什么,Oracle 锁机制学习
- linux驱动K10运算卡,NVIDIA TESLA K10 GPU 运算卡 K20 C2075 C2050
- ps还原上一步快捷键_ps还原上一步快捷键_photoshop恢复上一步操作的快捷键是什么...
- 计算机无符号是啥,计算机编程中的无符号是什么
- 【Android】请求打开蓝牙和定位功能
- 如何调出手机信任计算机的指令,苹果手机怎么连接到电脑上面去发（苹果在哪设置信任电脑）...
- python 搜索功能_怎么python检索Twitter搜索功能？