diff --git a/db2_for_machine_learning_samples/README.md b/db2_for_machine_learning_samples/README.md
new file mode 100644
index 0000000..1c1df91
--- /dev/null
+++ b/db2_for_machine_learning_samples/README.md
@@ -0,0 +1,77 @@
+# Db2 Samples For Machine Learning 
+
+Nowadays data scientists and data engineers have to collect, handle, and analyze huge sets of data. These huge sets of data allow companies and teams to make valuable and educated predictions and decisions for their buisness. However, these data sets are so huge that they won't fit in on your computer, or the script may take a long time to run. Due to this, these datasets are being stored in databases such as Db2 on Cloud that allows companies to hold huge datasets and run models much more quickly and scale at an alarming rate. 
+
+In these three notebooks, we will be demonstrating how programmers can use Db2 as a data source when creating machine learning models with huge data sets. Each notebook talks about how Db2 can be used with a specific popular machine learning libarary- `sklearn`, `h2o`, and `tensorflow`.
+
+Before you start using these notebooks, make sure you have created a Db2 On Cloud instance. You may also use any other current version of Db2 instances. However in the notebooks, we are specifically using Db2 on Cloud instances. 
+
+If you already have a Db2 instance, make sure you have that instances service credentials in handy and have loaded the two datasets. 
+
+Below will give instructions on how to create and load data onto a Db2 on Cloud instance. If you are using a different type of Db2 instance, the instructions will be different from below.
+
+
+
+### 1. Create an IBM Cloud account
+
+Create a free IBM on Cloud Account if you don't already have one using the following link:
+
+[IBM Cloud](https://cloud.ibm.com)
+
+Creating this account will give us access to `Db2 on Cloud` service.
+
+### 2. Load data into IBM Db2 on Cloud
+
+Now that we have created our IBM Cloud account. We need to create a Db2 on Cloud service. Once we have create that, we will then we able to load our data into our database.
+
+1. [Create Db2 on Cloud Service](#2a-create-db2-on-cloud-service)
+2. [Load Data into Db2 on Cloud](#2b-load-data-into-db2-on-cloud)
+
+#### 2a. Create Db2 on Cloud Service
+
+Go to the [dashboard](https://cloud.ibm.com) of your IBM Cloud account and the follow the steps to create your Db2 On Cloud service.
+
+![Searching For Db2 Service](docs/source/images/img-2.png)
+
+* In the search bar at the top of your dashboard, search `Db2`.
+* Although there are different database options to choose from, for the purposes of this tutorial we will be using the the `Db2` option. Click `Db2` when that option appears in the search bar.
+
+![Creating Db2 Service](docs/source/images/img-1.png)
+
+* For the service name, enter in `Data-Science-Track`.
+* Make sure you pick the region that is closest to where you currently reside.
+* Scroll down to the `Pricing Plan` section and choose the `Lite` plan.
+* Click `Create`
+
+>NOTE: You will be only able to create one instance per account.
+
+Once you have created your database instance, we can go back to the dashboard and click on the `View Resources` link under the `Resource Summary` section. You should then be able to see and verify that your Db2 instance has been created under the `Cloud Foundry Services` tab.  
+
+#### 2b. Load Data into Db2 on Cloud
+
+Go to the dashboard of your IBM Cloud account and the follow the steps to load your data onto Db2 On Cloud service.
+
+* In the search bar, search `Data-Science-Track` and click on your Db2 on Cloud service
+
+![Loading File](docs/source/images/img-3.png)
+
+* Click on `Open Console` which will direct you to the Db2 on Cloud Console.
+* Click on `Load` under the Hamburger menu.
+* Click on `browse files` and select `data/wine.csv` if you are using `Db2 Sample For Tensorflow.ipynb` OR `data/winequality-red.csv` for the other two notebooks
+* Click `Next`.
+
+![Create Table](docs/source/images/img-4.png)
+
+* The next step is to decide where our data will be stored. Click on the first schema that shows up, then select `New Table`.
+* Give a name to our table name and select `Create` and finally `Next`.
+* Make sure the column names and datatypes are correct, and click `Next`.
+* Click `Begin Load`.
+
+Once the job has been completed, our data has finally been loaded into our database.
+
+
+## License
+
+This code pattern is licensed under the Apache License, Version 2. Separate third-party code objects invoked within this code pattern are licensed by their respective providers pursuant to their own separate licenses. Contributions are subject to the [Developer Certificate of Origin, Version 1.1](https://developercertificate.org/) and the [Apache License, Version 2](https://www.apache.org/licenses/LICENSE-2.0.txt).
+
+[Apache License FAQ](https://www.apache.org/foundation/license-faq.html#WhatDoesItMEAN)
diff --git a/db2_for_machine_learning_samples/data/wine.csv b/db2_for_machine_learning_samples/data/wine.csv
new file mode 100755
index 0000000..10e3f2c
--- /dev/null
+++ b/db2_for_machine_learning_samples/data/wine.csv
@@ -0,0 +1,179 @@
+Wine,Alcohol,Malic.acid,Ash,Acl,Mg,Phenols,Flavanoids,Nonflavanoid.phenols,Proanth,Color.int,Hue,OD,Proline
+1,14.23,1.71,2.43,15.6,127,2.8,3.06,.28,2.29,5.64,1.04,3.92,1065
+1,13.2,1.78,2.14,11.2,100,2.65,2.76,.26,1.28,4.38,1.05,3.4,1050
+1,13.16,2.36,2.67,18.6,101,2.8,3.24,.3,2.81,5.68,1.03,3.17,1185
+1,14.37,1.95,2.5,16.8,113,3.85,3.49,.24,2.18,7.8,.86,3.45,1480
+1,13.24,2.59,2.87,21,118,2.8,2.69,.39,1.82,4.32,1.04,2.93,735
+1,14.2,1.76,2.45,15.2,112,3.27,3.39,.34,1.97,6.75,1.05,2.85,1450
+1,14.39,1.87,2.45,14.6,96,2.5,2.52,.3,1.98,5.25,1.02,3.58,1290
+1,14.06,2.15,2.61,17.6,121,2.6,2.51,.31,1.25,5.05,1.06,3.58,1295
+1,14.83,1.64,2.17,14,97,2.8,2.98,.29,1.98,5.2,1.08,2.85,1045
+1,13.86,1.35,2.27,16,98,2.98,3.15,.22,1.85,7.22,1.01,3.55,1045
+1,14.1,2.16,2.3,18,105,2.95,3.32,.22,2.38,5.75,1.25,3.17,1510
+1,14.12,1.48,2.32,16.8,95,2.2,2.43,.26,1.57,5,1.17,2.82,1280
+1,13.75,1.73,2.41,16,89,2.6,2.76,.29,1.81,5.6,1.15,2.9,1320
+1,14.75,1.73,2.39,11.4,91,3.1,3.69,.43,2.81,5.4,1.25,2.73,1150
+1,14.38,1.87,2.38,12,102,3.3,3.64,.29,2.96,7.5,1.2,3,1547
+1,13.63,1.81,2.7,17.2,112,2.85,2.91,.3,1.46,7.3,1.28,2.88,1310
+1,14.3,1.92,2.72,20,120,2.8,3.14,.33,1.97,6.2,1.07,2.65,1280
+1,13.83,1.57,2.62,20,115,2.95,3.4,.4,1.72,6.6,1.13,2.57,1130
+1,14.19,1.59,2.48,16.5,108,3.3,3.93,.32,1.86,8.7,1.23,2.82,1680
+1,13.64,3.1,2.56,15.2,116,2.7,3.03,.17,1.66,5.1,.96,3.36,845
+1,14.06,1.63,2.28,16,126,3,3.17,.24,2.1,5.65,1.09,3.71,780
+1,12.93,3.8,2.65,18.6,102,2.41,2.41,.25,1.98,4.5,1.03,3.52,770
+1,13.71,1.86,2.36,16.6,101,2.61,2.88,.27,1.69,3.8,1.11,4,1035
+1,12.85,1.6,2.52,17.8,95,2.48,2.37,.26,1.46,3.93,1.09,3.63,1015
+1,13.5,1.81,2.61,20,96,2.53,2.61,.28,1.66,3.52,1.12,3.82,845
+1,13.05,2.05,3.22,25,124,2.63,2.68,.47,1.92,3.58,1.13,3.2,830
+1,13.39,1.77,2.62,16.1,93,2.85,2.94,.34,1.45,4.8,.92,3.22,1195
+1,13.3,1.72,2.14,17,94,2.4,2.19,.27,1.35,3.95,1.02,2.77,1285
+1,13.87,1.9,2.8,19.4,107,2.95,2.97,.37,1.76,4.5,1.25,3.4,915
+1,14.02,1.68,2.21,16,96,2.65,2.33,.26,1.98,4.7,1.04,3.59,1035
+1,13.73,1.5,2.7,22.5,101,3,3.25,.29,2.38,5.7,1.19,2.71,1285
+1,13.58,1.66,2.36,19.1,106,2.86,3.19,.22,1.95,6.9,1.09,2.88,1515
+1,13.68,1.83,2.36,17.2,104,2.42,2.69,.42,1.97,3.84,1.23,2.87,990
+1,13.76,1.53,2.7,19.5,132,2.95,2.74,.5,1.35,5.4,1.25,3,1235
+1,13.51,1.8,2.65,19,110,2.35,2.53,.29,1.54,4.2,1.1,2.87,1095
+1,13.48,1.81,2.41,20.5,100,2.7,2.98,.26,1.86,5.1,1.04,3.47,920
+1,13.28,1.64,2.84,15.5,110,2.6,2.68,.34,1.36,4.6,1.09,2.78,880
+1,13.05,1.65,2.55,18,98,2.45,2.43,.29,1.44,4.25,1.12,2.51,1105
+1,13.07,1.5,2.1,15.5,98,2.4,2.64,.28,1.37,3.7,1.18,2.69,1020
+1,14.22,3.99,2.51,13.2,128,3,3.04,.2,2.08,5.1,.89,3.53,760
+1,13.56,1.71,2.31,16.2,117,3.15,3.29,.34,2.34,6.13,.95,3.38,795
+1,13.41,3.84,2.12,18.8,90,2.45,2.68,.27,1.48,4.28,.91,3,1035
+1,13.88,1.89,2.59,15,101,3.25,3.56,.17,1.7,5.43,.88,3.56,1095
+1,13.24,3.98,2.29,17.5,103,2.64,2.63,.32,1.66,4.36,.82,3,680
+1,13.05,1.77,2.1,17,107,3,3,.28,2.03,5.04,.88,3.35,885
+1,14.21,4.04,2.44,18.9,111,2.85,2.65,.3,1.25,5.24,.87,3.33,1080
+1,14.38,3.59,2.28,16,102,3.25,3.17,.27,2.19,4.9,1.04,3.44,1065
+1,13.9,1.68,2.12,16,101,3.1,3.39,.21,2.14,6.1,.91,3.33,985
+1,14.1,2.02,2.4,18.8,103,2.75,2.92,.32,2.38,6.2,1.07,2.75,1060
+1,13.94,1.73,2.27,17.4,108,2.88,3.54,.32,2.08,8.90,1.12,3.1,1260
+1,13.05,1.73,2.04,12.4,92,2.72,3.27,.17,2.91,7.2,1.12,2.91,1150
+1,13.83,1.65,2.6,17.2,94,2.45,2.99,.22,2.29,5.6,1.24,3.37,1265
+1,13.82,1.75,2.42,14,111,3.88,3.74,.32,1.87,7.05,1.01,3.26,1190
+1,13.77,1.9,2.68,17.1,115,3,2.79,.39,1.68,6.3,1.13,2.93,1375
+1,13.74,1.67,2.25,16.4,118,2.6,2.9,.21,1.62,5.85,.92,3.2,1060
+1,13.56,1.73,2.46,20.5,116,2.96,2.78,.2,2.45,6.25,.98,3.03,1120
+1,14.22,1.7,2.3,16.3,118,3.2,3,.26,2.03,6.38,.94,3.31,970
+1,13.29,1.97,2.68,16.8,102,3,3.23,.31,1.66,6,1.07,2.84,1270
+1,13.72,1.43,2.5,16.7,108,3.4,3.67,.19,2.04,6.8,.89,2.87,1285
+2,12.37,.94,1.36,10.6,88,1.98,.57,.28,.42,1.95,1.05,1.82,520
+2,12.33,1.1,2.28,16,101,2.05,1.09,.63,.41,3.27,1.25,1.67,680
+2,12.64,1.36,2.02,16.8,100,2.02,1.41,.53,.62,5.75,.98,1.59,450
+2,13.67,1.25,1.92,18,94,2.1,1.79,.32,.73,3.8,1.23,2.46,630
+2,12.37,1.13,2.16,19,87,3.5,3.1,.19,1.87,4.45,1.22,2.87,420
+2,12.17,1.45,2.53,19,104,1.89,1.75,.45,1.03,2.95,1.45,2.23,355
+2,12.37,1.21,2.56,18.1,98,2.42,2.65,.37,2.08,4.6,1.19,2.3,678
+2,13.11,1.01,1.7,15,78,2.98,3.18,.26,2.28,5.3,1.12,3.18,502
+2,12.37,1.17,1.92,19.6,78,2.11,2,.27,1.04,4.68,1.12,3.48,510
+2,13.34,.94,2.36,17,110,2.53,1.3,.55,.42,3.17,1.02,1.93,750
+2,12.21,1.19,1.75,16.8,151,1.85,1.28,.14,2.5,2.85,1.28,3.07,718
+2,12.29,1.61,2.21,20.4,103,1.1,1.02,.37,1.46,3.05,.906,1.82,870
+2,13.86,1.51,2.67,25,86,2.95,2.86,.21,1.87,3.38,1.36,3.16,410
+2,13.49,1.66,2.24,24,87,1.88,1.84,.27,1.03,3.74,.98,2.78,472
+2,12.99,1.67,2.6,30,139,3.3,2.89,.21,1.96,3.35,1.31,3.5,985
+2,11.96,1.09,2.3,21,101,3.38,2.14,.13,1.65,3.21,.99,3.13,886
+2,11.66,1.88,1.92,16,97,1.61,1.57,.34,1.15,3.8,1.23,2.14,428
+2,13.03,.9,1.71,16,86,1.95,2.03,.24,1.46,4.6,1.19,2.48,392
+2,11.84,2.89,2.23,18,112,1.72,1.32,.43,.95,2.65,.96,2.52,500
+2,12.33,.99,1.95,14.8,136,1.9,1.85,.35,2.76,3.4,1.06,2.31,750
+2,12.7,3.87,2.4,23,101,2.83,2.55,.43,1.95,2.57,1.19,3.13,463
+2,12,.92,2,19,86,2.42,2.26,.3,1.43,2.5,1.38,3.12,278
+2,12.72,1.81,2.2,18.8,86,2.2,2.53,.26,1.77,3.9,1.16,3.14,714
+2,12.08,1.13,2.51,24,78,2,1.58,.4,1.4,2.2,1.31,2.72,630
+2,13.05,3.86,2.32,22.5,85,1.65,1.59,.61,1.62,4.8,.84,2.01,515
