演算法如下

⑴ 一畝地最簡單的演算法

一畝地最簡單的演算法如下：

長（米）x寬（米）x0.0015＝畝數。

例1：長200米，寬150米的土地面積是多少畝？

200米x150米x0.0015

＝30000Ⅹ0.0015

＝45（畝）。

簡易計演算法，公式：長（米）x寬（米）÷667

一平方米等於0.0015畝。

⑵ 常見的分類演算法

常見的分類演算法如下：

（1）決策樹

決策樹是用於分類和預測的主要技術之一，決策樹學習是以實例為基礎的歸納學習演算法，它著眼於從一組無次序、無規則的實例中推理出以決策樹表示的分類規則。構造決策樹的目的是找出屬性和類別間的關系，用它來預測將來未知類別的記錄的類別。

（2）貝葉斯

貝葉斯（Bayes）分類演算法是一類利用概率統計知識進行分類的演算法，如樸素貝葉斯（Naive Bayes）演算法。這些演算法主要利用Bayes定理來預測一個未知類別的樣本屬於各個類別的可能性，選擇其中可能性最大的一個類別作為該樣本的最終類別。

（3）人工神經網路

人工神經網路（Artificial Neural Networks，ANN）是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在這種模型中，大量的節點（或稱」神經元」，或」單元」）之間相互聯接構成網路，即」神經網路」，以達到處理信息的目的。

（4）k-近鄰

k-近鄰（kNN，k-Nearest Neighbors)演算法是一種基於實例的分類方法。該方法就是找出與未知樣本x距離最近的k個訓練樣本，看這k個樣本中多數屬於哪一類，就把x歸為那一類。

（5）支持向量機

支持向量機（SVM，Support Vector Machine）是Vapnik根據統計學習理論提出的一種新的學習方法，它的最大特點是根據結構風險最小化准則，以最大化分類間隔構造最優分類超平面來提高學習機的泛化能力，較好地解決了非線性、高維數、局部極小點等問題。

⑶ 工資的演算法是什麼

工資的演算法如下：

日工資：月工資收入÷月計薪天數。

小時工資：月工資收入÷（月計薪天數×8小時）。

月計薪天數＝（365天－104天）÷12月＝21.75天。

休假天數：月出勤工資＝月工資標准×（1-1/21.75×事假天數）。

新員工及休假天數大於出勤天數的員工：月出勤工資＝月工資標准／21.75×出勤天數。

舉例

例：某員工月薪2175元，7月份有23個工作日，員工缺勤1天，出勤是22天，本月月薪多少?

正演算法： 2175÷21.75×22×(21.75÷23)=2080.4元。

反演算法： 2175—2175÷21.75×1×(21.75÷23)=2080.4元。