Flash中心隐私保护政策:我们对用户隐私的承诺

需积分: 0 0 下载量 108 浏览量 更新于2024-06-23 收藏 295KB PDF 举报
Flash Center隐私保护政策 Flash Center隐私保护政策是重庆重橙网络科技有限公司(以下称“重橙公司”或“我们”)为保护用户隐私所制定的政策。本政策详细介绍了我们收集、使用信息的目的、方式和范围,旨在保障用户隐私安全。 **合法原则** 我们在收集和使用您的个人信息时,严格遵守现行法律法规的框架,确保我们的行为合法合规。 **安全保障原则** 我们竭尽全力采取各种可能的方法、措施,为您提供尽可能安全的产品使用环境,防止您的个人信息泄露、丢失。我们确保您的个人信息安全是我们的首要任务。 **透明原则** 我们通过本政策详细向您介绍我们收集、使用信息的目的、方式和范围,以确保您充分知悉并理解我们的隐私保护政策。 **必要原则** 我们仅收集与提供产品相关的信息,不会收集任何无关的信息,以保护您的隐私安全。 **我们收集信息的范围和方式** 我们根据合法、正当、必要的原则,仅收集实现产品功能所必要的信息。这些信息包括: 1. 您在使用我们软件时主动提供的信息,如注册时填写的信息、通过第三方账号或手机登录时提供的信息等。 2. 我们通过技术手段自动收集的信息,如 Cookies、IP 地址等。 **我们收集和使用信息的目的** 我们收集和使用您的个人信息,是为了提供更好的产品和服务,包括: 1. 帮助您完成账号注册,保护您的账号安全。 2. 提供个性化的游戏推荐,提高您的游戏体验。 3. 改进我们的产品和服务,提供更好的用户体验。 **信息的使用方式** 我们将您的个人信息用于以下目的: 1. 帮助您完成账号注册,保护您的账号安全。 2. 提供个性化的游戏推荐,提高您的游戏体验。 3. 改进我们的产品和服务,提供更好的用户体验。 **信息的储存、管理和安全** 我们将您的个人信息储存在安全的服务器上,并采取了各种安全措施来保护您的个人信息免受未经授权的访问、披露、修改或销毁。 **如何联系我们** 如果您有任何关于我们的隐私保护政策或对我们的实践的疑问或投诉,请随时联系我们,我们将尽力回答您的疑问或解决您的投诉。 Flash Center隐私保护政策旨在保护用户隐私安全,确保用户在使用我们的产品和服务时感到安全和信任。

import numpy as np import pandas as pd from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler from scipy.spatial.distance import cdist import matplotlib.pyplot as plt from pandas import DataFrame from sklearn.decomposition import PCA plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 pd.set_option('display.max_rows', None)#显示全部行 pd.set_option('display.max_columns', None)#显示全部列 np.set_printoptions(threshold=np.inf) pd.set_option('display.max_columns', 9000) pd.set_option('display.width', 9000) pd.set_option('display.max_colwidth', 9000) df = pd.read_csv(r'附件1.csv',encoding='gbk') X = np.array(df.iloc[:, 1:]) X=X[0:,1:] k=93 kmeans_model = KMeans(n_clusters=k, random_state=123) fit_kmeans = kmeans_model.fit(X) # 模型训练 #查看聚类结果 kmeans_cc = kmeans_model.cluster_centers_ # 聚类中心 print('各类聚类中心为:\n', kmeans_cc) kmeans_labels = kmeans_model.labels_ # 样本的类别标签 print('各样本的类别标签为:\n', kmeans_labels) r1 = pd.Series(kmeans_model.labels_).value_counts() # 统计不同类别样本的数目 print('最终每个类别的数目为:\n', r1) # 输出聚类分群的结果 # cluster_center = pd.DataFrame(kmeans_model.cluster_centers_, # columns=[ str(x) for x in range(1,94)]) # 将聚类中心放在数据框中 # cluster_center.index = pd.DataFrame(kmeans_model.labels_). \ # drop_duplicates().iloc[:, 0] # 将样本类别作为数据框索引 # print(cluster_center)代码解释

2023-06-13 上传