+2,11.84,.89,2.58,18,94,2.2,2.21,.22,2.35,3.05,.79,3.08,520
+2,12.67,.98,2.24,18,99,2.2,1.94,.3,1.46,2.62,1.23,3.16,450
+2,12.16,1.61,2.31,22.8,90,1.78,1.69,.43,1.56,2.45,1.33,2.26,495
+2,11.65,1.67,2.62,26,88,1.92,1.61,.4,1.34,2.6,1.36,3.21,562
+2,11.64,2.06,2.46,21.6,84,1.95,1.69,.48,1.35,2.8,1,2.75,680
+2,12.08,1.33,2.3,23.6,70,2.2,1.59,.42,1.38,1.74,1.07,3.21,625
+2,12.08,1.83,2.32,18.5,81,1.6,1.5,.52,1.64,2.4,1.08,2.27,480
+2,12,1.51,2.42,22,86,1.45,1.25,.5,1.63,3.6,1.05,2.65,450
+2,12.69,1.53,2.26,20.7,80,1.38,1.46,.58,1.62,3.05,.96,2.06,495
+2,12.29,2.83,2.22,18,88,2.45,2.25,.25,1.99,2.15,1.15,3.3,290
+2,11.62,1.99,2.28,18,98,3.02,2.26,.17,1.35,3.25,1.16,2.96,345
+2,12.47,1.52,2.2,19,162,2.5,2.27,.32,3.28,2.6,1.16,2.63,937
+2,11.81,2.12,2.74,21.5,134,1.6,.99,.14,1.56,2.5,.95,2.26,625
+2,12.29,1.41,1.98,16,85,2.55,2.5,.29,1.77,2.9,1.23,2.74,428
+2,12.37,1.07,2.1,18.5,88,3.52,3.75,.24,1.95,4.5,1.04,2.77,660
+2,12.29,3.17,2.21,18,88,2.85,2.99,.45,2.81,2.3,1.42,2.83,406
+2,12.08,2.08,1.7,17.5,97,2.23,2.17,.26,1.4,3.3,1.27,2.96,710
+2,12.6,1.34,1.9,18.5,88,1.45,1.36,.29,1.35,2.45,1.04,2.77,562
+2,12.34,2.45,2.46,21,98,2.56,2.11,.34,1.31,2.8,.8,3.38,438
+2,11.82,1.72,1.88,19.5,86,2.5,1.64,.37,1.42,2.06,.94,2.44,415
+2,12.51,1.73,1.98,20.5,85,2.2,1.92,.32,1.48,2.94,1.04,3.57,672
+2,12.42,2.55,2.27,22,90,1.68,1.84,.66,1.42,2.7,.86,3.3,315
+2,12.25,1.73,2.12,19,80,1.65,2.03,.37,1.63,3.4,1,3.17,510
+2,12.72,1.75,2.28,22.5,84,1.38,1.76,.48,1.63,3.3,.88,2.42,488
+2,12.22,1.29,1.94,19,92,2.36,2.04,.39,2.08,2.7,.86,3.02,312
+2,11.61,1.35,2.7,20,94,2.74,2.92,.29,2.49,2.65,.96,3.26,680
+2,11.46,3.74,1.82,19.5,107,3.18,2.58,.24,3.58,2.9,.75,2.81,562
+2,12.52,2.43,2.17,21,88,2.55,2.27,.26,1.22,2,.9,2.78,325
+2,11.76,2.68,2.92,20,103,1.75,2.03,.6,1.05,3.8,1.23,2.5,607
+2,11.41,.74,2.5,21,88,2.48,2.01,.42,1.44,3.08,1.1,2.31,434
+2,12.08,1.39,2.5,22.5,84,2.56,2.29,.43,1.04,2.9,.93,3.19,385
+2,11.03,1.51,2.2,21.5,85,2.46,2.17,.52,2.01,1.9,1.71,2.87,407
+2,11.82,1.47,1.99,20.8,86,1.98,1.6,.3,1.53,1.95,.95,3.33,495
+2,12.42,1.61,2.19,22.5,108,2,2.09,.34,1.61,2.06,1.06,2.96,345
+2,12.77,3.43,1.98,16,80,1.63,1.25,.43,.83,3.4,.7,2.12,372
+2,12,3.43,2,19,87,2,1.64,.37,1.87,1.28,.93,3.05,564
+2,11.45,2.4,2.42,20,96,2.9,2.79,.32,1.83,3.25,.8,3.39,625
+2,11.56,2.05,3.23,28.5,119,3.18,5.08,.47,1.87,6,.93,3.69,465
+2,12.42,4.43,2.73,26.5,102,2.2,2.13,.43,1.71,2.08,.92,3.12,365
+2,13.05,5.8,2.13,21.5,86,2.62,2.65,.3,2.01,2.6,.73,3.1,380
+2,11.87,4.31,2.39,21,82,2.86,3.03,.21,2.91,2.8,.75,3.64,380
+2,12.07,2.16,2.17,21,85,2.6,2.65,.37,1.35,2.76,.86,3.28,378
+2,12.43,1.53,2.29,21.5,86,2.74,3.15,.39,1.77,3.94,.69,2.84,352
+2,11.79,2.13,2.78,28.5,92,2.13,2.24,.58,1.76,3,.97,2.44,466
+2,12.37,1.63,2.3,24.5,88,2.22,2.45,.4,1.9,2.12,.89,2.78,342
+2,12.04,4.3,2.38,22,80,2.1,1.75,.42,1.35,2.6,.79,2.57,580
+3,12.86,1.35,2.32,18,122,1.51,1.25,.21,.94,4.1,.76,1.29,630
+3,12.88,2.99,2.4,20,104,1.3,1.22,.24,.83,5.4,.74,1.42,530
+3,12.81,2.31,2.4,24,98,1.15,1.09,.27,.83,5.7,.66,1.36,560
+3,12.7,3.55,2.36,21.5,106,1.7,1.2,.17,.84,5,.78,1.29,600
+3,12.51,1.24,2.25,17.5,85,2,.58,.6,1.25,5.45,.75,1.51,650
+3,12.6,2.46,2.2,18.5,94,1.62,.66,.63,.94,7.1,.73,1.58,695
+3,12.25,4.72,2.54,21,89,1.38,.47,.53,.8,3.85,.75,1.27,720
+3,12.53,5.51,2.64,25,96,1.79,.6,.63,1.1,5,.82,1.69,515
+3,13.49,3.59,2.19,19.5,88,1.62,.48,.58,.88,5.7,.81,1.82,580
+3,12.84,2.96,2.61,24,101,2.32,.6,.53,.81,4.92,.89,2.15,590
+3,12.93,2.81,2.7,21,96,1.54,.5,.53,.75,4.6,.77,2.31,600
+3,13.36,2.56,2.35,20,89,1.4,.5,.37,.64,5.6,.7,2.47,780
+3,13.52,3.17,2.72,23.5,97,1.55,.52,.5,.55,4.35,.89,2.06,520
+3,13.62,4.95,2.35,20,92,2,.8,.47,1.02,4.4,.91,2.05,550
+3,12.25,3.88,2.2,18.5,112,1.38,.78,.29,1.14,8.21,.65,2,855
+3,13.16,3.57,2.15,21,102,1.5,.55,.43,1.3,4,.6,1.68,830
+3,13.88,5.04,2.23,20,80,.98,.34,.4,.68,4.9,.58,1.33,415
+3,12.87,4.61,2.48,21.5,86,1.7,.65,.47,.86,7.65,.54,1.86,625
+3,13.32,3.24,2.38,21.5,92,1.93,.76,.45,1.25,8.42,.55,1.62,650
+3,13.08,3.9,2.36,21.5,113,1.41,1.39,.34,1.14,9.40,.57,1.33,550
+3,13.5,3.12,2.62,24,123,1.4,1.57,.22,1.25,8.60,.59,1.3,500
+3,12.79,2.67,2.48,22,112,1.48,1.36,.24,1.26,10.8,.48,1.47,480
+3,13.11,1.9,2.75,25.5,116,2.2,1.28,.26,1.56,7.1,.61,1.33,425
+3,13.23,3.3,2.28,18.5,98,1.8,.83,.61,1.87,10.52,.56,1.51,675
+3,12.58,1.29,2.1,20,103,1.48,.58,.53,1.4,7.6,.58,1.55,640
+3,13.17,5.19,2.32,22,93,1.74,.63,.61,1.55,7.9,.6,1.48,725
+3,13.84,4.12,2.38,19.5,89,1.8,.83,.48,1.56,9.01,.57,1.64,480
+3,12.45,3.03,2.64,27,97,1.9,.58,.63,1.14,7.5,.67,1.73,880
+3,14.34,1.68,2.7,25,98,2.8,1.31,.53,2.7,13,.57,1.96,660
+3,13.48,1.67,2.64,22.5,89,2.6,1.1,.52,2.29,11.75,.57,1.78,620
+3,12.36,3.83,2.38,21,88,2.3,.92,.5,1.04,7.65,.56,1.58,520
+3,13.69,3.26,2.54,20,107,1.83,.56,.5,.8,5.88,.96,1.82,680
+3,12.85,3.27,2.58,22,106,1.65,.6,.6,.96,5.58,.87,2.11,570
+3,12.96,3.45,2.35,18.5,106,1.39,.7,.4,.94,5.28,.68,1.75,675
+3,13.78,2.76,2.3,22,90,1.35,.68,.41,1.03,9.58,.7,1.68,615
+3,13.73,4.36,2.26,22.5,88,1.28,.47,.52,1.15,6.62,.78,1.75,520
+3,13.45,3.7,2.6,23,111,1.7,.92,.43,1.46,10.68,.85,1.56,695
+3,12.82,3.37,2.3,19.5,88,1.48,.66,.4,.97,10.26,.72,1.75,685
+3,13.58,2.58,2.69,24.5,105,1.55,.84,.39,1.54,8.66,.74,1.8,750
+3,13.4,4.6,2.86,25,112,1.98,.96,.27,1.11,8.5,.67,1.92,630
+3,12.2,3.03,2.32,19,96,1.25,.49,.4,.73,5.5,.66,1.83,510
+3,12.77,2.39,2.28,19.5,86,1.39,.51,.48,.64,9.899999,.57,1.63,470
+3,14.16,2.51,2.48,20,91,1.68,.7,.44,1.24,9.7,.62,1.71,660
+3,13.71,5.65,2.45,20.5,95,1.68,.61,.52,1.06,7.7,.64,1.74,740
+3,13.4,3.91,2.48,23,102,1.8,.75,.43,1.41,7.3,.7,1.56,750
+3,13.27,4.28,2.26,20,120,1.59,.69,.43,1.35,10.2,.59,1.56,835
+3,13.17,2.59,2.37,20,120,1.65,.68,.53,1.46,9.3,.6,1.62,840
+3,14.13,4.1,2.74,24.5,96,2.05,.76,.56,1.35,9.2,.61,1.6,560
\ No newline at end of file
diff --git a/db2_for_machine_learning_samples/data/winequality-red.csv b/db2_for_machine_learning_samples/data/winequality-red.csv
new file mode 100644
index 0000000..9bb4e3c
--- /dev/null
+++ b/db2_for_machine_learning_samples/data/winequality-red.csv
@@ -0,0 +1,1600 @@
+"fixed acidity";"volatile acidity";"citric acid";"residual sugar";"chlorides";"free sulfur dioxide";"total sulfur dioxide";"density";"pH";"sulphates";"alcohol";"quality"
+7.4;0.7;0;1.9;0.076;11;34;0.9978;3.51;0.56;9.4;5
+7.8;0.88;0;2.6;0.098;25;67;0.9968;3.2;0.68;9.8;5
+7.8;0.76;0.04;2.3;0.092;15;54;0.997;3.26;0.65;9.8;5
+11.2;0.28;0.56;1.9;0.075;17;60;0.998;3.16;0.58;9.8;6
+7.4;0.7;0;1.9;0.076;11;34;0.9978;3.51;0.56;9.4;5
+7.4;0.66;0;1.8;0.075;13;40;0.9978;3.51;0.56;9.4;5
+7.9;0.6;0.06;1.6;0.069;15;59;0.9964;3.3;0.46;9.4;5
+7.3;0.65;0;1.2;0.065;15;21;0.9946;3.39;0.47;10;7
+7.8;0.58;0.02;2;0.073;9;18;0.9968;3.36;0.57;9.5;7
+7.5;0.5;0.36;6.1;0.071;17;102;0.9978;3.35;0.8;10.5;5
+6.7;0.58;0.08;1.8;0.097;15;65;0.9959;3.28;0.54;9.2;5
+7.5;0.5;0.36;6.1;0.071;17;102;0.9978;3.35;0.8;10.5;5
+5.6;0.615;0;1.6;0.089;16;59;0.9943;3.58;0.52;9.9;5
+7.8;0.61;0.29;1.6;0.114;9;29;0.9974;3.26;1.56;9.1;5
+8.9;0.62;0.18;3.8;0.176;52;145;0.9986;3.16;0.88;9.2;5
+8.9;0.62;0.19;3.9;0.17;51;148;0.9986;3.17;0.93;9.2;5
+8.5;0.28;0.56;1.8;0.092;35;103;0.9969;3.3;0.75;10.5;7
+8.1;0.56;0.28;1.7;0.368;16;56;0.9968;3.11;1.28;9.3;5
+7.4;0.59;0.08;4.4;0.086;6;29;0.9974;3.38;0.5;9;4
+7.9;0.32;0.51;1.8;0.341;17;56;0.9969;3.04;1.08;9.2;6
+8.9;0.22;0.48;1.8;0.077;29;60;0.9968;3.39;0.53;9.4;6
+7.6;0.39;0.31;2.3;0.082;23;71;0.9982;3.52;0.65;9.7;5
+7.9;0.43;0.21;1.6;0.106;10;37;0.9966;3.17;0.91;9.5;5
+8.5;0.49;0.11;2.3;0.084;9;67;0.9968;3.17;0.53;9.4;5
+6.9;0.4;0.14;2.4;0.085;21;40;0.9968;3.43;0.63;9.7;6
+6.3;0.39;0.16;1.4;0.08;11;23;0.9955;3.34;0.56;9.3;5
+7.6;0.41;0.24;1.8;0.08;4;11;0.9962;3.28;0.59;9.5;5
+7.9;0.43;0.21;1.6;0.106;10;37;0.9966;3.17;0.91;9.5;5
+7.1;0.71;0;1.9;0.08;14;35;0.9972;3.47;0.55;9.4;5
+7.8;0.645;0;2;0.082;8;16;0.9964;3.38;0.59;9.8;6
+6.7;0.675;0.07;2.4;0.089;17;82;0.9958;3.35;0.54;10.1;5
+6.9;0.685;0;2.5;0.105;22;37;0.9966;3.46;0.57;10.6;6
+8.3;0.655;0.12;2.3;0.083;15;113;0.9966;3.17;0.66;9.8;5
+6.9;0.605;0.12;10.7;0.073;40;83;0.9993;3.45;0.52;9.4;6
+5.2;0.32;0.25;1.8;0.103;13;50;0.9957;3.38;0.55;9.2;5
+7.8;0.645;0;5.5;0.086;5;18;0.9986;3.4;0.55;9.6;6
+7.8;0.6;0.14;2.4;0.086;3;15;0.9975;3.42;0.6;10.8;6
+8.1;0.38;0.28;2.1;0.066;13;30;0.9968;3.23;0.73;9.7;7
+5.7;1.13;0.09;1.5;0.172;7;19;0.994;3.5;0.48;9.8;4
+7.3;0.45;0.36;5.9;0.074;12;87;0.9978;3.33;0.83;10.5;5
+7.3;0.45;0.36;5.9;0.074;12;87;0.9978;3.33;0.83;10.5;5
+8.8;0.61;0.3;2.8;0.088;17;46;0.9976;3.26;0.51;9.3;4
+7.5;0.49;0.2;2.6;0.332;8;14;0.9968;3.21;0.9;10.5;6
+8.1;0.66;0.22;2.2;0.069;9;23;0.9968;3.3;1.2;10.3;5
+6.8;0.67;0.02;1.8;0.05;5;11;0.9962;3.48;0.52;9.5;5
+4.6;0.52;0.15;2.1;0.054;8;65;0.9934;3.9;0.56;13.1;4
+7.7;0.935;0.43;2.2;0.114;22;114;0.997;3.25;0.73;9.2;5
+8.7;0.29;0.52;1.6;0.113;12;37;0.9969;3.25;0.58;9.5;5
+6.4;0.4;0.23;1.6;0.066;5;12;0.9958;3.34;0.56;9.2;5
+5.6;0.31;0.37;1.4;0.074;12;96;0.9954;3.32;0.58;9.2;5
+8.8;0.66;0.26;1.7;0.074;4;23;0.9971;3.15;0.74;9.2;5
+6.6;0.52;0.04;2.2;0.069;8;15;0.9956;3.4;0.63;9.4;6
+6.6;0.5;0.04;2.1;0.068;6;14;0.9955;3.39;0.64;9.4;6
+8.6;0.38;0.36;3;0.081;30;119;0.997;3.2;0.56;9.4;5
+7.6;0.51;0.15;2.8;0.11;33;73;0.9955;3.17;0.63;10.2;6
+7.7;0.62;0.04;3.8;0.084;25;45;0.9978;3.34;0.53;9.5;5
+10.2;0.42;0.57;3.4;0.07;4;10;0.9971;3.04;0.63;9.6;5
+7.5;0.63;0.12;5.1;0.111;50;110;0.9983;3.26;0.77;9.4;5
+7.8;0.59;0.18;2.3;0.076;17;54;0.9975;3.43;0.59;10;5
+7.3;0.39;0.31;2.4;0.074;9;46;0.9962;3.41;0.54;9.4;6
+8.8;0.4;0.4;2.2;0.079;19;52;0.998;3.44;0.64;9.2;5
+7.7;0.69;0.49;1.8;0.115;20;112;0.9968;3.21;0.71;9.3;5
+7.5;0.52;0.16;1.9;0.085;12;35;0.9968;3.38;0.62;9.5;7
+7;0.735;0.05;2;0.081;13;54;0.9966;3.39;0.57;9.8;5
+7.2;0.725;0.05;4.65;0.086;4;11;0.9962;3.41;0.39;10.9;5
+7.2;0.725;0.05;4.65;0.086;4;11;0.9962;3.41;0.39;10.9;5
+7.5;0.52;0.11;1.5;0.079;11;39;0.9968;3.42;0.58;9.6;5
+6.6;0.705;0.07;1.6;0.076;6;15;0.9962;3.44;0.58;10.7;5
+9.3;0.32;0.57;2;0.074;27;65;0.9969;3.28;0.79;10.7;5
+8;0.705;0.05;1.9;0.074;8;19;0.9962;3.34;0.95;10.5;6
+7.7;0.63;0.08;1.9;0.076;15;27;0.9967;3.32;0.54;9.5;6
+7.7;0.67;0.23;2.1;0.088;17;96;0.9962;3.32;0.48;9.5;5
+7.7;0.69;0.22;1.9;0.084;18;94;0.9961;3.31;0.48;9.5;5
+8.3;0.675;0.26;2.1;0.084;11;43;0.9976;3.31;0.53;9.2;4
+9.7;0.32;0.54;2.5;0.094;28;83;0.9984;3.28;0.82;9.6;5
+8.8;0.41;0.64;2.2;0.093;9;42;0.9986;3.54;0.66;10.5;5
+8.8;0.41;0.64;2.2;0.093;9;42;0.9986;3.54;0.66;10.5;5
+6.8;0.785;0;2.4;0.104;14;30;0.9966;3.52;0.55;10.7;6
+6.7;0.75;0.12;2;0.086;12;80;0.9958;3.38;0.52;10.1;5
+8.3;0.625;0.2;1.5;0.08;27;119;0.9972;3.16;1.12;9.1;4
+6.2;0.45;0.2;1.6;0.069;3;15;0.9958;3.41;0.56;9.2;5
+7.8;0.43;0.7;1.9;0.464;22;67;0.9974;3.13;1.28;9.4;5
+7.4;0.5;0.47;2;0.086;21;73;0.997;3.36;0.57;9.1;5
+7.3;0.67;0.26;1.8;0.401;16;51;0.9969;3.16;1.14;9.4;5
