了解資料 read data path = 'data/' df = pd.read_csv(path + 'train.csv') features (training set only) profile pic：⽤戶有沒有頭貼# check feature 'profile pic' print(set(df['profile pic'])) # value: 0/1 print(df.loc[(df['profile pic'] == 0) & (df['fake'] == 0)]) # count: 2 print(df.loc[(df['profile pic'] == 0) & (df['fake'] == 1)]) # count: 170 print(df.loc[(df['profile pic'] == 1) & (df['fake'] == 0)]) # count: 286

contributed by < robertlin0401 > GitHub 作業要求 [X] 實作 HITS 演算法，輸出 authority 及 hub 值 [X] 實作 PageRank 演算法，輸出 PageRank 值 [X] 實作 SimRank 演算法，輸出 SimRank 值 [X] graph 1~6 和 IBM 檔都須可以執行

contributed by < robertlin0401 > GitHub 作業要求 [X] 自定義情境與分類規則 [X] 根據分類規則生成 positve 與 negative 資料 [X] 使用生成的資料訓練分類器模型（decision tree） [X] 觀察訓練出來的模型，比較其分類規則與最初設定的差別

contributed by < abao1005 > 詳見這裡

contributed by < robertlin0401 > GitHub 作業要求 [ ] Frequent itemsets mining [X] use apriori algorithm [ ] use FP-growth

contributed by < robertlin0401 > GitHub 課堂範例 程式範例 說明文件 修改 slider

contributed by < robertlin0401 > GitHub 重現範例 參考 JUCE Framework 開發環境設定 slider UI 結果如下圖

contributed by < robertlin0401 > 2021 年第 7 週測驗題：測驗 1 GitHub 專題簡介 :::warning TODO: 此處補上本程式的功能、設計考量，和實作議題，在實際逐行分析程式碼之前。 一如所有事物的解說，應從高階總覽到個別子系統模組的順序。

contributed by < robertlin0401 > 2021 年第 2 週隨堂測驗題目

contributed by < robertlin0401 > 作業說明 github repository queue 實作 queue 結構 /* Linked list element */ typedef struct ELE {

contributed by < robertlin0401 > 2021 年第 7 週測驗題 github repository 測驗一 char *redir_stdin = NULL, *redir_stdout = NULL; int pipefds[2] = {0, 0}, outfd = 0; char *v[99] = {0}; char **u = &v[98]; /* end of words */

contributed by < robertlin0401 > 2021 年第 1 週隨堂測驗題目 程式運作原理 node 結構 typedef struct __node { int value; struct __node *next; } node_t;