这是公司搞活动时做的评分程序，觉得挺好，就一起分享给大家吧。。。 1、评分程序采用公司主题背景，按键隐蔽设计，所以可以直接用于背景+现场评分，不需来回切换屏幕。 2、分辨率设置为：1024 x 768。 3、系统设计最多为10个评委和20位比赛选手。 4、支持小数点运算。 5、去掉一个最高分和一个最低分，得出平均分。 6、最后一位评分结束后，点击排名，可以得出名次。 7、开始评分后会在“D:\hsy”文件夹中对应生成各选手得分情况，如：“1号选手.txt....2号选手.txt”（所以必需要有D盘）。 8、支持跳过和重唱。 9、“评：1”表示等待对1号选手进行评分。 10、有几个评委就点击几个评委，不能超过实际评委数量。 此评分系统是在此论坛某前辈代码基础之上改造而来，特此感谢！ 稍加修改即可用于公司各比赛评分场合。 如果觉得里面的代码写的比较乱，可以进行修改，谢谢!

这是单位搞演讲活动时需要做的一个评分程序，演讲人姓名和演讲题目的信息输入保存起来，进入评分程序时，选择保存的演讲人姓名，有几个评委就点击输入几个评委，选手最后得分为：去掉1个最高分和1个最低分后的平均分，得出平均分，还有超时扣分，在平均分上超1-10秒扣0.02分；超11-30秒扣0.1分；超30秒以上扣0.2分。评委的评分和平均以及最后得分也保存起来，可以实时查询最后得分排行榜。后经过几天的努力，终于可以实现，觉得挺好，就一起分享给大家吧。。。

梯度提升决策树（Gradient Boosting Decision Tree，GBDT）算法是近年来被提及比较多的一个算法，这主要得益于其算法的性能，以及该算法在各类数据挖掘以及机器学习比赛中的卓越表现，有很多人对GBDT算法进行了开源代码的开发，比较火的是陈天奇的XGBoost和微软的LightGBM

对投标文件进行报价打分及综合评价打分，可以设定权重分值，加权值，浮动值等

jquery五角星评分满分100分，用户web开发

28 部电影-超 70 万 用户-超 200 万条 评分评论 想看数据建议用notepad++打开 用于分析类型 推荐系统 情感/观点/评论 倾向性分析 豆瓣电影

MovieLens 20m 电影推荐数据集包含 138493位 用户对 27278部 电影的 20000263项 电影的评分(1-5分)，电影标签数为 465564个，数据采集自网站 movielens.umn.edu，时间段为 1995.01-2015.03。

这个是带有用户发布任务功能的，还有信用分评分什么的，挺全面，具体的大家搭建出来看一下就知道。 都是OK的。支付对接第三方个人免签，微信支付宝双通道，也挺舒服。去授权版本，第一次打开后台会提示未授权，重新进一下就OK了

python数据挖掘电影评分分析-豆瓣电影数据与票房数据分析.pdf

HDR评测标准参考用例，包括室内室外和夜景场景，用例包括阴影，逆光，人像，夜景灯光等。