+6.3;0.3;0.48;1.8;0.069;18;61;0.9959;3.44;0.78;10.3;6
+6.9;0.55;0.15;2.2;0.076;19;40;0.9961;3.41;0.59;10.1;5
+8.6;0.49;0.28;1.9;0.11;20;136;0.9972;2.93;1.95;9.9;6
+7.7;0.49;0.26;1.9;0.062;9;31;0.9966;3.39;0.64;9.6;5
+9.3;0.39;0.44;2.1;0.107;34;125;0.9978;3.14;1.22;9.5;5
+7;0.62;0.08;1.8;0.076;8;24;0.9978;3.48;0.53;9;5
+7.9;0.52;0.26;1.9;0.079;42;140;0.9964;3.23;0.54;9.5;5
+8.6;0.49;0.28;1.9;0.11;20;136;0.9972;2.93;1.95;9.9;6
+8.6;0.49;0.29;2;0.11;19;133;0.9972;2.93;1.98;9.8;5
+7.7;0.49;0.26;1.9;0.062;9;31;0.9966;3.39;0.64;9.6;5
+5;1.02;0.04;1.4;0.045;41;85;0.9938;3.75;0.48;10.5;4
+4.7;0.6;0.17;2.3;0.058;17;106;0.9932;3.85;0.6;12.9;6
+6.8;0.775;0;3;0.102;8;23;0.9965;3.45;0.56;10.7;5
+7;0.5;0.25;2;0.07;3;22;0.9963;3.25;0.63;9.2;5
+7.6;0.9;0.06;2.5;0.079;5;10;0.9967;3.39;0.56;9.8;5
+8.1;0.545;0.18;1.9;0.08;13;35;0.9972;3.3;0.59;9;6
+8.3;0.61;0.3;2.1;0.084;11;50;0.9972;3.4;0.61;10.2;6
+7.8;0.5;0.3;1.9;0.075;8;22;0.9959;3.31;0.56;10.4;6
+8.1;0.545;0.18;1.9;0.08;13;35;0.9972;3.3;0.59;9;6
+8.1;0.575;0.22;2.1;0.077;12;65;0.9967;3.29;0.51;9.2;5
+7.2;0.49;0.24;2.2;0.07;5;36;0.996;3.33;0.48;9.4;5
+8.1;0.575;0.22;2.1;0.077;12;65;0.9967;3.29;0.51;9.2;5
+7.8;0.41;0.68;1.7;0.467;18;69;0.9973;3.08;1.31;9.3;5
+6.2;0.63;0.31;1.7;0.088;15;64;0.9969;3.46;0.79;9.3;5
+8;0.33;0.53;2.5;0.091;18;80;0.9976;3.37;0.8;9.6;6
+8.1;0.785;0.52;2;0.122;37;153;0.9969;3.21;0.69;9.3;5
+7.8;0.56;0.19;1.8;0.104;12;47;0.9964;3.19;0.93;9.5;5
+8.4;0.62;0.09;2.2;0.084;11;108;0.9964;3.15;0.66;9.8;5
+8.4;0.6;0.1;2.2;0.085;14;111;0.9964;3.15;0.66;9.8;5
+10.1;0.31;0.44;2.3;0.08;22;46;0.9988;3.32;0.67;9.7;6
+7.8;0.56;0.19;1.8;0.104;12;47;0.9964;3.19;0.93;9.5;5
+9.4;0.4;0.31;2.2;0.09;13;62;0.9966;3.07;0.63;10.5;6
+8.3;0.54;0.28;1.9;0.077;11;40;0.9978;3.39;0.61;10;6
+7.8;0.56;0.12;2;0.082;7;28;0.997;3.37;0.5;9.4;6
+8.8;0.55;0.04;2.2;0.119;14;56;0.9962;3.21;0.6;10.9;6
+7;0.69;0.08;1.8;0.097;22;89;0.9959;3.34;0.54;9.2;6
+7.3;1.07;0.09;1.7;0.178;10;89;0.9962;3.3;0.57;9;5
+8.8;0.55;0.04;2.2;0.119;14;56;0.9962;3.21;0.6;10.9;6
+7.3;0.695;0;2.5;0.075;3;13;0.998;3.49;0.52;9.2;5
+8;0.71;0;2.6;0.08;11;34;0.9976;3.44;0.53;9.5;5
+7.8;0.5;0.17;1.6;0.082;21;102;0.996;3.39;0.48;9.5;5
+9;0.62;0.04;1.9;0.146;27;90;0.9984;3.16;0.7;9.4;5
+8.2;1.33;0;1.7;0.081;3;12;0.9964;3.53;0.49;10.9;5
+8.1;1.33;0;1.8;0.082;3;12;0.9964;3.54;0.48;10.9;5
+8;0.59;0.16;1.8;0.065;3;16;0.9962;3.42;0.92;10.5;7
+6.1;0.38;0.15;1.8;0.072;6;19;0.9955;3.42;0.57;9.4;5
+8;0.745;0.56;2;0.118;30;134;0.9968;3.24;0.66;9.4;5
+5.6;0.5;0.09;2.3;0.049;17;99;0.9937;3.63;0.63;13;5
+5.6;0.5;0.09;2.3;0.049;17;99;0.9937;3.63;0.63;13;5
+6.6;0.5;0.01;1.5;0.06;17;26;0.9952;3.4;0.58;9.8;6
+7.9;1.04;0.05;2.2;0.084;13;29;0.9959;3.22;0.55;9.9;6
+8.4;0.745;0.11;1.9;0.09;16;63;0.9965;3.19;0.82;9.6;5
+8.3;0.715;0.15;1.8;0.089;10;52;0.9968;3.23;0.77;9.5;5
+7.2;0.415;0.36;2;0.081;13;45;0.9972;3.48;0.64;9.2;5
+7.8;0.56;0.19;2.1;0.081;15;105;0.9962;3.33;0.54;9.5;5
+7.8;0.56;0.19;2;0.081;17;108;0.9962;3.32;0.54;9.5;5
+8.4;0.745;0.11;1.9;0.09;16;63;0.9965;3.19;0.82;9.6;5
+8.3;0.715;0.15;1.8;0.089;10;52;0.9968;3.23;0.77;9.5;5
+5.2;0.34;0;1.8;0.05;27;63;0.9916;3.68;0.79;14;6
+6.3;0.39;0.08;1.7;0.066;3;20;0.9954;3.34;0.58;9.4;5
+5.2;0.34;0;1.8;0.05;27;63;0.9916;3.68;0.79;14;6
+8.1;0.67;0.55;1.8;0.117;32;141;0.9968;3.17;0.62;9.4;5
+5.8;0.68;0.02;1.8;0.087;21;94;0.9944;3.54;0.52;10;5
+7.6;0.49;0.26;1.6;0.236;10;88;0.9968;3.11;0.8;9.3;5
+6.9;0.49;0.1;2.3;0.074;12;30;0.9959;3.42;0.58;10.2;6
+8.2;0.4;0.44;2.8;0.089;11;43;0.9975;3.53;0.61;10.5;6
+7.3;0.33;0.47;2.1;0.077;5;11;0.9958;3.33;0.53;10.3;6
+9.2;0.52;1;3.4;0.61;32;69;0.9996;2.74;2.0;9.4;4
+7.5;0.6;0.03;1.8;0.095;25;99;0.995;3.35;0.54;10.1;5
+7.5;0.6;0.03;1.8;0.095;25;99;0.995;3.35;0.54;10.1;5
+7.1;0.43;0.42;5.5;0.07;29;129;0.9973;3.42;0.72;10.5;5
+7.1;0.43;0.42;5.5;0.071;28;128;0.9973;3.42;0.71;10.5;5
+7.1;0.43;0.42;5.5;0.07;29;129;0.9973;3.42;0.72;10.5;5
+7.1;0.43;0.42;5.5;0.071;28;128;0.9973;3.42;0.71;10.5;5
+7.1;0.68;0;2.2;0.073;12;22;0.9969;3.48;0.5;9.3;5
+6.8;0.6;0.18;1.9;0.079;18;86;0.9968;3.59;0.57;9.3;6
+7.6;0.95;0.03;2;0.09;7;20;0.9959;3.2;0.56;9.6;5
+7.6;0.68;0.02;1.3;0.072;9;20;0.9965;3.17;1.08;9.2;4
+7.8;0.53;0.04;1.7;0.076;17;31;0.9964;3.33;0.56;10;6
+7.4;0.6;0.26;7.3;0.07;36;121;0.9982;3.37;0.49;9.4;5
+7.3;0.59;0.26;7.2;0.07;35;121;0.9981;3.37;0.49;9.4;5
+7.8;0.63;0.48;1.7;0.1;14;96;0.9961;3.19;0.62;9.5;5
+6.8;0.64;0.1;2.1;0.085;18;101;0.9956;3.34;0.52;10.2;5
+7.3;0.55;0.03;1.6;0.072;17;42;0.9956;3.37;0.48;9;4
+6.8;0.63;0.07;2.1;0.089;11;44;0.9953;3.47;0.55;10.4;6
+7.5;0.705;0.24;1.8;0.36;15;63;0.9964;3;1.59;9.5;5
+7.9;0.885;0.03;1.8;0.058;4;8;0.9972;3.36;0.33;9.1;4
+8;0.42;0.17;2;0.073;6;18;0.9972;3.29;0.61;9.2;6
+8;0.42;0.17;2;0.073;6;18;0.9972;3.29;0.61;9.2;6
+7.4;0.62;0.05;1.9;0.068;24;42;0.9961;3.42;0.57;11.5;6
+7.3;0.38;0.21;2;0.08;7;35;0.9961;3.33;0.47;9.5;5
+6.9;0.5;0.04;1.5;0.085;19;49;0.9958;3.35;0.78;9.5;5
+7.3;0.38;0.21;2;0.08;7;35;0.9961;3.33;0.47;9.5;5
+7.5;0.52;0.42;2.3;0.087;8;38;0.9972;3.58;0.61;10.5;6
+7;0.805;0;2.5;0.068;7;20;0.9969;3.48;0.56;9.6;5
+8.8;0.61;0.14;2.4;0.067;10;42;0.9969;3.19;0.59;9.5;5
+8.8;0.61;0.14;2.4;0.067;10;42;0.9969;3.19;0.59;9.5;5
+8.9;0.61;0.49;2;0.27;23;110;0.9972;3.12;1.02;9.3;5
+7.2;0.73;0.02;2.5;0.076;16;42;0.9972;3.44;0.52;9.3;5
+6.8;0.61;0.2;1.8;0.077;11;65;0.9971;3.54;0.58;9.3;5
+6.7;0.62;0.21;1.9;0.079;8;62;0.997;3.52;0.58;9.3;6
+8.9;0.31;0.57;2;0.111;26;85;0.9971;3.26;0.53;9.7;5
+7.4;0.39;0.48;2;0.082;14;67;0.9972;3.34;0.55;9.2;5
+7.7;0.705;0.1;2.6;0.084;9;26;0.9976;3.39;0.49;9.7;5
+7.9;0.5;0.33;2;0.084;15;143;0.9968;3.2;0.55;9.5;5
+7.9;0.49;0.32;1.9;0.082;17;144;0.9968;3.2;0.55;9.5;5
+8.2;0.5;0.35;2.9;0.077;21;127;0.9976;3.23;0.62;9.4;5
+6.4;0.37;0.25;1.9;0.074;21;49;0.9974;3.57;0.62;9.8;6
+6.8;0.63;0.12;3.8;0.099;16;126;0.9969;3.28;0.61;9.5;5
+7.6;0.55;0.21;2.2;0.071;7;28;0.9964;3.28;0.55;9.7;5
+7.6;0.55;0.21;2.2;0.071;7;28;0.9964;3.28;0.55;9.7;5
+7.8;0.59;0.33;2;0.074;24;120;0.9968;3.25;0.54;9.4;5
+7.3;0.58;0.3;2.4;0.074;15;55;0.9968;3.46;0.59;10.2;5
+11.5;0.3;0.6;2;0.067;12;27;0.9981;3.11;0.97;10.1;6
+5.4;0.835;0.08;1.2;0.046;13;93;0.9924;3.57;0.85;13;7
+6.9;1.09;0.06;2.1;0.061;12;31;0.9948;3.51;0.43;11.4;4
+9.6;0.32;0.47;1.4;0.056;9;24;0.99695;3.22;0.82;10.3;7
+8.8;0.37;0.48;2.1;0.097;39;145;0.9975;3.04;1.03;9.3;5
+6.8;0.5;0.11;1.5;0.075;16;49;0.99545;3.36;0.79;9.5;5
+7;0.42;0.35;1.6;0.088;16;39;0.9961;3.34;0.55;9.2;5
+7;0.43;0.36;1.6;0.089;14;37;0.99615;3.34;0.56;9.2;6
+12.8;0.3;0.74;2.6;0.095;9;28;0.9994;3.2;0.77;10.8;7
+12.8;0.3;0.74;2.6;0.095;9;28;0.9994;3.2;0.77;10.8;7
+7.8;0.57;0.31;1.8;0.069;26;120;0.99625;3.29;0.53;9.3;5
+7.8;0.44;0.28;2.7;0.1;18;95;0.9966;3.22;0.67;9.4;5
+11;0.3;0.58;2.1;0.054;7;19;0.998;3.31;0.88;10.5;7
+9.7;0.53;0.6;2;0.039;5;19;0.99585;3.3;0.86;12.4;6
+8;0.725;0.24;2.8;0.083;10;62;0.99685;3.35;0.56;10;6
+11.6;0.44;0.64;2.1;0.059;5;15;0.998;3.21;0.67;10.2;6
+8.2;0.57;0.26;2.2;0.06;28;65;0.9959;3.3;0.43;10.1;5
+7.8;0.735;0.08;2.4;0.092;10;41;0.9974;3.24;0.71;9.8;6
+7;0.49;0.49;5.6;0.06;26;121;0.9974;3.34;0.76;10.5;5
+8.7;0.625;0.16;2;0.101;13;49;0.9962;3.14;0.57;11;5
+8.1;0.725;0.22;2.2;0.072;11;41;0.9967;3.36;0.55;9.1;5
+7.5;0.49;0.19;1.9;0.076;10;44;0.9957;3.39;0.54;9.7;5
+7.8;0.53;0.33;2.4;0.08;24;144;0.99655;3.3;0.6;9.5;5
+7.8;0.34;0.37;2;0.082;24;58;0.9964;3.34;0.59;9.4;6
+7.4;0.53;0.26;2;0.101;16;72;0.9957;3.15;0.57;9.4;5
+6.8;0.61;0.04;1.5;0.057;5;10;0.99525;3.42;0.6;9.5;5
+8.6;0.645;0.25;2;0.083;8;28;0.99815;3.28;0.6;10;6
+8.4;0.635;0.36;2;0.089;15;55;0.99745;3.31;0.57;10.4;4
+7.7;0.43;0.25;2.6;0.073;29;63;0.99615;3.37;0.58;10.5;6
+8.9;0.59;0.5;2;0.337;27;81;0.9964;3.04;1.61;9.5;6
+9;0.82;0.14;2.6;0.089;9;23;0.9984;3.39;0.63;9.8;5
+7.7;0.43;0.25;2.6;0.073;29;63;0.99615;3.37;0.58;10.5;6
+6.9;0.52;0.25;2.6;0.081;10;37;0.99685;3.46;0.5;11;5
+5.2;0.48;0.04;1.6;0.054;19;106;0.9927;3.54;0.62;12.2;7
+8;0.38;0.06;1.8;0.078;12;49;0.99625;3.37;0.52;9.9;6
+8.5;0.37;0.2;2.8;0.09;18;58;0.998;3.34;0.7;9.6;6
+6.9;0.52;0.25;2.6;0.081;10;37;0.99685;3.46;0.5;11;5
+8.2;1;0.09;2.3;0.065;7;37;0.99685;3.32;0.55;9;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+7.2;0.645;0;1.9;0.097;15;39;0.99675;3.37;0.58;9.2;6
+7.2;0.63;0;1.9;0.097;14;38;0.99675;3.37;0.58;9;6
+8.2;1;0.09;2.3;0.065;7;37;0.99685;3.32;0.55;9;6
+8.9;0.635;0.37;1.7;0.263;5;62;0.9971;3;1.09;9.3;5
+12;0.38;0.56;2.1;0.093;6;24;0.99925;3.14;0.71;10.9;6
+7.7;0.58;0.1;1.8;0.102;28;109;0.99565;3.08;0.49;9.8;6
+15;0.21;0.44;2.2;0.075;10;24;1.00005;3.07;0.84;9.2;7
+15;0.21;0.44;2.2;0.075;10;24;1.00005;3.07;0.84;9.2;7
+7.3;0.66;0;2;0.084;6;23;0.9983;3.61;0.96;9.9;6
+7.1;0.68;0.07;1.9;0.075;16;51;0.99685;3.38;0.52;9.5;5
+8.2;0.6;0.17;2.3;0.072;11;73;0.9963;3.2;0.45;9.3;5
+7.7;0.53;0.06;1.7;0.074;9;39;0.99615;3.35;0.48;9.8;6
+7.3;0.66;0;2;0.084;6;23;0.9983;3.61;0.96;9.9;6
+10.8;0.32;0.44;1.6;0.063;16;37;0.9985;3.22;0.78;10;6
+7.1;0.6;0;1.8;0.074;16;34;0.9972;3.47;0.7;9.9;6
+11.1;0.35;0.48;3.1;0.09;5;21;0.9986;3.17;0.53;10.5;5
+7.7;0.775;0.42;1.9;0.092;8;86;0.9959;3.23;0.59;9.5;5
+7.1;0.6;0;1.8;0.074;16;34;0.9972;3.47;0.7;9.9;6
+8;0.57;0.23;3.2;0.073;17;119;0.99675;3.26;0.57;9.3;5
+9.4;0.34;0.37;2.2;0.075;5;13;0.998;3.22;0.62;9.2;5
+6.6;0.695;0;2.1;0.075;12;56;0.9968;3.49;0.67;9.2;5
+7.7;0.41;0.76;1.8;0.611;8;45;0.9968;3.06;1.26;9.4;5
+10;0.31;0.47;2.6;0.085;14;33;0.99965;3.36;0.8;10.5;7
+7.9;0.33;0.23;1.7;0.077;18;45;0.99625;3.29;0.65;9.3;5
+7;0.975;0.04;2;0.087;12;67;0.99565;3.35;0.6;9.4;4
+8;0.52;0.03;1.7;0.07;10;35;0.99575;3.34;0.57;10;5
+7.9;0.37;0.23;1.8;0.077;23;49;0.9963;3.28;0.67;9.3;5
+12.5;0.56;0.49;2.4;0.064;5;27;0.9999;3.08;0.87;10.9;5
+11.8;0.26;0.52;1.8;0.071;6;10;0.9968;3.2;0.72;10.2;7
+8.1;0.87;0;3.3;0.096;26;61;1.00025;3.6;0.72;9.8;4
+7.9;0.35;0.46;3.6;0.078;15;37;0.9973;3.35;0.86;12.8;8
+6.9;0.54;0.04;3;0.077;7;27;0.9987;3.69;0.91;9.4;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+7.9;0.545;0.06;4;0.087;27;61;0.9965;3.36;0.67;10.7;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+10.9;0.37;0.58;4;0.071;17;65;0.99935;3.22;0.78;10.1;5
+8.4;0.715;0.2;2.4;0.076;10;38;0.99735;3.31;0.64;9.4;5
+7.5;0.65;0.18;7;0.088;27;94;0.99915;3.38;0.77;9.4;5
+7.9;0.545;0.06;4;0.087;27;61;0.9965;3.36;0.67;10.7;6
+6.9;0.54;0.04;3;0.077;7;27;0.9987;3.69;0.91;9.4;6
+11.5;0.18;0.51;4;0.104;4;23;0.9996;3.28;0.97;10.1;6
+10.3;0.32;0.45;6.4;0.073;5;13;0.9976;3.23;0.82;12.6;8
+8.9;0.4;0.32;5.6;0.087;10;47;0.9991;3.38;0.77;10.5;7
+11.4;0.26;0.44;3.6;0.071;6;19;0.9986;3.12;0.82;9.3;6
+7.7;0.27;0.68;3.5;0.358;5;10;0.9972;3.25;1.08;9.9;7
+7.6;0.52;0.12;3;0.067;12;53;0.9971;3.36;0.57;9.1;5
+8.9;0.4;0.32;5.6;0.087;10;47;0.9991;3.38;0.77;10.5;7
+9.9;0.59;0.07;3.4;0.102;32;71;1.00015;3.31;0.71;9.8;5
