算法如下

⑴ 一亩地最简单的算法

一亩地最简单的算法如下：

长（米）x宽（米）x0.0015＝亩数。

例1：长200米，宽150米的土地面积是多少亩？

200米x150米x0.0015

＝30000Ⅹ0.0015

＝45（亩）。

简易计算法，公式：长（米）x宽（米）÷667

一平方米等于0.0015亩。

⑵ 常见的分类算法

常见的分类算法如下：

（1）决策树

决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预测将来未知类别的记录的类别。

（2）贝叶斯

贝叶斯（Bayes）分类算法是一类利用概率统计知识进行分类的算法，如朴素贝叶斯（Naive Bayes）算法。这些算法主要利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。

（3）人工神经网络

人工神经网络（Artificial Neural Networks，ANN）是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在这种模型中，大量的节点（或称”神经元”，或”单元”）之间相互联接构成网络，即”神经网络”，以达到处理信息的目的。

（4）k-近邻

k-近邻（kNN，k-Nearest Neighbors)算法是一种基于实例的分类方法。该方法就是找出与未知样本x距离最近的k个训练样本，看这k个样本中多数属于哪一类，就把x归为那一类。

（5）支持向量机

支持向量机（SVM，Support Vector Machine）是Vapnik根据统计学习理论提出的一种新的学习方法，它的最大特点是根据结构风险最小化准则，以最大化分类间隔构造最优分类超平面来提高学习机的泛化能力，较好地解决了非线性、高维数、局部极小点等问题。

⑶ 工资的算法是什么

工资的算法如下：

日工资：月工资收入÷月计薪天数。

小时工资：月工资收入÷（月计薪天数×8小时）。

月计薪天数＝（365天－104天）÷12月＝21.75天。

休假天数：月出勤工资＝月工资标准×（1-1/21.75×事假天数）。

新员工及休假天数大于出勤天数的员工：月出勤工资＝月工资标准／21.75×出勤天数。

举例

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

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

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