+9.9;0.59;0.07;3.4;0.102;32;71;1.00015;3.31;0.71;9.8;5
+12;0.45;0.55;2;0.073;25;49;0.9997;3.1;0.76;10.3;6
+7.5;0.4;0.12;3;0.092;29;53;0.9967;3.37;0.7;10.3;6
+8.7;0.52;0.09;2.5;0.091;20;49;0.9976;3.34;0.86;10.6;7
+11.6;0.42;0.53;3.3;0.105;33;98;1.001;3.2;0.95;9.2;5
+8.7;0.52;0.09;2.5;0.091;20;49;0.9976;3.34;0.86;10.6;7
+11;0.2;0.48;2;0.343;6;18;0.9979;3.3;0.71;10.5;5
+10.4;0.55;0.23;2.7;0.091;18;48;0.9994;3.22;0.64;10.3;6
+6.9;0.36;0.25;2.4;0.098;5;16;0.9964;3.41;0.6;10.1;6
+13.3;0.34;0.52;3.2;0.094;17;53;1.0014;3.05;0.81;9.5;6
+10.8;0.5;0.46;2.5;0.073;5;27;1.0001;3.05;0.64;9.5;5
+10.6;0.83;0.37;2.6;0.086;26;70;0.9981;3.16;0.52;9.9;5
+7.1;0.63;0.06;2;0.083;8;29;0.99855;3.67;0.73;9.6;5
+7.2;0.65;0.02;2.3;0.094;5;31;0.9993;3.67;0.8;9.7;5
+6.9;0.67;0.06;2.1;0.08;8;33;0.99845;3.68;0.71;9.6;5
+7.5;0.53;0.06;2.6;0.086;20;44;0.9965;3.38;0.59;10.7;6
+11.1;0.18;0.48;1.5;0.068;7;15;0.9973;3.22;0.64;10.1;6
+8.3;0.705;0.12;2.6;0.092;12;28;0.9994;3.51;0.72;10;5
+7.4;0.67;0.12;1.6;0.186;5;21;0.996;3.39;0.54;9.5;5
+8.4;0.65;0.6;2.1;0.112;12;90;0.9973;3.2;0.52;9.2;5
+10.3;0.53;0.48;2.5;0.063;6;25;0.9998;3.12;0.59;9.3;6
+7.6;0.62;0.32;2.2;0.082;7;54;0.9966;3.36;0.52;9.4;5
+10.3;0.41;0.42;2.4;0.213;6;14;0.9994;3.19;0.62;9.5;6
+10.3;0.43;0.44;2.4;0.214;5;12;0.9994;3.19;0.63;9.5;6
+7.4;0.29;0.38;1.7;0.062;9;30;0.9968;3.41;0.53;9.5;6
+10.3;0.53;0.48;2.5;0.063;6;25;0.9998;3.12;0.59;9.3;6
+7.9;0.53;0.24;2;0.072;15;105;0.996;3.27;0.54;9.4;6
+9;0.46;0.31;2.8;0.093;19;98;0.99815;3.32;0.63;9.5;6
+8.6;0.47;0.3;3;0.076;30;135;0.9976;3.3;0.53;9.4;5
+7.4;0.36;0.29;2.6;0.087;26;72;0.99645;3.39;0.68;11;5
+7.1;0.35;0.29;2.5;0.096;20;53;0.9962;3.42;0.65;11;6
+9.6;0.56;0.23;3.4;0.102;37;92;0.9996;3.3;0.65;10.1;5
+9.6;0.77;0.12;2.9;0.082;30;74;0.99865;3.3;0.64;10.4;6
+9.8;0.66;0.39;3.2;0.083;21;59;0.9989;3.37;0.71;11.5;7
+9.6;0.77;0.12;2.9;0.082;30;74;0.99865;3.3;0.64;10.4;6
+9.8;0.66;0.39;3.2;0.083;21;59;0.9989;3.37;0.71;11.5;7
+9.3;0.61;0.26;3.4;0.09;25;87;0.99975;3.24;0.62;9.7;5
+7.8;0.62;0.05;2.3;0.079;6;18;0.99735;3.29;0.63;9.3;5
+10.3;0.59;0.42;2.8;0.09;35;73;0.999;3.28;0.7;9.5;6
+10;0.49;0.2;11;0.071;13;50;1.0015;3.16;0.69;9.2;6
+10;0.49;0.2;11;0.071;13;50;1.0015;3.16;0.69;9.2;6
+11.6;0.53;0.66;3.65;0.121;6;14;0.9978;3.05;0.74;11.5;7
+10.3;0.44;0.5;4.5;0.107;5;13;0.998;3.28;0.83;11.5;5
+13.4;0.27;0.62;2.6;0.082;6;21;1.0002;3.16;0.67;9.7;6
+10.7;0.46;0.39;2;0.061;7;15;0.9981;3.18;0.62;9.5;5
+10.2;0.36;0.64;2.9;0.122;10;41;0.998;3.23;0.66;12.5;6
+10.2;0.36;0.64;2.9;0.122;10;41;0.998;3.23;0.66;12.5;6
+8;0.58;0.28;3.2;0.066;21;114;0.9973;3.22;0.54;9.4;6
+8.4;0.56;0.08;2.1;0.105;16;44;0.9958;3.13;0.52;11;5
+7.9;0.65;0.01;2.5;0.078;17;38;0.9963;3.34;0.74;11.7;7
+11.9;0.695;0.53;3.4;0.128;7;21;0.9992;3.17;0.84;12.2;7
+8.9;0.43;0.45;1.9;0.052;6;16;0.9948;3.35;0.7;12.5;6
+7.8;0.43;0.32;2.8;0.08;29;58;0.9974;3.31;0.64;10.3;5
+12.4;0.49;0.58;3;0.103;28;99;1.0008;3.16;1;11.5;6
+12.5;0.28;0.54;2.3;0.082;12;29;0.9997;3.11;1.36;9.8;7
+12.2;0.34;0.5;2.4;0.066;10;21;1;3.12;1.18;9.2;6
+10.6;0.42;0.48;2.7;0.065;5;18;0.9972;3.21;0.87;11.3;6
+10.9;0.39;0.47;1.8;0.118;6;14;0.9982;3.3;0.75;9.8;6
+10.9;0.39;0.47;1.8;0.118;6;14;0.9982;3.3;0.75;9.8;6
+11.9;0.57;0.5;2.6;0.082;6;32;1.0006;3.12;0.78;10.7;6
+7;0.685;0;1.9;0.067;40;63;0.9979;3.6;0.81;9.9;5
+6.6;0.815;0.02;2.7;0.072;17;34;0.9955;3.58;0.89;12.3;7
+13.8;0.49;0.67;3;0.093;6;15;0.9986;3.02;0.93;12;6
+9.6;0.56;0.31;2.8;0.089;15;46;0.9979;3.11;0.92;10;6
+9.1;0.785;0;2.6;0.093;11;28;0.9994;3.36;0.86;9.4;6
+10.7;0.67;0.22;2.7;0.107;17;34;1.0004;3.28;0.98;9.9;6
+9.1;0.795;0;2.6;0.096;11;26;0.9994;3.35;0.83;9.4;6
+7.7;0.665;0;2.4;0.09;8;19;0.9974;3.27;0.73;9.3;5
+13.5;0.53;0.79;4.8;0.12;23;77;1.0018;3.18;0.77;13;5
+6.1;0.21;0.4;1.4;0.066;40.5;165;0.9912;3.25;0.59;11.9;6
+6.7;0.75;0.01;2.4;0.078;17;32;0.9955;3.55;0.61;12.8;6
+11.5;0.41;0.52;3;0.08;29;55;1.0001;3.26;0.88;11;5
+10.5;0.42;0.66;2.95;0.116;12;29;0.997;3.24;0.75;11.7;7
+11.9;0.43;0.66;3.1;0.109;10;23;1;3.15;0.85;10.4;7
+12.6;0.38;0.66;2.6;0.088;10;41;1.001;3.17;0.68;9.8;6
+8.2;0.7;0.23;2;0.099;14;81;0.9973;3.19;0.7;9.4;5
+8.6;0.45;0.31;2.6;0.086;21;50;0.9982;3.37;0.91;9.9;6
+11.9;0.58;0.66;2.5;0.072;6;37;0.9992;3.05;0.56;10;5
+12.5;0.46;0.63;2;0.071;6;15;0.9988;2.99;0.87;10.2;5
+12.8;0.615;0.66;5.8;0.083;7;42;1.0022;3.07;0.73;10;7
+10;0.42;0.5;3.4;0.107;7;21;0.9979;3.26;0.93;11.8;6
+12.8;0.615;0.66;5.8;0.083;7;42;1.0022;3.07;0.73;10;7
+10.4;0.575;0.61;2.6;0.076;11;24;1;3.16;0.69;9;5
+10.3;0.34;0.52;2.8;0.159;15;75;0.9998;3.18;0.64;9.4;5
+9.4;0.27;0.53;2.4;0.074;6;18;0.9962;3.2;1.13;12;7
+6.9;0.765;0.02;2.3;0.063;35;63;0.9975;3.57;0.78;9.9;5
+7.9;0.24;0.4;1.6;0.056;11;25;0.9967;3.32;0.87;8.7;6
+9.1;0.28;0.48;1.8;0.067;26;46;0.9967;3.32;1.04;10.6;6
+7.4;0.55;0.22;2.2;0.106;12;72;0.9959;3.05;0.63;9.2;5
+14;0.41;0.63;3.8;0.089;6;47;1.0014;3.01;0.81;10.8;6
+11.5;0.54;0.71;4.4;0.124;6;15;0.9984;3.01;0.83;11.8;7
+11.5;0.45;0.5;3;0.078;19;47;1.0003;3.26;1.11;11;6
+9.4;0.27;0.53;2.4;0.074;6;18;0.9962;3.2;1.13;12;7
+11.4;0.625;0.66;6.2;0.088;6;24;0.9988;3.11;0.99;13.3;6
+8.3;0.42;0.38;2.5;0.094;24;60;0.9979;3.31;0.7;10.8;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+13.7;0.415;0.68;2.9;0.085;17;43;1.0014;3.06;0.8;10;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+8.3;0.26;0.42;2;0.08;11;27;0.9974;3.21;0.8;9.4;6
+7.7;0.51;0.28;2.1;0.087;23;54;0.998;3.42;0.74;9.2;5
+7.4;0.63;0.07;2.4;0.09;11;37;0.9979;3.43;0.76;9.7;6
+7.8;0.54;0.26;2;0.088;23;48;0.9981;3.41;0.74;9.2;6
+8.3;0.66;0.15;1.9;0.079;17;42;0.9972;3.31;0.54;9.6;6
+7.8;0.46;0.26;1.9;0.088;23;53;0.9981;3.43;0.74;9.2;6
+9.6;0.38;0.31;2.5;0.096;16;49;0.9982;3.19;0.7;10;7
+5.6;0.85;0.05;1.4;0.045;12;88;0.9924;3.56;0.82;12.9;8
+13.7;0.415;0.68;2.9;0.085;17;43;1.0014;3.06;0.8;10;6
+9.5;0.37;0.52;2;0.082;6;26;0.998;3.18;0.51;9.5;5
+8.4;0.665;0.61;2;0.112;13;95;0.997;3.16;0.54;9.1;5
+12.7;0.6;0.65;2.3;0.063;6;25;0.9997;3.03;0.57;9.9;5
+12;0.37;0.76;4.2;0.066;7;38;1.0004;3.22;0.6;13;7
+6.6;0.735;0.02;7.9;0.122;68;124;0.9994;3.47;0.53;9.9;5
+11.5;0.59;0.59;2.6;0.087;13;49;0.9988;3.18;0.65;11;6
+11.5;0.59;0.59;2.6;0.087;13;49;0.9988;3.18;0.65;11;6
+8.7;0.765;0.22;2.3;0.064;9;42;0.9963;3.1;0.55;9.4;5
+6.6;0.735;0.02;7.9;0.122;68;124;0.9994;3.47;0.53;9.9;5
+7.7;0.26;0.3;1.7;0.059;20;38;0.9949;3.29;0.47;10.8;6
+12.2;0.48;0.54;2.6;0.085;19;64;1;3.1;0.61;10.5;6
+11.4;0.6;0.49;2.7;0.085;10;41;0.9994;3.15;0.63;10.5;6
+7.7;0.69;0.05;2.7;0.075;15;27;0.9974;3.26;0.61;9.1;5
+8.7;0.31;0.46;1.4;0.059;11;25;0.9966;3.36;0.76;10.1;6
+9.8;0.44;0.47;2.5;0.063;9;28;0.9981;3.24;0.65;10.8;6
+12;0.39;0.66;3;0.093;12;30;0.9996;3.18;0.63;10.8;7
+10.4;0.34;0.58;3.7;0.174;6;16;0.997;3.19;0.7;11.3;6
+12.5;0.46;0.49;4.5;0.07;26;49;0.9981;3.05;0.57;9.6;4
+9;0.43;0.34;2.5;0.08;26;86;0.9987;3.38;0.62;9.5;6
+9.1;0.45;0.35;2.4;0.08;23;78;0.9987;3.38;0.62;9.5;5
+7.1;0.735;0.16;1.9;0.1;15;77;0.9966;3.27;0.64;9.3;5
+9.9;0.4;0.53;6.7;0.097;6;19;0.9986;3.27;0.82;11.7;7
+8.8;0.52;0.34;2.7;0.087;24;122;0.9982;3.26;0.61;9.5;5
+8.6;0.725;0.24;6.6;0.117;31;134;1.0014;3.32;1.07;9.3;5
+10.6;0.48;0.64;2.2;0.111;6;20;0.997;3.26;0.66;11.7;6
+7;0.58;0.12;1.9;0.091;34;124;0.9956;3.44;0.48;10.5;5
+11.9;0.38;0.51;2;0.121;7;20;0.9996;3.24;0.76;10.4;6
+6.8;0.77;0;1.8;0.066;34;52;0.9976;3.62;0.68;9.9;5
+9.5;0.56;0.33;2.4;0.089;35;67;0.9972;3.28;0.73;11.8;7
+6.6;0.84;0.03;2.3;0.059;32;48;0.9952;3.52;0.56;12.3;7
+7.7;0.96;0.2;2;0.047;15;60;0.9955;3.36;0.44;10.9;5
+10.5;0.24;0.47;2.1;0.066;6;24;0.9978;3.15;0.9;11;7
+7.7;0.96;0.2;2;0.047;15;60;0.9955;3.36;0.44;10.9;5
+6.6;0.84;0.03;2.3;0.059;32;48;0.9952;3.52;0.56;12.3;7
+6.4;0.67;0.08;2.1;0.045;19;48;0.9949;3.49;0.49;11.4;6
+9.5;0.78;0.22;1.9;0.077;6;32;0.9988;3.26;0.56;10.6;6
+9.1;0.52;0.33;1.3;0.07;9;30;0.9978;3.24;0.6;9.3;5
+12.8;0.84;0.63;2.4;0.088;13;35;0.9997;3.1;0.6;10.4;6
+10.5;0.24;0.47;2.1;0.066;6;24;0.9978;3.15;0.9;11;7
+7.8;0.55;0.35;2.2;0.074;21;66;0.9974;3.25;0.56;9.2;5
+11.9;0.37;0.69;2.3;0.078;12;24;0.9958;3;0.65;12.8;6
+12.3;0.39;0.63;2.3;0.091;6;18;1.0004;3.16;0.49;9.5;5
+10.4;0.41;0.55;3.2;0.076;22;54;0.9996;3.15;0.89;9.9;6
+12.3;0.39;0.63;2.3;0.091;6;18;1.0004;3.16;0.49;9.5;5
+8;0.67;0.3;2;0.06;38;62;0.9958;3.26;0.56;10.2;6
+11.1;0.45;0.73;3.2;0.066;6;22;0.9986;3.17;0.66;11.2;6
+10.4;0.41;0.55;3.2;0.076;22;54;0.9996;3.15;0.89;9.9;6
+7;0.62;0.18;1.5;0.062;7;50;0.9951;3.08;0.6;9.3;5
+12.6;0.31;0.72;2.2;0.072;6;29;0.9987;2.88;0.82;9.8;8
+11.9;0.4;0.65;2.15;0.068;7;27;0.9988;3.06;0.68;11.3;6
+15.6;0.685;0.76;3.7;0.1;6;43;1.0032;2.95;0.68;11.2;7
+10;0.44;0.49;2.7;0.077;11;19;0.9963;3.23;0.63;11.6;7
+5.3;0.57;0.01;1.7;0.054;5;27;0.9934;3.57;0.84;12.5;7
+9.5;0.735;0.1;2.1;0.079;6;31;0.9986;3.23;0.56;10.1;6
+12.5;0.38;0.6;2.6;0.081;31;72;0.9996;3.1;0.73;10.5;5
+9.3;0.48;0.29;2.1;0.127;6;16;0.9968;3.22;0.72;11.2;5
+8.6;0.53;0.22;2;0.1;7;27;0.9967;3.2;0.56;10.2;6
+11.9;0.39;0.69;2.8;0.095;17;35;0.9994;3.1;0.61;10.8;6
+11.9;0.39;0.69;2.8;0.095;17;35;0.9994;3.1;0.61;10.8;6
+8.4;0.37;0.53;1.8;0.413;9;26;0.9979;3.06;1.06;9.1;6
+6.8;0.56;0.03;1.7;0.084;18;35;0.9968;3.44;0.63;10;6
+10.4;0.33;0.63;2.8;0.084;5;22;0.9998;3.26;0.74;11.2;7
+7;0.23;0.4;1.6;0.063;21;67;0.9952;3.5;0.63;11.1;5
+11.3;0.62;0.67;5.2;0.086;6;19;0.9988;3.22;0.69;13.4;8
+8.9;0.59;0.39;2.3;0.095;5;22;0.9986;3.37;0.58;10.3;5
+9.2;0.63;0.21;2.7;0.097;29;65;0.9988;3.28;0.58;9.6;5
+10.4;0.33;0.63;2.8;0.084;5;22;0.9998;3.26;0.74;11.2;7
+11.6;0.58;0.66;2.2;0.074;10;47;1.0008;3.25;0.57;9;3
+9.2;0.43;0.52;2.3;0.083;14;23;0.9976;3.35;0.61;11.3;6
+8.3;0.615;0.22;2.6;0.087;6;19;0.9982;3.26;0.61;9.3;5
+11;0.26;0.68;2.55;0.085;10;25;0.997;3.18;0.61;11.8;5
+8.1;0.66;0.7;2.2;0.098;25;129;0.9972;3.08;0.53;9;5
+11.5;0.315;0.54;2.1;0.084;5;15;0.9987;2.98;0.7;9.2;6
+10;0.29;0.4;2.9;0.098;10;26;1.0006;3.48;0.91;9.7;5
+10.3;0.5;0.42;2;0.069;21;51;0.9982;3.16;0.72;11.5;6
+8.8;0.46;0.45;2.6;0.065;7;18;0.9947;3.32;0.79;14;6
+11.4;0.36;0.69;2.1;0.09;6;21;1;3.17;0.62;9.2;6
+8.7;0.82;0.02;1.2;0.07;36;48;0.9952;3.2;0.58;9.8;5
+13;0.32;0.65;2.6;0.093;15;47;0.9996;3.05;0.61;10.6;5
+9.6;0.54;0.42;2.4;0.081;25;52;0.997;3.2;0.71;11.4;6
+12.5;0.37;0.55;2.6;0.083;25;68;0.9995;3.15;0.82;10.4;6
+9.9;0.35;0.55;2.1;0.062;5;14;0.9971;3.26;0.79;10.6;5
+10.5;0.28;0.51;1.7;0.08;10;24;0.9982;3.2;0.89;9.4;6
+9.6;0.68;0.24;2.2;0.087;5;28;0.9988;3.14;0.6;10.2;5
+9.3;0.27;0.41;2;0.091;6;16;0.998;3.28;0.7;9.7;5
+10.4;0.24;0.49;1.8;0.075;6;20;0.9977;3.18;1.06;11;6
+9.6;0.68;0.24;2.2;0.087;5;28;0.9988;3.14;0.6;10.2;5
+9.4;0.685;0.11;2.7;0.077;6;31;0.9984;3.19;0.7;10.1;6
+10.6;0.28;0.39;15.5;0.069;6;23;1.0026;3.12;0.66;9.2;5
+9.4;0.3;0.56;2.8;0.08;6;17;0.9964;3.15;0.92;11.7;8
+10.6;0.36;0.59;2.2;0.152;6;18;0.9986;3.04;1.05;9.4;5
+10.6;0.36;0.6;2.2;0.152;7;18;0.9986;3.04;1.06;9.4;5
+10.6;0.44;0.68;4.1;0.114;6;24;0.997;3.06;0.66;13.4;6
+10.2;0.67;0.39;1.9;0.054;6;17;0.9976;3.17;0.47;10;5
+10.2;0.67;0.39;1.9;0.054;6;17;0.9976;3.17;0.47;10;5
+10.2;0.645;0.36;1.8;0.053;5;14;0.9982;3.17;0.42;10;6
+11.6;0.32;0.55;2.8;0.081;35;67;1.0002;3.32;0.92;10.8;7
+9.3;0.39;0.4;2.6;0.073;10;26;0.9984;3.34;0.75;10.2;6
+9.3;0.775;0.27;2.8;0.078;24;56;0.9984;3.31;0.67;10.6;6
+9.2;0.41;0.5;2.5;0.055;12;25;0.9952;3.34;0.79;13.3;7
+8.9;0.4;0.51;2.6;0.052;13;27;0.995;3.32;0.9;13.4;7
+8.7;0.69;0.31;3;0.086;23;81;1.0002;3.48;0.74;11.6;6
+6.5;0.39;0.23;8.3;0.051;28;91;0.9952;3.44;0.55;12.1;6
+10.7;0.35;0.53;2.6;0.07;5;16;0.9972;3.15;0.65;11;8
+7.8;0.52;0.25;1.9;0.081;14;38;0.9984;3.43;0.65;9;6
+7.2;0.34;0.32;2.5;0.09;43;113;0.9966;3.32;0.79;11.1;5
+10.7;0.35;0.53;2.6;0.07;5;16;0.9972;3.15;0.65;11;8
+8.7;0.69;0.31;3;0.086;23;81;1.0002;3.48;0.74;11.6;6
+7.8;0.52;0.25;1.9;0.081;14;38;0.9984;3.43;0.65;9;6
+10.4;0.44;0.73;6.55;0.074;38;76;0.999;3.17;0.85;12;7
+10.4;0.44;0.73;6.55;0.074;38;76;0.999;3.17;0.85;12;7
+10.5;0.26;0.47;1.9;0.078;6;24;0.9976;3.18;1.04;10.9;7
+10.5;0.24;0.42;1.8;0.077;6;22;0.9976;3.21;1.05;10.8;7
+10.2;0.49;0.63;2.9;0.072;10;26;0.9968;3.16;0.78;12.5;7
+10.4;0.24;0.46;1.8;0.075;6;21;0.9976;3.25;1.02;10.8;7
+11.2;0.67;0.55;2.3;0.084;6;13;1;3.17;0.71;9.5;6
+10;0.59;0.31;2.2;0.09;26;62;0.9994;3.18;0.63;10.2;6
+13.3;0.29;0.75;2.8;0.084;23;43;0.9986;3.04;0.68;11.4;7
+12.4;0.42;0.49;4.6;0.073;19;43;0.9978;3.02;0.61;9.5;5
+10;0.59;0.31;2.2;0.09;26;62;0.9994;3.18;0.63;10.2;6
+10.7;0.4;0.48;2.1;0.125;15;49;0.998;3.03;0.81;9.7;6
+10.5;0.51;0.64;2.4;0.107;6;15;0.9973;3.09;0.66;11.8;7
+10.5;0.51;0.64;2.4;0.107;6;15;0.9973;3.09;0.66;11.8;7
+8.5;0.655;0.49;6.1;0.122;34;151;1.001;3.31;1.14;9.3;5
+12.5;0.6;0.49;4.3;0.1;5;14;1.001;3.25;0.74;11.9;6
+10.4;0.61;0.49;2.1;0.2;5;16;0.9994;3.16;0.63;8.4;3
+10.9;0.21;0.49;2.8;0.088;11;32;0.9972;3.22;0.68;11.7;6
+7.3;0.365;0.49;2.5;0.088;39;106;0.9966;3.36;0.78;11;5
+9.8;0.25;0.49;2.7;0.088;15;33;0.9982;3.42;0.9;10;6
+7.6;0.41;0.49;2;0.088;16;43;0.998;3.48;0.64;9.1;5
+8.2;0.39;0.49;2.3;0.099;47;133;0.9979;3.38;0.99;9.8;5
+9.3;0.4;0.49;2.5;0.085;38;142;0.9978;3.22;0.55;9.4;5
+9.2;0.43;0.49;2.4;0.086;23;116;0.9976;3.23;0.64;9.5;5
+10.4;0.64;0.24;2.8;0.105;29;53;0.9998;3.24;0.67;9.9;5
+7.3;0.365;0.49;2.5;0.088;39;106;0.9966;3.36;0.78;11;5
+7;0.38;0.49;2.5;0.097;33;85;0.9962;3.39;0.77;11.4;6
+8.2;0.42;0.49;2.6;0.084;32;55;0.9988;3.34;0.75;8.7;6
+9.9;0.63;0.24;2.4;0.077;6;33;0.9974;3.09;0.57;9.4;5
+9.1;0.22;0.24;2.1;0.078;1;28;0.999;3.41;0.87;10.3;6
+11.9;0.38;0.49;2.7;0.098;12;42;1.0004;3.16;0.61;10.3;5
+11.9;0.38;0.49;2.7;0.098;12;42;1.0004;3.16;0.61;10.3;5
+10.3;0.27;0.24;2.1;0.072;15;33;0.9956;3.22;0.66;12.8;6
+10;0.48;0.24;2.7;0.102;13;32;1;3.28;0.56;10;6
+9.1;0.22;0.24;2.1;0.078;1;28;0.999;3.41;0.87;10.3;6
+9.9;0.63;0.24;2.4;0.077;6;33;0.9974;3.09;0.57;9.4;5
+8.1;0.825;0.24;2.1;0.084;5;13;0.9972;3.37;0.77;10.7;6
+12.9;0.35;0.49;5.8;0.066;5;35;1.0014;3.2;0.66;12;7
+11.2;0.5;0.74;5.15;0.1;5;17;0.9996;3.22;0.62;11.2;5
+9.2;0.59;0.24;3.3;0.101;20;47;0.9988;3.26;0.67;9.6;5
+9.5;0.46;0.49;6.3;0.064;5;17;0.9988;3.21;0.73;11;6
+9.3;0.715;0.24;2.1;0.07;5;20;0.9966;3.12;0.59;9.9;5
+11.2;0.66;0.24;2.5;0.085;16;53;0.9993;3.06;0.72;11;6
+14.3;0.31;0.74;1.8;0.075;6;15;1.0008;2.86;0.79;8.4;6
+9.1;0.47;0.49;2.6;0.094;38;106;0.9982;3.08;0.59;9.1;5
+7.5;0.55;0.24;2;0.078;10;28;0.9983;3.45;0.78;9.5;6
+10.6;0.31;0.49;2.5;0.067;6;21;0.9987;3.26;0.86;10.7;6
+12.4;0.35;0.49;2.6;0.079;27;69;0.9994;3.12;0.75;10.4;6
+9;0.53;0.49;1.9;0.171;6;25;0.9975;3.27;0.61;9.4;6
+6.8;0.51;0.01;2.1;0.074;9;25;0.9958;3.33;0.56;9.5;6
+9.4;0.43;0.24;2.8;0.092;14;45;0.998;3.19;0.73;10;6
+9.5;0.46;0.24;2.7;0.092;14;44;0.998;3.12;0.74;10;6
+5;1.04;0.24;1.6;0.05;32;96;0.9934;3.74;0.62;11.5;5
+15.5;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+15.5;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+10.9;0.53;0.49;4.6;0.118;10;17;1.0002;3.07;0.56;11.7;6
+15.6;0.645;0.49;4.2;0.095;10;23;1.00315;2.92;0.74;11.1;5
+10.9;0.53;0.49;4.6;0.118;10;17;1.0002;3.07;0.56;11.7;6
+13;0.47;0.49;4.3;0.085;6;47;1.0021;3.3;0.68;12.7;6
+12.7;0.6;0.49;2.8;0.075;5;19;0.9994;3.14;0.57;11.4;5
+9;0.44;0.49;2.4;0.078;26;121;0.9978;3.23;0.58;9.2;5
+9;0.54;0.49;2.9;0.094;41;110;0.9982;3.08;0.61;9.2;5
+7.6;0.29;0.49;2.7;0.092;25;60;0.9971;3.31;0.61;10.1;6
+13;0.47;0.49;4.3;0.085;6;47;1.0021;3.3;0.68;12.7;6
+12.7;0.6;0.49;2.8;0.075;5;19;0.9994;3.14;0.57;11.4;5
+8.7;0.7;0.24;2.5;0.226;5;15;0.9991;3.32;0.6;9;6
+8.7;0.7;0.24;2.5;0.226;5;15;0.9991;3.32;0.6;9;6
+9.8;0.5;0.49;2.6;0.25;5;20;0.999;3.31;0.79;10.7;6
+6.2;0.36;0.24;2.2;0.095;19;42;0.9946;3.57;0.57;11.7;6
+11.5;0.35;0.49;3.3;0.07;10;37;1.0003;3.32;0.91;11;6
+6.2;0.36;0.24;2.2;0.095;19;42;0.9946;3.57;0.57;11.7;6
+10.2;0.24;0.49;2.4;0.075;10;28;0.9978;3.14;0.61;10.4;5
+10.5;0.59;0.49;2.1;0.07;14;47;0.9991;3.3;0.56;9.6;4
+10.6;0.34;0.49;3.2;0.078;20;78;0.9992;3.19;0.7;10;6
+12.3;0.27;0.49;3.1;0.079;28;46;0.9993;3.2;0.8;10.2;6
+9.9;0.5;0.24;2.3;0.103;6;14;0.9978;3.34;0.52;10;4
+8.8;0.44;0.49;2.8;0.083;18;111;0.9982;3.3;0.6;9.5;5
+8.8;0.47;0.49;2.9;0.085;17;110;0.9982;3.29;0.6;9.8;5
+10.6;0.31;0.49;2.2;0.063;18;40;0.9976;3.14;0.51;9.8;6
+12.3;0.5;0.49;2.2;0.089;5;14;1.0002;3.19;0.44;9.6;5
+12.3;0.5;0.49;2.2;0.089;5;14;1.0002;3.19;0.44;9.6;5
+11.7;0.49;0.49;2.2;0.083;5;15;1;3.19;0.43;9.2;5
+12;0.28;0.49;1.9;0.074;10;21;0.9976;2.98;0.66;9.9;7
+11.8;0.33;0.49;3.4;0.093;54;80;1.0002;3.3;0.76;10.7;7
+7.6;0.51;0.24;2.4;0.091;8;38;0.998;3.47;0.66;9.6;6
+11.1;0.31;0.49;2.7;0.094;16;47;0.9986;3.12;1.02;10.6;7
+7.3;0.73;0.24;1.9;0.108;18;102;0.9967;3.26;0.59;9.3;5
+5;0.42;0.24;2;0.06;19;50;0.9917;3.72;0.74;14;8
+10.2;0.29;0.49;2.6;0.059;5;13;0.9976;3.05;0.74;10.5;7
+9;0.45;0.49;2.6;0.084;21;75;0.9987;3.35;0.57;9.7;5
+6.6;0.39;0.49;1.7;0.07;23;149;0.9922;3.12;0.5;11.5;6
+9;0.45;0.49;2.6;0.084;21;75;0.9987;3.35;0.57;9.7;5
+9.9;0.49;0.58;3.5;0.094;9;43;1.0004;3.29;0.58;9;5
+7.9;0.72;0.17;2.6;0.096;20;38;0.9978;3.4;0.53;9.5;5
+8.9;0.595;0.41;7.9;0.086;30;109;0.9998;3.27;0.57;9.3;5
+12.4;0.4;0.51;2;0.059;6;24;0.9994;3.04;0.6;9.3;6
+11.9;0.58;0.58;1.9;0.071;5;18;0.998;3.09;0.63;10;6
+8.5;0.585;0.18;2.1;0.078;5;30;0.9967;3.2;0.48;9.8;6
+12.7;0.59;0.45;2.3;0.082;11;22;1;3;0.7;9.3;6
+8.2;0.915;0.27;2.1;0.088;7;23;0.9962;3.26;0.47;10;4
+13.2;0.46;0.52;2.2;0.071;12;35;1.0006;3.1;0.56;9;6
+7.7;0.835;0;2.6;0.081;6;14;0.9975;3.3;0.52;9.3;5
+13.2;0.46;0.52;2.2;0.071;12;35;1.0006;3.1;0.56;9;6
+8.3;0.58;0.13;2.9;0.096;14;63;0.9984;3.17;0.62;9.1;6
+8.3;0.6;0.13;2.6;0.085;6;24;0.9984;3.31;0.59;9.2;6
+9.4;0.41;0.48;4.6;0.072;10;20;0.9973;3.34;0.79;12.2;7
+8.8;0.48;0.41;3.3;0.092;26;52;0.9982;3.31;0.53;10.5;6
+10.1;0.65;0.37;5.1;0.11;11;65;1.0026;3.32;0.64;10.4;6
+6.3;0.36;0.19;3.2;0.075;15;39;0.9956;3.56;0.52;12.7;6
+8.8;0.24;0.54;2.5;0.083;25;57;0.9983;3.39;0.54;9.2;5
+13.2;0.38;0.55;2.7;0.081;5;16;1.0006;2.98;0.54;9.4;5
+7.5;0.64;0;2.4;0.077;18;29;0.9965;3.32;0.6;10;6
+8.2;0.39;0.38;1.5;0.058;10;29;0.9962;3.26;0.74;9.8;5
+9.2;0.755;0.18;2.2;0.148;10;103;0.9969;2.87;1.36;10.2;6
+9.6;0.6;0.5;2.3;0.079;28;71;0.9997;3.5;0.57;9.7;5
+9.6;0.6;0.5;2.3;0.079;28;71;0.9997;3.5;0.57;9.7;5
+11.5;0.31;0.51;2.2;0.079;14;28;0.9982;3.03;0.93;9.8;6
+11.4;0.46;0.5;2.7;0.122;4;17;1.0006;3.13;0.7;10.2;5
+11.3;0.37;0.41;2.3;0.088;6;16;0.9988;3.09;0.8;9.3;5
+8.3;0.54;0.24;3.4;0.076;16;112;0.9976;3.27;0.61;9.4;5
+8.2;0.56;0.23;3.4;0.078;14;104;0.9976;3.28;0.62;9.4;5
+10;0.58;0.22;1.9;0.08;9;32;0.9974;3.13;0.55;9.5;5
+7.9;0.51;0.25;2.9;0.077;21;45;0.9974;3.49;0.96;12.1;6
+6.8;0.69;0;5.6;0.124;21;58;0.9997;3.46;0.72;10.2;5
+6.8;0.69;0;5.6;0.124;21;58;0.9997;3.46;0.72;10.2;5
+8.8;0.6;0.29;2.2;0.098;5;15;0.9988;3.36;0.49;9.1;5
+8.8;0.6;0.29;2.2;0.098;5;15;0.9988;3.36;0.49;9.1;5
+8.7;0.54;0.26;2.5;0.097;7;31;0.9976;3.27;0.6;9.3;6
+7.6;0.685;0.23;2.3;0.111;20;84;0.9964;3.21;0.61;9.3;5
+8.7;0.54;0.26;2.5;0.097;7;31;0.9976;3.27;0.6;9.3;6
+10.4;0.28;0.54;2.7;0.105;5;19;0.9988;3.25;0.63;9.5;5
+7.6;0.41;0.14;3;0.087;21;43;0.9964;3.32;0.57;10.5;6
+10.1;0.935;0.22;3.4;0.105;11;86;1.001;3.43;0.64;11.3;4
+7.9;0.35;0.21;1.9;0.073;46;102;0.9964;3.27;0.58;9.5;5
+8.7;0.84;0;1.4;0.065;24;33;0.9954;3.27;0.55;9.7;5
+9.6;0.88;0.28;2.4;0.086;30;147;0.9979;3.24;0.53;9.4;5
+9.5;0.885;0.27;2.3;0.084;31;145;0.9978;3.24;0.53;9.4;5
+7.7;0.915;0.12;2.2;0.143;7;23;0.9964;3.35;0.65;10.2;7
+8.9;0.29;0.35;1.9;0.067;25;57;0.997;3.18;1.36;10.3;6
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+9.5;0.59;0.44;2.3;0.071;21;68;0.9992;3.46;0.63;9.5;5
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+9.5;0.59;0.44;2.3;0.071;21;68;0.9992;3.46;0.63;9.5;5
+9.9;0.54;0.45;2.3;0.071;16;40;0.9991;3.39;0.62;9.4;5
+7.8;0.64;0.1;6;0.115;5;11;0.9984;3.37;0.69;10.1;7
+7.3;0.67;0.05;3.6;0.107;6;20;0.9972;3.4;0.63;10.1;5
+8.3;0.845;0.01;2.2;0.07;5;14;0.9967;3.32;0.58;11;4
+8.7;0.48;0.3;2.8;0.066;10;28;0.9964;3.33;0.67;11.2;7
+6.7;0.42;0.27;8.6;0.068;24;148;0.9948;3.16;0.57;11.3;6
+10.7;0.43;0.39;2.2;0.106;8;32;0.9986;2.89;0.5;9.6;5
+9.8;0.88;0.25;2.5;0.104;35;155;1.001;3.41;0.67;11.2;5
+15.9;0.36;0.65;7.5;0.096;22;71;0.9976;2.98;0.84;14.9;5
+9.4;0.33;0.59;2.8;0.079;9;30;0.9976;3.12;0.54;12;6
+8.6;0.47;0.47;2.4;0.074;7;29;0.9979;3.08;0.46;9.5;5
+9.7;0.55;0.17;2.9;0.087;20;53;1.0004;3.14;0.61;9.4;5
+10.7;0.43;0.39;2.2;0.106;8;32;0.9986;2.89;0.5;9.6;5
+12;0.5;0.59;1.4;0.073;23;42;0.998;2.92;0.68;10.5;7
+7.2;0.52;0.07;1.4;0.074;5;20;0.9973;3.32;0.81;9.6;6
+7.1;0.84;0.02;4.4;0.096;5;13;0.997;3.41;0.57;11;4
+7.2;0.52;0.07;1.4;0.074;5;20;0.9973;3.32;0.81;9.6;6
+7.5;0.42;0.31;1.6;0.08;15;42;0.9978;3.31;0.64;9;5
+7.2;0.57;0.06;1.6;0.076;9;27;0.9972;3.36;0.7;9.6;6
+10.1;0.28;0.46;1.8;0.05;5;13;0.9974;3.04;0.79;10.2;6
+12.1;0.4;0.52;2;0.092;15;54;1;3.03;0.66;10.2;5
+9.4;0.59;0.14;2;0.084;25;48;0.9981;3.14;0.56;9.7;5
+8.3;0.49;0.36;1.8;0.222;6;16;0.998;3.18;0.6;9.5;6
+11.3;0.34;0.45;2;0.082;6;15;0.9988;2.94;0.66;9.2;6
+10;0.73;0.43;2.3;0.059;15;31;0.9966;3.15;0.57;11;5
+11.3;0.34;0.45;2;0.082;6;15;0.9988;2.94;0.66;9.2;6
+6.9;0.4;0.24;2.5;0.083;30;45;0.9959;3.26;0.58;10;5
+8.2;0.73;0.21;1.7;0.074;5;13;0.9968;3.2;0.52;9.5;5
+9.8;1.24;0.34;2;0.079;32;151;0.998;3.15;0.53;9.5;5
+8.2;0.73;0.21;1.7;0.074;5;13;0.9968;3.2;0.52;9.5;5
+10.8;0.4;0.41;2.2;0.084;7;17;0.9984;3.08;0.67;9.3;6
+9.3;0.41;0.39;2.2;0.064;12;31;0.9984;3.26;0.65;10.2;5
+10.8;0.4;0.41;2.2;0.084;7;17;0.9984;3.08;0.67;9.3;6
+8.6;0.8;0.11;2.3;0.084;12;31;0.9979;3.4;0.48;9.9;5
+8.3;0.78;0.1;2.6;0.081;45;87;0.9983;3.48;0.53;10;5
+10.8;0.26;0.45;3.3;0.06;20;49;0.9972;3.13;0.54;9.6;5
+13.3;0.43;0.58;1.9;0.07;15;40;1.0004;3.06;0.49;9;5
+8;0.45;0.23;2.2;0.094;16;29;0.9962;3.21;0.49;10.2;6
+8.5;0.46;0.31;2.25;0.078;32;58;0.998;3.33;0.54;9.8;5
+8.1;0.78;0.23;2.6;0.059;5;15;0.997;3.37;0.56;11.3;5
+9.8;0.98;0.32;2.3;0.078;35;152;0.998;3.25;0.48;9.4;5
+8.1;0.78;0.23;2.6;0.059;5;15;0.997;3.37;0.56;11.3;5
+7.1;0.65;0.18;1.8;0.07;13;40;0.997;3.44;0.6;9.1;5
+9.1;0.64;0.23;3.1;0.095;13;38;0.9998;3.28;0.59;9.7;5
+7.7;0.66;0.04;1.6;0.039;4;9;0.9962;3.4;0.47;9.4;5
+8.1;0.38;0.48;1.8;0.157;5;17;0.9976;3.3;1.05;9.4;5
+7.4;1.185;0;4.25;0.097;5;14;0.9966;3.63;0.54;10.7;3
+9.2;0.92;0.24;2.6;0.087;12;93;0.9998;3.48;0.54;9.8;5
+8.6;0.49;0.51;2;0.422;16;62;0.9979;3.03;1.17;9;5
+9;0.48;0.32;2.8;0.084;21;122;0.9984;3.32;0.62;9.4;5
+9;0.47;0.31;2.7;0.084;24;125;0.9984;3.31;0.61;9.4;5
+5.1;0.47;0.02;1.3;0.034;18;44;0.9921;3.9;0.62;12.8;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+9.4;0.615;0.28;3.2;0.087;18;72;1.0001;3.31;0.53;9.7;5
+11.8;0.38;0.55;2.1;0.071;5;19;0.9986;3.11;0.62;10.8;6
+10.6;1.02;0.43;2.9;0.076;26;88;0.9984;3.08;0.57;10.1;6
+7;0.65;0.02;2.1;0.066;8;25;0.9972;3.47;0.67;9.5;6
+7;0.64;0.02;2.1;0.067;9;23;0.997;3.47;0.67;9.4;6
+7.5;0.38;0.48;2.6;0.073;22;84;0.9972;3.32;0.7;9.6;4
+9.1;0.765;0.04;1.6;0.078;4;14;0.998;3.29;0.54;9.7;4
+8.4;1.035;0.15;6;0.073;11;54;0.999;3.37;0.49;9.9;5
+7;0.78;0.08;2;0.093;10;19;0.9956;3.4;0.47;10;5
+7.4;0.49;0.19;3;0.077;16;37;0.9966;3.37;0.51;10.5;5
+7.8;0.545;0.12;2.5;0.068;11;35;0.996;3.34;0.61;11.6;6
+9.7;0.31;0.47;1.6;0.062;13;33;0.9983;3.27;0.66;10;6
+10.6;1.025;0.43;2.8;0.08;21;84;0.9985;3.06;0.57;10.1;5
+8.9;0.565;0.34;3;0.093;16;112;0.9998;3.38;0.61;9.5;5
+8.7;0.69;0;3.2;0.084;13;33;0.9992;3.36;0.45;9.4;5
+8;0.43;0.36;2.3;0.075;10;48;0.9976;3.34;0.46;9.4;5
+9.9;0.74;0.28;2.6;0.078;21;77;0.998;3.28;0.51;9.8;5
+7.2;0.49;0.18;2.7;0.069;13;34;0.9967;3.29;0.48;9.2;6
+8;0.43;0.36;2.3;0.075;10;48;0.9976;3.34;0.46;9.4;5
+7.6;0.46;0.11;2.6;0.079;12;49;0.9968;3.21;0.57;10;5
+8.4;0.56;0.04;2;0.082;10;22;0.9976;3.22;0.44;9.6;5
+7.1;0.66;0;3.9;0.086;17;45;0.9976;3.46;0.54;9.5;5
+8.4;0.56;0.04;2;0.082;10;22;0.9976;3.22;0.44;9.6;5
+8.9;0.48;0.24;2.85;0.094;35;106;0.9982;3.1;0.53;9.2;5
+7.6;0.42;0.08;2.7;0.084;15;48;0.9968;3.21;0.59;10;5
+7.1;0.31;0.3;2.2;0.053;36;127;0.9965;2.94;1.62;9.5;5
+7.5;1.115;0.1;3.1;0.086;5;12;0.9958;3.54;0.6;11.2;4
+9;0.66;0.17;3;0.077;5;13;0.9976;3.29;0.55;10.4;5
+8.1;0.72;0.09;2.8;0.084;18;49;0.9994;3.43;0.72;11.1;6
+6.4;0.57;0.02;1.8;0.067;4;11;0.997;3.46;0.68;9.5;5
+6.4;0.57;0.02;1.8;0.067;4;11;0.997;3.46;0.68;9.5;5
+6.4;0.865;0.03;3.2;0.071;27;58;0.995;3.61;0.49;12.7;6
+9.5;0.55;0.66;2.3;0.387;12;37;0.9982;3.17;0.67;9.6;5
+8.9;0.875;0.13;3.45;0.088;4;14;0.9994;3.44;0.52;11.5;5
+7.3;0.835;0.03;2.1;0.092;10;19;0.9966;3.39;0.47;9.6;5
+7;0.45;0.34;2.7;0.082;16;72;0.998;3.55;0.6;9.5;5
+7.7;0.56;0.2;2;0.075;9;39;0.9987;3.48;0.62;9.3;5
+7.7;0.965;0.1;2.1;0.112;11;22;0.9963;3.26;0.5;9.5;5
+7.7;0.965;0.1;2.1;0.112;11;22;0.9963;3.26;0.5;9.5;5
+8.2;0.59;0;2.5;0.093;19;58;1.0002;3.5;0.65;9.3;6
+9;0.46;0.23;2.8;0.092;28;104;0.9983;3.1;0.56;9.2;5
+9;0.69;0;2.4;0.088;19;38;0.999;3.35;0.6;9.3;5
+8.3;0.76;0.29;4.2;0.075;12;16;0.9965;3.45;0.68;11.5;6
+9.2;0.53;0.24;2.6;0.078;28;139;0.99788;3.21;0.57;9.5;5
+6.5;0.615;0;1.9;0.065;9;18;0.9972;3.46;0.65;9.2;5
+11.6;0.41;0.58;2.8;0.096;25;101;1.00024;3.13;0.53;10;5
+11.1;0.39;0.54;2.7;0.095;21;101;1.0001;3.13;0.51;9.5;5
+7.3;0.51;0.18;2.1;0.07;12;28;0.99768;3.52;0.73;9.5;6
+8.2;0.34;0.38;2.5;0.08;12;57;0.9978;3.3;0.47;9;6
+8.6;0.33;0.4;2.6;0.083;16;68;0.99782;3.3;0.48;9.4;5
+7.2;0.5;0.18;2.1;0.071;12;31;0.99761;3.52;0.72;9.6;6
+7.3;0.51;0.18;2.1;0.07;12;28;0.99768;3.52;0.73;9.5;6
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+7.6;0.54;0.13;2.5;0.097;24;66;0.99785;3.39;0.61;9.4;5
+8.3;0.65;0.1;2.9;0.089;17;40;0.99803;3.29;0.55;9.5;5
+7.8;0.48;0.68;1.7;0.415;14;32;0.99656;3.09;1.06;9.1;6
+7.8;0.91;0.07;1.9;0.058;22;47;0.99525;3.51;0.43;10.7;6
+6.3;0.98;0.01;2;0.057;15;33;0.99488;3.6;0.46;11.2;6
+8.1;0.87;0;2.2;0.084;10;31;0.99656;3.25;0.5;9.8;5
+8.1;0.87;0;2.2;0.084;10;31;0.99656;3.25;0.5;9.8;5
+8.8;0.42;0.21;2.5;0.092;33;88;0.99823;3.19;0.52;9.2;5
+9;0.58;0.25;2.8;0.075;9;104;0.99779;3.23;0.57;9.7;5
+9.3;0.655;0.26;2;0.096;5;35;0.99738;3.25;0.42;9.6;5
+8.8;0.7;0;1.7;0.069;8;19;0.99701;3.31;0.53;10;6
+9.3;0.655;0.26;2;0.096;5;35;0.99738;3.25;0.42;9.6;5
+9.1;0.68;0.11;2.8;0.093;11;44;0.99888;3.31;0.55;9.5;6
+9.2;0.67;0.1;3;0.091;12;48;0.99888;3.31;0.54;9.5;6
+8.8;0.59;0.18;2.9;0.089;12;74;0.99738;3.14;0.54;9.4;5
+7.5;0.6;0.32;2.7;0.103;13;98;0.99938;3.45;0.62;9.5;5
+7.1;0.59;0.02;2.3;0.082;24;94;0.99744;3.55;0.53;9.7;6
+7.9;0.72;0.01;1.9;0.076;7;32;0.99668;3.39;0.54;9.6;5
+7.1;0.59;0.02;2.3;0.082;24;94;0.99744;3.55;0.53;9.7;6
+9.4;0.685;0.26;2.4;0.082;23;143;0.9978;3.28;0.55;9.4;5
+9.5;0.57;0.27;2.3;0.082;23;144;0.99782;3.27;0.55;9.4;5
+7.9;0.4;0.29;1.8;0.157;1;44;0.9973;3.3;0.92;9.5;6
+7.9;0.4;0.3;1.8;0.157;2;45;0.99727;3.31;0.91;9.5;6
+7.2;1;0;3;0.102;7;16;0.99586;3.43;0.46;10;5
+6.9;0.765;0.18;2.4;0.243;5.5;48;0.99612;3.4;0.6;10.3;6
+6.9;0.635;0.17;2.4;0.241;6;18;0.9961;3.4;0.59;10.3;6
+8.3;0.43;0.3;3.4;0.079;7;34;0.99788;3.36;0.61;10.5;5
+7.1;0.52;0.03;2.6;0.076;21;92;0.99745;3.5;0.6;9.8;5
+7;0.57;0;2;0.19;12;45;0.99676;3.31;0.6;9.4;6
+6.5;0.46;0.14;2.4;0.114;9;37;0.99732;3.66;0.65;9.8;5
+9;0.82;0.05;2.4;0.081;26;96;0.99814;3.36;0.53;10;5
+6.5;0.46;0.14;2.4;0.114;9;37;0.99732;3.66;0.65;9.8;5
+7.1;0.59;0.01;2.5;0.077;20;85;0.99746;3.55;0.59;9.8;5
+9.9;0.35;0.41;2.3;0.083;11;61;0.9982;3.21;0.5;9.5;5
+9.9;0.35;0.41;2.3;0.083;11;61;0.9982;3.21;0.5;9.5;5
+10;0.56;0.24;2.2;0.079;19;58;0.9991;3.18;0.56;10.1;6
+10;0.56;0.24;2.2;0.079;19;58;0.9991;3.18;0.56;10.1;6
+8.6;0.63;0.17;2.9;0.099;21;119;0.998;3.09;0.52;9.3;5
+7.4;0.37;0.43;2.6;0.082;18;82;0.99708;3.33;0.68;9.7;6
+8.8;0.64;0.17;2.9;0.084;25;130;0.99818;3.23;0.54;9.6;5
+7.1;0.61;0.02;2.5;0.081;17;87;0.99745;3.48;0.6;9.7;6
+7.7;0.6;0;2.6;0.055;7;13;0.99639;3.38;0.56;10.8;5
+10.1;0.27;0.54;2.3;0.065;7;26;0.99531;3.17;0.53;12.5;6
+10.8;0.89;0.3;2.6;0.132;7;60;0.99786;2.99;1.18;10.2;5
+8.7;0.46;0.31;2.5;0.126;24;64;0.99746;3.1;0.74;9.6;5
+9.3;0.37;0.44;1.6;0.038;21;42;0.99526;3.24;0.81;10.8;7
+9.4;0.5;0.34;3.6;0.082;5;14;0.9987;3.29;0.52;10.7;6
+9.4;0.5;0.34;3.6;0.082;5;14;0.9987;3.29;0.52;10.7;6
+7.2;0.61;0.08;4;0.082;26;108;0.99641;3.25;0.51;9.4;5
+8.6;0.55;0.09;3.3;0.068;8;17;0.99735;3.23;0.44;10;5
+5.1;0.585;0;1.7;0.044;14;86;0.99264;3.56;0.94;12.9;7
+7.7;0.56;0.08;2.5;0.114;14;46;0.9971;3.24;0.66;9.6;6
+8.4;0.52;0.22;2.7;0.084;4;18;0.99682;3.26;0.57;9.9;6
+8.2;0.28;0.4;2.4;0.052;4;10;0.99356;3.33;0.7;12.8;7
+8.4;0.25;0.39;2;0.041;4;10;0.99386;3.27;0.71;12.5;7
+8.2;0.28;0.4;2.4;0.052;4;10;0.99356;3.33;0.7;12.8;7
+7.4;0.53;0.12;1.9;0.165;4;12;0.99702;3.26;0.86;9.2;5
+7.6;0.48;0.31;2.8;0.07;4;15;0.99693;3.22;0.55;10.3;6
+7.3;0.49;0.1;2.6;0.068;4;14;0.99562;3.3;0.47;10.5;5
+12.9;0.5;0.55;2.8;0.072;7;24;1.00012;3.09;0.68;10.9;6
+10.8;0.45;0.33;2.5;0.099;20;38;0.99818;3.24;0.71;10.8;5
+6.9;0.39;0.24;2.1;0.102;4;7;0.99462;3.44;0.58;11.4;4
+12.6;0.41;0.54;2.8;0.103;19;41;0.99939;3.21;0.76;11.3;6
+10.8;0.45;0.33;2.5;0.099;20;38;0.99818;3.24;0.71;10.8;5
+9.8;0.51;0.19;3.2;0.081;8;30;0.9984;3.23;0.58;10.5;6
+10.8;0.29;0.42;1.6;0.084;19;27;0.99545;3.28;0.73;11.9;6
+7.1;0.715;0;2.35;0.071;21;47;0.99632;3.29;0.45;9.4;5
+9.1;0.66;0.15;3.2;0.097;9;59;0.99976;3.28;0.54;9.6;5
+7;0.685;0;1.9;0.099;9;22;0.99606;3.34;0.6;9.7;5
+4.9;0.42;0;2.1;0.048;16;42;0.99154;3.71;0.74;14;7
+6.7;0.54;0.13;2;0.076;15;36;0.9973;3.61;0.64;9.8;5
+6.7;0.54;0.13;2;0.076;15;36;0.9973;3.61;0.64;9.8;5
+7.1;0.48;0.28;2.8;0.068;6;16;0.99682;3.24;0.53;10.3;5
+7.1;0.46;0.14;2.8;0.076;15;37;0.99624;3.36;0.49;10.7;5
+7.5;0.27;0.34;2.3;0.05;4;8;0.9951;3.4;0.64;11;7
+7.1;0.46;0.14;2.8;0.076;15;37;0.99624;3.36;0.49;10.7;5
+7.8;0.57;0.09;2.3;0.065;34;45;0.99417;3.46;0.74;12.7;8
+5.9;0.61;0.08;2.1;0.071;16;24;0.99376;3.56;0.77;11.1;6
+7.5;0.685;0.07;2.5;0.058;5;9;0.99632;3.38;0.55;10.9;4
+5.9;0.61;0.08;2.1;0.071;16;24;0.99376;3.56;0.77;11.1;6
+10.4;0.44;0.42;1.5;0.145;34;48;0.99832;3.38;0.86;9.9;3
+11.6;0.47;0.44;1.6;0.147;36;51;0.99836;3.38;0.86;9.9;4
+8.8;0.685;0.26;1.6;0.088;16;23;0.99694;3.32;0.47;9.4;5
+7.6;0.665;0.1;1.5;0.066;27;55;0.99655;3.39;0.51;9.3;5
+6.7;0.28;0.28;2.4;0.012;36;100;0.99064;3.26;0.39;11.7;7
+6.7;0.28;0.28;2.4;0.012;36;100;0.99064;3.26;0.39;11.7;7
+10.1;0.31;0.35;1.6;0.075;9;28;0.99672;3.24;0.83;11.2;7
+6;0.5;0.04;2.2;0.092;13;26;0.99647;3.46;0.47;10;5
+11.1;0.42;0.47;2.65;0.085;9;34;0.99736;3.24;0.77;12.1;7
+6.6;0.66;0;3;0.115;21;31;0.99629;3.45;0.63;10.3;5
+10.6;0.5;0.45;2.6;0.119;34;68;0.99708;3.23;0.72;10.9;6
+7.1;0.685;0.35;2;0.088;9;92;0.9963;3.28;0.62;9.4;5
+9.9;0.25;0.46;1.7;0.062;26;42;0.9959;3.18;0.83;10.6;6
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+7.4;0.68;0.16;1.8;0.078;12;39;0.9977;3.5;0.7;9.9;6
+6.4;0.64;0.21;1.8;0.081;14;31;0.99689;3.59;0.66;9.8;5
+6.4;0.63;0.21;1.6;0.08;12;32;0.99689;3.58;0.66;9.8;5
+9.3;0.43;0.44;1.9;0.085;9;22;0.99708;3.28;0.55;9.5;5
+9.3;0.43;0.44;1.9;0.085;9;22;0.99708;3.28;0.55;9.5;5
+8;0.42;0.32;2.5;0.08;26;122;0.99801;3.22;1.07;9.7;5
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+7.6;0.735;0.02;2.5;0.071;10;14;0.99538;3.51;0.71;11.7;7
+9.3;0.36;0.39;1.5;0.08;41;55;0.99652;3.47;0.73;10.9;6
+8.2;0.26;0.34;2.5;0.073;16;47;0.99594;3.4;0.78;11.3;7
+11.7;0.28;0.47;1.7;0.054;17;32;0.99686;3.15;0.67;10.6;7
+6.8;0.56;0.22;1.8;0.074;15;24;0.99438;3.4;0.82;11.2;6
+7.2;0.62;0.06;2.7;0.077;15;85;0.99746;3.51;0.54;9.5;5
+5.8;1.01;0.66;2;0.039;15;88;0.99357;3.66;0.6;11.5;6
+7.5;0.42;0.32;2.7;0.067;7;25;0.99628;3.24;0.44;10.4;5
+7.2;0.62;0.06;2.5;0.078;17;84;0.99746;3.51;0.53;9.7;5
+7.2;0.62;0.06;2.7;0.077;15;85;0.99746;3.51;0.54;9.5;5
+7.2;0.635;0.07;2.6;0.077;16;86;0.99748;3.51;0.54;9.7;5
+6.8;0.49;0.22;2.3;0.071;13;24;0.99438;3.41;0.83;11.3;6
+6.9;0.51;0.23;2;0.072;13;22;0.99438;3.4;0.84;11.2;6
+6.8;0.56;0.22;1.8;0.074;15;24;0.99438;3.4;0.82;11.2;6
+7.6;0.63;0.03;2;0.08;27;43;0.99578;3.44;0.64;10.9;6
+7.7;0.715;0.01;2.1;0.064;31;43;0.99371;3.41;0.57;11.8;6
+6.9;0.56;0.03;1.5;0.086;36;46;0.99522;3.53;0.57;10.6;5
+7.3;0.35;0.24;2;0.067;28;48;0.99576;3.43;0.54;10;4
+9.1;0.21;0.37;1.6;0.067;6;10;0.99552;3.23;0.58;11.1;7
+10.4;0.38;0.46;2.1;0.104;6;10;0.99664;3.12;0.65;11.8;7
+8.8;0.31;0.4;2.8;0.109;7;16;0.99614;3.31;0.79;11.8;7
+7.1;0.47;0;2.2;0.067;7;14;0.99517;3.4;0.58;10.9;4
+7.7;0.715;0.01;2.1;0.064;31;43;0.99371;3.41;0.57;11.8;6
+8.8;0.61;0.19;4;0.094;30;69;0.99787;3.22;0.5;10;6
+7.2;0.6;0.04;2.5;0.076;18;88;0.99745;3.53;0.55;9.5;5
+9.2;0.56;0.18;1.6;0.078;10;21;0.99576;3.15;0.49;9.9;5
+7.6;0.715;0;2.1;0.068;30;35;0.99533;3.48;0.65;11.4;6
+8.4;0.31;0.29;3.1;0.194;14;26;0.99536;3.22;0.78;12;6
+7.2;0.6;0.04;2.5;0.076;18;88;0.99745;3.53;0.55;9.5;5
+8.8;0.61;0.19;4;0.094;30;69;0.99787;3.22;0.5;10;6
+8.9;0.75;0.14;2.5;0.086;9;30;0.99824;3.34;0.64;10.5;5
+9;0.8;0.12;2.4;0.083;8;28;0.99836;3.33;0.65;10.4;6
+10.7;0.52;0.38;2.6;0.066;29;56;0.99577;3.15;0.79;12.1;7
+6.8;0.57;0;2.5;0.072;32;64;0.99491;3.43;0.56;11.2;6
+10.7;0.9;0.34;6.6;0.112;23;99;1.00289;3.22;0.68;9.3;5
+7.2;0.34;0.24;2;0.071;30;52;0.99576;3.44;0.58;10.1;5
+7.2;0.66;0.03;2.3;0.078;16;86;0.99743;3.53;0.57;9.7;5
+10.1;0.45;0.23;1.9;0.082;10;18;0.99774;3.22;0.65;9.3;6
+7.2;0.66;0.03;2.3;0.078;16;86;0.99743;3.53;0.57;9.7;5
+7.2;0.63;0.03;2.2;0.08;17;88;0.99745;3.53;0.58;9.8;6
+7.1;0.59;0.01;2.3;0.08;27;43;0.9955;3.42;0.58;10.7;6
+8.3;0.31;0.39;2.4;0.078;17;43;0.99444;3.31;0.77;12.5;7
+7.1;0.59;0.01;2.3;0.08;27;43;0.9955;3.42;0.58;10.7;6
+8.3;0.31;0.39;2.4;0.078;17;43;0.99444;3.31;0.77;12.5;7
+8.3;1.02;0.02;3.4;0.084;6;11;0.99892;3.48;0.49;11;3
+8.9;0.31;0.36;2.6;0.056;10;39;0.99562;3.4;0.69;11.8;5
+7.4;0.635;0.1;2.4;0.08;16;33;0.99736;3.58;0.69;10.8;7
+7.4;0.635;0.1;2.4;0.08;16;33;0.99736;3.58;0.69;10.8;7
+6.8;0.59;0.06;6;0.06;11;18;0.9962;3.41;0.59;10.8;7
+6.8;0.59;0.06;6;0.06;11;18;0.9962;3.41;0.59;10.8;7
+9.2;0.58;0.2;3;0.081;15;115;0.998;3.23;0.59;9.5;5
+7.2;0.54;0.27;2.6;0.084;12;78;0.9964;3.39;0.71;11;5
+6.1;0.56;0;2.2;0.079;6;9;0.9948;3.59;0.54;11.5;6
+7.4;0.52;0.13;2.4;0.078;34;61;0.99528;3.43;0.59;10.8;6
+7.3;0.305;0.39;1.2;0.059;7;11;0.99331;3.29;0.52;11.5;6
+9.3;0.38;0.48;3.8;0.132;3;11;0.99577;3.23;0.57;13.2;6
+9.1;0.28;0.46;9;0.114;3;9;0.99901;3.18;0.6;10.9;6
+10;0.46;0.44;2.9;0.065;4;8;0.99674;3.33;0.62;12.2;6
+9.4;0.395;0.46;4.6;0.094;3;10;0.99639;3.27;0.64;12.2;7
+7.3;0.305;0.39;1.2;0.059;7;11;0.99331;3.29;0.52;11.5;6
+8.6;0.315;0.4;2.2;0.079;3;6;0.99512;3.27;0.67;11.9;6
+5.3;0.715;0.19;1.5;0.161;7;62;0.99395;3.62;0.61;11;5
+6.8;0.41;0.31;8.8;0.084;26;45;0.99824;3.38;0.64;10.1;6
+8.4;0.36;0.32;2.2;0.081;32;79;0.9964;3.3;0.72;11;6
+8.4;0.62;0.12;1.8;0.072;38;46;0.99504;3.38;0.89;11.8;6
+9.6;0.41;0.37;2.3;0.091;10;23;0.99786;3.24;0.56;10.5;5
+8.4;0.36;0.32;2.2;0.081;32;79;0.9964;3.3;0.72;11;6
+8.4;0.62;0.12;1.8;0.072;38;46;0.99504;3.38;0.89;11.8;6
+6.8;0.41;0.31;8.8;0.084;26;45;0.99824;3.38;0.64;10.1;6
+8.6;0.47;0.27;2.3;0.055;14;28;0.99516;3.18;0.8;11.2;5
+8.6;0.22;0.36;1.9;0.064;53;77;0.99604;3.47;0.87;11;7
+9.4;0.24;0.33;2.3;0.061;52;73;0.99786;3.47;0.9;10.2;6
+8.4;0.67;0.19;2.2;0.093;11;75;0.99736;3.2;0.59;9.2;4
+8.6;0.47;0.27;2.3;0.055;14;28;0.99516;3.18;0.8;11.2;5
+8.7;0.33;0.38;3.3;0.063;10;19;0.99468;3.3;0.73;12;7
+6.6;0.61;0.01;1.9;0.08;8;25;0.99746;3.69;0.73;10.5;5
+7.4;0.61;0.01;2;0.074;13;38;0.99748;3.48;0.65;9.8;5
+7.6;0.4;0.29;1.9;0.078;29;66;0.9971;3.45;0.59;9.5;6
+7.4;0.61;0.01;2;0.074;13;38;0.99748;3.48;0.65;9.8;5
+6.6;0.61;0.01;1.9;0.08;8;25;0.99746;3.69;0.73;10.5;5
+8.8;0.3;0.38;2.3;0.06;19;72;0.99543;3.39;0.72;11.8;6
+8.8;0.3;0.38;2.3;0.06;19;72;0.99543;3.39;0.72;11.8;6
+12;0.63;0.5;1.4;0.071;6;26;0.99791;3.07;0.6;10.4;4
+7.2;0.38;0.38;2.8;0.068;23;42;0.99356;3.34;0.72;12.9;7
+6.2;0.46;0.17;1.6;0.073;7;11;0.99425;3.61;0.54;11.4;5
+9.6;0.33;0.52;2.2;0.074;13;25;0.99509;3.36;0.76;12.4;7
+9.9;0.27;0.49;5;0.082;9;17;0.99484;3.19;0.52;12.5;7
+10.1;0.43;0.4;2.6;0.092;13;52;0.99834;3.22;0.64;10;7
+9.8;0.5;0.34;2.3;0.094;10;45;0.99864;3.24;0.6;9.7;7
+8.3;0.3;0.49;3.8;0.09;11;24;0.99498;3.27;0.64;12.1;7
+10.2;0.44;0.42;2;0.071;7;20;0.99566;3.14;0.79;11.1;7
+10.2;0.44;0.58;4.1;0.092;11;24;0.99745;3.29;0.99;12;7
+8.3;0.28;0.48;2.1;0.093;6;12;0.99408;3.26;0.62;12.4;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.9;0.12;0.45;1.8;0.075;10;21;0.99552;3.41;0.76;11.9;7
+8.3;0.28;0.48;2.1;0.093;6;12;0.99408;3.26;0.62;12.4;7
+8.2;0.31;0.4;2.2;0.058;6;10;0.99536;3.31;0.68;11.2;7
+10.2;0.34;0.48;2.1;0.052;5;9;0.99458;3.2;0.69;12.1;7
+7.6;0.43;0.4;2.7;0.082;6;11;0.99538;3.44;0.54;12.2;6
+8.5;0.21;0.52;1.9;0.09;9;23;0.99648;3.36;0.67;10.4;5
+9;0.36;0.52;2.1;0.111;5;10;0.99568;3.31;0.62;11.3;6
+9.5;0.37;0.52;2;0.088;12;51;0.99613;3.29;0.58;11.1;6
+6.4;0.57;0.12;2.3;0.12;25;36;0.99519;3.47;0.71;11.3;7
+8;0.59;0.05;2;0.089;12;32;0.99735;3.36;0.61;10;5
+8.5;0.47;0.27;1.9;0.058;18;38;0.99518;3.16;0.85;11.1;6
+7.1;0.56;0.14;1.6;0.078;7;18;0.99592;3.27;0.62;9.3;5
+6.6;0.57;0.02;2.1;0.115;6;16;0.99654;3.38;0.69;9.5;5
+8.8;0.27;0.39;2;0.1;20;27;0.99546;3.15;0.69;11.2;6
+8.5;0.47;0.27;1.9;0.058;18;38;0.99518;3.16;0.85;11.1;6
+8.3;0.34;0.4;2.4;0.065;24;48;0.99554;3.34;0.86;11;6
+9;0.38;0.41;2.4;0.103;6;10;0.99604;3.13;0.58;11.9;7
+8.5;0.66;0.2;2.1;0.097;23;113;0.99733;3.13;0.48;9.2;5
+9;0.4;0.43;2.4;0.068;29;46;0.9943;3.2;0.6;12.2;6
+6.7;0.56;0.09;2.9;0.079;7;22;0.99669;3.46;0.61;10.2;5
+10.4;0.26;0.48;1.9;0.066;6;10;0.99724;3.33;0.87;10.9;6
+10.4;0.26;0.48;1.9;0.066;6;10;0.99724;3.33;0.87;10.9;6
+10.1;0.38;0.5;2.4;0.104;6;13;0.99643;3.22;0.65;11.6;7
+8.5;0.34;0.44;1.7;0.079;6;12;0.99605;3.52;0.63;10.7;5
+8.8;0.33;0.41;5.9;0.073;7;13;0.99658;3.3;0.62;12.1;7
+7.2;0.41;0.3;2.1;0.083;35;72;0.997;3.44;0.52;9.4;5
+7.2;0.41;0.3;2.1;0.083;35;72;0.997;3.44;0.52;9.4;5
+8.4;0.59;0.29;2.6;0.109;31;119;0.99801;3.15;0.5;9.1;5
+7;0.4;0.32;3.6;0.061;9;29;0.99416;3.28;0.49;11.3;7
+12.2;0.45;0.49;1.4;0.075;3;6;0.9969;3.13;0.63;10.4;5
+9.1;0.5;0.3;1.9;0.065;8;17;0.99774;3.32;0.71;10.5;6
+9.5;0.86;0.26;1.9;0.079;13;28;0.99712;3.25;0.62;10;5
+7.3;0.52;0.32;2.1;0.07;51;70;0.99418;3.34;0.82;12.9;6
+9.1;0.5;0.3;1.9;0.065;8;17;0.99774;3.32;0.71;10.5;6
+12.2;0.45;0.49;1.4;0.075;3;6;0.9969;3.13;0.63;10.4;5
+7.4;0.58;0;2;0.064;7;11;0.99562;3.45;0.58;11.3;6
+9.8;0.34;0.39;1.4;0.066;3;7;0.9947;3.19;0.55;11.4;7
+7.1;0.36;0.3;1.6;0.08;35;70;0.99693;3.44;0.5;9.4;5
+7.7;0.39;0.12;1.7;0.097;19;27;0.99596;3.16;0.49;9.4;5
+9.7;0.295;0.4;1.5;0.073;14;21;0.99556;3.14;0.51;10.9;6
+7.7;0.39;0.12;1.7;0.097;19;27;0.99596;3.16;0.49;9.4;5
+7.1;0.34;0.28;2;0.082;31;68;0.99694;3.45;0.48;9.4;5
+6.5;0.4;0.1;2;0.076;30;47;0.99554;3.36;0.48;9.4;6
+7.1;0.34;0.28;2;0.082;31;68;0.99694;3.45;0.48;9.4;5
+10;0.35;0.45;2.5;0.092;20;88;0.99918;3.15;0.43;9.4;5
+7.7;0.6;0.06;2;0.079;19;41;0.99697;3.39;0.62;10.1;6
+5.6;0.66;0;2.2;0.087;3;11;0.99378;3.71;0.63;12.8;7
+5.6;0.66;0;2.2;0.087;3;11;0.99378;3.71;0.63;12.8;7
+8.9;0.84;0.34;1.4;0.05;4;10;0.99554;3.12;0.48;9.1;6
+6.4;0.69;0;1.65;0.055;7;12;0.99162;3.47;0.53;12.9;6
+7.5;0.43;0.3;2.2;0.062;6;12;0.99495;3.44;0.72;11.5;7
+9.9;0.35;0.38;1.5;0.058;31;47;0.99676;3.26;0.82;10.6;7
+9.1;0.29;0.33;2.05;0.063;13;27;0.99516;3.26;0.84;11.7;7
+6.8;0.36;0.32;1.8;0.067;4;8;0.9928;3.36;0.55;12.8;7
+8.2;0.43;0.29;1.6;0.081;27;45;0.99603;3.25;0.54;10.3;5
+6.8;0.36;0.32;1.8;0.067;4;8;0.9928;3.36;0.55;12.8;7
+9.1;0.29;0.33;2.05;0.063;13;27;0.99516;3.26;0.84;11.7;7
+9.1;0.3;0.34;2;0.064;12;25;0.99516;3.26;0.84;11.7;7
+8.9;0.35;0.4;3.6;0.11;12;24;0.99549;3.23;0.7;12;7
+9.6;0.5;0.36;2.8;0.116;26;55;0.99722;3.18;0.68;10.9;5
+8.9;0.28;0.45;1.7;0.067;7;12;0.99354;3.25;0.55;12.3;7
+8.9;0.32;0.31;2;0.088;12;19;0.9957;3.17;0.55;10.4;6
+7.7;1.005;0.15;2.1;0.102;11;32;0.99604;3.23;0.48;10;5
+7.5;0.71;0;1.6;0.092;22;31;0.99635;3.38;0.58;10;6
+8;0.58;0.16;2;0.12;3;7;0.99454;3.22;0.58;11.2;6
+10.5;0.39;0.46;2.2;0.075;14;27;0.99598;3.06;0.84;11.4;6
+8.9;0.38;0.4;2.2;0.068;12;28;0.99486;3.27;0.75;12.6;7
+8;0.18;0.37;0.9;0.049;36;109;0.99007;2.89;0.44;12.7;6
+8;0.18;0.37;0.9;0.049;36;109;0.99007;2.89;0.44;12.7;6
+7;0.5;0.14;1.8;0.078;10;23;0.99636;3.53;0.61;10.4;5
+11.3;0.36;0.66;2.4;0.123;3;8;0.99642;3.2;0.53;11.9;6
+11.3;0.36;0.66;2.4;0.123;3;8;0.99642;3.2;0.53;11.9;6
+7;0.51;0.09;2.1;0.062;4;9;0.99584;3.35;0.54;10.5;5
+8.2;0.32;0.42;2.3;0.098;3;9;0.99506;3.27;0.55;12.3;6
+7.7;0.58;0.01;1.8;0.088;12;18;0.99568;3.32;0.56;10.5;7
+8.6;0.83;0;2.8;0.095;17;43;0.99822;3.33;0.6;10.4;6
+7.9;0.31;0.32;1.9;0.066;14;36;0.99364;3.41;0.56;12.6;6
+6.4;0.795;0;2.2;0.065;28;52;0.99378;3.49;0.52;11.6;5
+7.2;0.34;0.21;2.5;0.075;41;68;0.99586;3.37;0.54;10.1;6
+7.7;0.58;0.01;1.8;0.088;12;18;0.99568;3.32;0.56;10.5;7
+7.1;0.59;0;2.1;0.091;9;14;0.99488;3.42;0.55;11.5;7
+7.3;0.55;0.01;1.8;0.093;9;15;0.99514;3.35;0.58;11;7
+8.1;0.82;0;4.1;0.095;5;14;0.99854;3.36;0.53;9.6;5
+7.5;0.57;0.08;2.6;0.089;14;27;0.99592;3.3;0.59;10.4;6
+8.9;0.745;0.18;2.5;0.077;15;48;0.99739;3.2;0.47;9.7;6
+10.1;0.37;0.34;2.4;0.085;5;17;0.99683;3.17;0.65;10.6;7
+7.6;0.31;0.34;2.5;0.082;26;35;0.99356;3.22;0.59;12.5;7
+7.3;0.91;0.1;1.8;0.074;20;56;0.99672;3.35;0.56;9.2;5
+8.7;0.41;0.41;6.2;0.078;25;42;0.9953;3.24;0.77;12.6;7
+8.9;0.5;0.21;2.2;0.088;21;39;0.99692;3.33;0.83;11.1;6
+7.4;0.965;0;2.2;0.088;16;32;0.99756;3.58;0.67;10.2;5
+6.9;0.49;0.19;1.7;0.079;13;26;0.99547;3.38;0.64;9.8;6
+8.9;0.5;0.21;2.2;0.088;21;39;0.99692;3.33;0.83;11.1;6
+9.5;0.39;0.41;8.9;0.069;18;39;0.99859;3.29;0.81;10.9;7
+6.4;0.39;0.33;3.3;0.046;12;53;0.99294;3.36;0.62;12.2;6
+6.9;0.44;0;1.4;0.07;32;38;0.99438;3.32;0.58;11.4;6
+7.6;0.78;0;1.7;0.076;33;45;0.99612;3.31;0.62;10.7;6
+7.1;0.43;0.17;1.8;0.082;27;51;0.99634;3.49;0.64;10.4;5
+9.3;0.49;0.36;1.7;0.081;3;14;0.99702;3.27;0.78;10.9;6
+9.3;0.5;0.36;1.8;0.084;6;17;0.99704;3.27;0.77;10.8;6
+7.1;0.43;0.17;1.8;0.082;27;51;0.99634;3.49;0.64;10.4;5
+8.5;0.46;0.59;1.4;0.414;16;45;0.99702;3.03;1.34;9.2;5
+5.6;0.605;0.05;2.4;0.073;19;25;0.99258;3.56;0.55;12.9;5
+8.3;0.33;0.42;2.3;0.07;9;20;0.99426;3.38;0.77;12.7;7
+8.2;0.64;0.27;2;0.095;5;77;0.99747;3.13;0.62;9.1;6
+8.2;0.64;0.27;2;0.095;5;77;0.99747;3.13;0.62;9.1;6
+8.9;0.48;0.53;4;0.101;3;10;0.99586;3.21;0.59;12.1;7
+7.6;0.42;0.25;3.9;0.104;28;90;0.99784;3.15;0.57;9.1;5
+9.9;0.53;0.57;2.4;0.093;30;52;0.9971;3.19;0.76;11.6;7
+8.9;0.48;0.53;4;0.101;3;10;0.99586;3.21;0.59;12.1;7
+11.6;0.23;0.57;1.8;0.074;3;8;0.9981;3.14;0.7;9.9;6
+9.1;0.4;0.5;1.8;0.071;7;16;0.99462;3.21;0.69;12.5;8
+8;0.38;0.44;1.9;0.098;6;15;0.9956;3.3;0.64;11.4;6
+10.2;0.29;0.65;2.4;0.075;6;17;0.99565;3.22;0.63;11.8;6
+8.2;0.74;0.09;2;0.067;5;10;0.99418;3.28;0.57;11.8;6
+7.7;0.61;0.18;2.4;0.083;6;20;0.9963;3.29;0.6;10.2;6
+6.6;0.52;0.08;2.4;0.07;13;26;0.99358;3.4;0.72;12.5;7
+11.1;0.31;0.53;2.2;0.06;3;10;0.99572;3.02;0.83;10.9;7
+11.1;0.31;0.53;2.2;0.06;3;10;0.99572;3.02;0.83;10.9;7
+8;0.62;0.35;2.8;0.086;28;52;0.997;3.31;0.62;10.8;5
+9.3;0.33;0.45;1.5;0.057;19;37;0.99498;3.18;0.89;11.1;7
+7.5;0.77;0.2;8.1;0.098;30;92;0.99892;3.2;0.58;9.2;5
+7.2;0.35;0.26;1.8;0.083;33;75;0.9968;3.4;0.58;9.5;6
+8;0.62;0.33;2.7;0.088;16;37;0.9972;3.31;0.58;10.7;6
+7.5;0.77;0.2;8.1;0.098;30;92;0.99892;3.2;0.58;9.2;5
+9.1;0.25;0.34;2;0.071;45;67;0.99769;3.44;0.86;10.2;7
+9.9;0.32;0.56;2;0.073;3;8;0.99534;3.15;0.73;11.4;6
+8.6;0.37;0.65;6.4;0.08;3;8;0.99817;3.27;0.58;11;5
+8.6;0.37;0.65;6.4;0.08;3;8;0.99817;3.27;0.58;11;5
+7.9;0.3;0.68;8.3;0.05;37.5;278;0.99316;3.01;0.51;12.3;7
+10.3;0.27;0.56;1.4;0.047;3;8;0.99471;3.16;0.51;11.8;6
+7.9;0.3;0.68;8.3;0.05;37.5;289;0.99316;3.01;0.51;12.3;7
+7.2;0.38;0.3;1.8;0.073;31;70;0.99685;3.42;0.59;9.5;6
+8.7;0.42;0.45;2.4;0.072;32;59;0.99617;3.33;0.77;12;6
+7.2;0.38;0.3;1.8;0.073;31;70;0.99685;3.42;0.59;9.5;6
+6.8;0.48;0.08;1.8;0.074;40;64;0.99529;3.12;0.49;9.6;5
+8.5;0.34;0.4;4.7;0.055;3;9;0.99738;3.38;0.66;11.6;7
+7.9;0.19;0.42;1.6;0.057;18;30;0.994;3.29;0.69;11.2;6
+11.6;0.41;0.54;1.5;0.095;22;41;0.99735;3.02;0.76;9.9;7
+11.6;0.41;0.54;1.5;0.095;22;41;0.99735;3.02;0.76;9.9;7
+10;0.26;0.54;1.9;0.083;42;74;0.99451;2.98;0.63;11.8;8
+7.9;0.34;0.42;2;0.086;8;19;0.99546;3.35;0.6;11.4;6
+7;0.54;0.09;2;0.081;10;16;0.99479;3.43;0.59;11.5;6
+9.2;0.31;0.36;2.2;0.079;11;31;0.99615;3.33;0.86;12;7
+6.6;0.725;0.09;5.5;0.117;9;17;0.99655;3.35;0.49;10.8;6
+9.4;0.4;0.47;2.5;0.087;6;20;0.99772;3.15;0.5;10.5;5
+6.6;0.725;0.09;5.5;0.117;9;17;0.99655;3.35;0.49;10.8;6
+8.6;0.52;0.38;1.5;0.096;5;18;0.99666;3.2;0.52;9.4;5
+8;0.31;0.45;2.1;0.216;5;16;0.99358;3.15;0.81;12.5;7
+8.6;0.52;0.38;1.5;0.096;5;18;0.99666;3.2;0.52;9.4;5
+8.4;0.34;0.42;2.1;0.072;23;36;0.99392;3.11;0.78;12.4;6
+7.4;0.49;0.27;2.1;0.071;14;25;0.99388;3.35;0.63;12;6
+6.1;0.48;0.09;1.7;0.078;18;30;0.99402;3.45;0.54;11.2;6
+7.4;0.49;0.27;2.1;0.071;14;25;0.99388;3.35;0.63;12;6
+8;0.48;0.34;2.2;0.073;16;25;0.9936;3.28;0.66;12.4;6
+6.3;0.57;0.28;2.1;0.048;13;49;0.99374;3.41;0.6;12.8;5
+8.2;0.23;0.42;1.9;0.069;9;17;0.99376;3.21;0.54;12.3;6
+9.1;0.3;0.41;2;0.068;10;24;0.99523;3.27;0.85;11.7;7
+8.1;0.78;0.1;3.3;0.09;4;13;0.99855;3.36;0.49;9.5;5
+10.8;0.47;0.43;2.1;0.171;27;66;0.9982;3.17;0.76;10.8;6
+8.3;0.53;0;1.4;0.07;6;14;0.99593;3.25;0.64;10;6
+5.4;0.42;0.27;2;0.092;23;55;0.99471;3.78;0.64;12.3;7
+7.9;0.33;0.41;1.5;0.056;6;35;0.99396;3.29;0.71;11;6
+8.9;0.24;0.39;1.6;0.074;3;10;0.99698;3.12;0.59;9.5;6
+5;0.4;0.5;4.3;0.046;29;80;0.9902;3.49;0.66;13.6;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7;0.69;0.07;2.5;0.091;15;21;0.99572;3.38;0.6;11.3;6
+7.1;0.39;0.12;2.1;0.065;14;24;0.99252;3.3;0.53;13.3;6
+5.6;0.66;0;2.5;0.066;7;15;0.99256;3.52;0.58;12.9;5
+7.9;0.54;0.34;2.5;0.076;8;17;0.99235;3.2;0.72;13.1;8
+6.6;0.5;0;1.8;0.062;21;28;0.99352;3.44;0.55;12.3;6
+6.3;0.47;0;1.4;0.055;27;33;0.9922;3.45;0.48;12.3;6
+10.7;0.4;0.37;1.9;0.081;17;29;0.99674;3.12;0.65;11.2;6
+6.5;0.58;0;2.2;0.096;3;13;0.99557;3.62;0.62;11.5;4
+8.8;0.24;0.35;1.7;0.055;13;27;0.99394;3.14;0.59;11.3;7
+5.8;0.29;0.26;1.7;0.063;3;11;0.9915;3.39;0.54;13.5;6
+6.3;0.76;0;2.9;0.072;26;52;0.99379;3.51;0.6;11.5;6
+10;0.43;0.33;2.7;0.095;28;89;0.9984;3.22;0.68;10;5
+10.5;0.43;0.35;3.3;0.092;24;70;0.99798;3.21;0.69;10.5;6
+9.1;0.6;0;1.9;0.058;5;10;0.9977;3.18;0.63;10.4;6
+5.9;0.19;0.21;1.7;0.045;57;135;0.99341;3.32;0.44;9.5;5
+7.4;0.36;0.34;1.8;0.075;18;38;0.9933;3.38;0.88;13.6;7
+7.2;0.48;0.07;5.5;0.089;10;18;0.99684;3.37;0.68;11.2;7
+8.5;0.28;0.35;1.7;0.061;6;15;0.99524;3.3;0.74;11.8;7
+8;0.25;0.43;1.7;0.067;22;50;0.9946;3.38;0.6;11.9;6
+10.4;0.52;0.45;2;0.08;6;13;0.99774;3.22;0.76;11.4;6
+10.4;0.52;0.45;2;0.08;6;13;0.99774;3.22;0.76;11.4;6
+7.5;0.41;0.15;3.7;0.104;29;94;0.99786;3.14;0.58;9.1;5
+8.2;0.51;0.24;2;0.079;16;86;0.99764;3.34;0.64;9.5;6
+7.3;0.4;0.3;1.7;0.08;33;79;0.9969;3.41;0.65;9.5;6
+8.2;0.38;0.32;2.5;0.08;24;71;0.99624;3.27;0.85;11;6
+6.9;0.45;0.11;2.4;0.043;6;12;0.99354;3.3;0.65;11.4;6
+7;0.22;0.3;1.8;0.065;16;20;0.99672;3.61;0.82;10;6
+7.3;0.32;0.23;2.3;0.066;35;70;0.99588;3.43;0.62;10.1;5
+8.2;0.2;0.43;2.5;0.076;31;51;0.99672;3.53;0.81;10.4;6
+7.8;0.5;0.12;1.8;0.178;6;21;0.996;3.28;0.87;9.8;6
+10;0.41;0.45;6.2;0.071;6;14;0.99702;3.21;0.49;11.8;7
+7.8;0.39;0.42;2;0.086;9;21;0.99526;3.39;0.66;11.6;6
+10;0.35;0.47;2;0.061;6;11;0.99585;3.23;0.52;12;6
+8.2;0.33;0.32;2.8;0.067;4;12;0.99473;3.3;0.76;12.8;7
+6.1;0.58;0.23;2.5;0.044;16;70;0.99352;3.46;0.65;12.5;6
+8.3;0.6;0.25;2.2;0.118;9;38;0.99616;3.15;0.53;9.8;5
+9.6;0.42;0.35;2.1;0.083;17;38;0.99622;3.23;0.66;11.1;6
+6.6;0.58;0;2.2;0.1;50;63;0.99544;3.59;0.68;11.4;6
+8.3;0.6;0.25;2.2;0.118;9;38;0.99616;3.15;0.53;9.8;5
+8.5;0.18;0.51;1.75;0.071;45;88;0.99524;3.33;0.76;11.8;7
+5.1;0.51;0.18;2.1;0.042;16;101;0.9924;3.46;0.87;12.9;7
+6.7;0.41;0.43;2.8;0.076;22;54;0.99572;3.42;1.16;10.6;6
+10.2;0.41;0.43;2.2;0.11;11;37;0.99728;3.16;0.67;10.8;5
+10.6;0.36;0.57;2.3;0.087;6;20;0.99676;3.14;0.72;11.1;7
+8.8;0.45;0.43;1.4;0.076;12;21;0.99551;3.21;0.75;10.2;6
+8.5;0.32;0.42;2.3;0.075;12;19;0.99434;3.14;0.71;11.8;7
+9;0.785;0.24;1.7;0.078;10;21;0.99692;3.29;0.67;10;5
+9;0.785;0.24;1.7;0.078;10;21;0.99692;3.29;0.67;10;5
+8.5;0.44;0.5;1.9;0.369;15;38;0.99634;3.01;1.1;9.4;5
+9.9;0.54;0.26;2;0.111;7;60;0.99709;2.94;0.98;10.2;5
+8.2;0.33;0.39;2.5;0.074;29;48;0.99528;3.32;0.88;12.4;7
+6.5;0.34;0.27;2.8;0.067;8;44;0.99384;3.21;0.56;12;6
+7.6;0.5;0.29;2.3;0.086;5;14;0.99502;3.32;0.62;11.5;6
+9.2;0.36;0.34;1.6;0.062;5;12;0.99667;3.2;0.67;10.5;6
+7.1;0.59;0;2.2;0.078;26;44;0.99522;3.42;0.68;10.8;6
+9.7;0.42;0.46;2.1;0.074;5;16;0.99649;3.27;0.74;12.3;6
+7.6;0.36;0.31;1.7;0.079;26;65;0.99716;3.46;0.62;9.5;6
+7.6;0.36;0.31;1.7;0.079;26;65;0.99716;3.46;0.62;9.5;6
+6.5;0.61;0;2.2;0.095;48;59;0.99541;3.61;0.7;11.5;6
+6.5;0.88;0.03;5.6;0.079;23;47;0.99572;3.58;0.5;11.2;4
+7.1;0.66;0;2.4;0.052;6;11;0.99318;3.35;0.66;12.7;7
+5.6;0.915;0;2.1;0.041;17;78;0.99346;3.68;0.73;11.4;5
+8.2;0.35;0.33;2.4;0.076;11;47;0.99599;3.27;0.81;11;6
+8.2;0.35;0.33;2.4;0.076;11;47;0.99599;3.27;0.81;11;6
+9.8;0.39;0.43;1.65;0.068;5;11;0.99478;3.19;0.46;11.4;5
+10.2;0.4;0.4;2.5;0.068;41;54;0.99754;3.38;0.86;10.5;6
+6.8;0.66;0.07;1.6;0.07;16;61;0.99572;3.29;0.6;9.3;5
+6.7;0.64;0.23;2.1;0.08;11;119;0.99538;3.36;0.7;10.9;5
+7;0.43;0.3;2;0.085;6;39;0.99346;3.33;0.46;11.9;6
+6.6;0.8;0.03;7.8;0.079;6;12;0.9963;3.52;0.5;12.2;5
+7;0.43;0.3;2;0.085;6;39;0.99346;3.33;0.46;11.9;6
+6.7;0.64;0.23;2.1;0.08;11;119;0.99538;3.36;0.7;10.9;5
+8.8;0.955;0.05;1.8;0.075;5;19;0.99616;3.3;0.44;9.6;4
+9.1;0.4;0.57;4.6;0.08;6;20;0.99652;3.28;0.57;12.5;6
+6.5;0.885;0;2.3;0.166;6;12;0.99551;3.56;0.51;10.8;5
+7.2;0.25;0.37;2.5;0.063;11;41;0.99439;3.52;0.8;12.4;7
+6.4;0.885;0;2.3;0.166;6;12;0.99551;3.56;0.51;10.8;5
+7;0.745;0.12;1.8;0.114;15;64;0.99588;3.22;0.59;9.5;6
+6.2;0.43;0.22;1.8;0.078;21;56;0.99633;3.52;0.6;9.5;6
+7.9;0.58;0.23;2.3;0.076;23;94;0.99686;3.21;0.58;9.5;6
+7.7;0.57;0.21;1.5;0.069;4;9;0.99458;3.16;0.54;9.8;6
+7.7;0.26;0.26;2;0.052;19;77;0.9951;3.15;0.79;10.9;6
+7.9;0.58;0.23;2.3;0.076;23;94;0.99686;3.21;0.58;9.5;6
+7.7;0.57;0.21;1.5;0.069;4;9;0.99458;3.16;0.54;9.8;6
+7.9;0.34;0.36;1.9;0.065;5;10;0.99419;3.27;0.54;11.2;7
+8.6;0.42;0.39;1.8;0.068;6;12;0.99516;3.35;0.69;11.7;8
+9.9;0.74;0.19;5.8;0.111;33;76;0.99878;3.14;0.55;9.4;5
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+9.9;0.72;0.55;1.7;0.136;24;52;0.99752;3.35;0.94;10;5
+7.2;0.36;0.46;2.1;0.074;24;44;0.99534;3.4;0.85;11;7
+6.2;0.39;0.43;2;0.071;14;24;0.99428;3.45;0.87;11.2;7
+6.8;0.65;0.02;2.1;0.078;8;15;0.99498;3.35;0.62;10.4;6
+6.6;0.44;0.15;2.1;0.076;22;53;0.9957;3.32;0.62;9.3;5
+6.8;0.65;0.02;2.1;0.078;8;15;0.99498;3.35;0.62;10.4;6
+9.6;0.38;0.42;1.9;0.071;5;13;0.99659;3.15;0.75;10.5;6
+10.2;0.33;0.46;1.9;0.081;6;9;0.99628;3.1;0.48;10.4;6
+8.8;0.27;0.46;2.1;0.095;20;29;0.99488;3.26;0.56;11.3;6
+7.9;0.57;0.31;2;0.079;10;79;0.99677;3.29;0.69;9.5;6
+8.2;0.34;0.37;1.9;0.057;43;74;0.99408;3.23;0.81;12;6
+8.2;0.4;0.31;1.9;0.082;8;24;0.996;3.24;0.69;10.6;6
+9;0.39;0.4;1.3;0.044;25;50;0.99478;3.2;0.83;10.9;6
+10.9;0.32;0.52;1.8;0.132;17;44;0.99734;3.28;0.77;11.5;6
+10.9;0.32;0.52;1.8;0.132;17;44;0.99734;3.28;0.77;11.5;6
+8.1;0.53;0.22;2.2;0.078;33;89;0.99678;3.26;0.46;9.6;6
+10.5;0.36;0.47;2.2;0.074;9;23;0.99638;3.23;0.76;12;6
+12.6;0.39;0.49;2.5;0.08;8;20;0.9992;3.07;0.82;10.3;6
+9.2;0.46;0.23;2.6;0.091;18;77;0.99922;3.15;0.51;9.4;5
+7.5;0.58;0.03;4.1;0.08;27;46;0.99592;3.02;0.47;9.2;5
+9;0.58;0.25;2;0.104;8;21;0.99769;3.27;0.72;9.6;5
+5.1;0.42;0;1.8;0.044;18;88;0.99157;3.68;0.73;13.6;7
+7.6;0.43;0.29;2.1;0.075;19;66;0.99718;3.4;0.64;9.5;5
+7.7;0.18;0.34;2.7;0.066;15;58;0.9947;3.37;0.78;11.8;6
+7.8;0.815;0.01;2.6;0.074;48;90;0.99621;3.38;0.62;10.8;5
+7.6;0.43;0.29;2.1;0.075;19;66;0.99718;3.4;0.64;9.5;5
+10.2;0.23;0.37;2.2;0.057;14;36;0.99614;3.23;0.49;9.3;4
+7.1;0.75;0.01;2.2;0.059;11;18;0.99242;3.39;0.4;12.8;6
+6;0.33;0.32;12.9;0.054;6;113;0.99572;3.3;0.56;11.5;4
+7.8;0.55;0;1.7;0.07;7;17;0.99659;3.26;0.64;9.4;6
+7.1;0.75;0.01;2.2;0.059;11;18;0.99242;3.39;0.4;12.8;6
+8.1;0.73;0;2.5;0.081;12;24;0.99798;3.38;0.46;9.6;4
+6.5;0.67;0;4.3;0.057;11;20;0.99488;3.45;0.56;11.8;4
+7.5;0.61;0.2;1.7;0.076;36;60;0.99494;3.1;0.4;9.3;5
+9.8;0.37;0.39;2.5;0.079;28;65;0.99729;3.16;0.59;9.8;5
+9;0.4;0.41;2;0.058;15;40;0.99414;3.22;0.6;12.2;6
+8.3;0.56;0.22;2.4;0.082;10;86;0.9983;3.37;0.62;9.5;5
+5.9;0.29;0.25;13.4;0.067;72;160;0.99721;3.33;0.54;10.3;6
+7.4;0.55;0.19;1.8;0.082;15;34;0.99655;3.49;0.68;10.5;5
+7.4;0.74;0.07;1.7;0.086;15;48;0.99502;3.12;0.48;10;5
+7.4;0.55;0.19;1.8;0.082;15;34;0.99655;3.49;0.68;10.5;5
+6.9;0.41;0.33;2.2;0.081;22;36;0.9949;3.41;0.75;11.1;6
+7.1;0.6;0.01;2.3;0.079;24;37;0.99514;3.4;0.61;10.9;6
+7.1;0.6;0.01;2.3;0.079;24;37;0.99514;3.4;0.61;10.9;6
+7.5;0.58;0.14;2.2;0.077;27;60;0.9963;3.28;0.59;9.8;5
+7.1;0.72;0;1.8;0.123;6;14;0.99627;3.45;0.58;9.8;5
+7.9;0.66;0;1.4;0.096;6;13;0.99569;3.43;0.58;9.5;5
+7.8;0.7;0.06;1.9;0.079;20;35;0.99628;3.4;0.69;10.9;5
+6.1;0.64;0.02;2.4;0.069;26;46;0.99358;3.47;0.45;11;5
+7.5;0.59;0.22;1.8;0.082;43;60;0.99499;3.1;0.42;9.2;5
+7;0.58;0.28;4.8;0.085;12;69;0.99633;3.32;0.7;11;6
+6.8;0.64;0;2.7;0.123;15;33;0.99538;3.44;0.63;11.3;6
+6.8;0.64;0;2.7;0.123;15;33;0.99538;3.44;0.63;11.3;6
+8.6;0.635;0.68;1.8;0.403;19;56;0.99632;3.02;1.15;9.3;5
+6.3;1.02;0;2;0.083;17;24;0.99437;3.59;0.55;11.2;4
+9.8;0.45;0.38;2.5;0.081;34;66;0.99726;3.15;0.58;9.8;5
+8.2;0.78;0;2.2;0.089;13;26;0.9978;3.37;0.46;9.6;4
+8.5;0.37;0.32;1.8;0.066;26;51;0.99456;3.38;0.72;11.8;6
+7.2;0.57;0.05;2.3;0.081;16;36;0.99564;3.38;0.6;10.3;6
+7.2;0.57;0.05;2.3;0.081;16;36;0.99564;3.38;0.6;10.3;6
+10.4;0.43;0.5;2.3;0.068;13;19;0.996;3.1;0.87;11.4;6
+6.9;0.41;0.31;2;0.079;21;51;0.99668;3.47;0.55;9.5;6
+5.5;0.49;0.03;1.8;0.044;28;87;0.9908;3.5;0.82;14;8
+5;0.38;0.01;1.6;0.048;26;60;0.99084;3.7;0.75;14;6
+7.3;0.44;0.2;1.6;0.049;24;64;0.9935;3.38;0.57;11.7;6
+5.9;0.46;0;1.9;0.077;25;44;0.99385;3.5;0.53;11.2;5
+7.5;0.58;0.2;2;0.073;34;44;0.99494;3.1;0.43;9.3;5
+7.8;0.58;0.13;2.1;0.102;17;36;0.9944;3.24;0.53;11.2;6
+8;0.715;0.22;2.3;0.075;13;81;0.99688;3.24;0.54;9.5;6
+8.5;0.4;0.4;6.3;0.05;3;10;0.99566;3.28;0.56;12;4
+7;0.69;0;1.9;0.114;3;10;0.99636;3.35;0.6;9.7;6
+8;0.715;0.22;2.3;0.075;13;81;0.99688;3.24;0.54;9.5;6
+9.8;0.3;0.39;1.7;0.062;3;9;0.9948;3.14;0.57;11.5;7
+7.1;0.46;0.2;1.9;0.077;28;54;0.9956;3.37;0.64;10.4;6
+7.1;0.46;0.2;1.9;0.077;28;54;0.9956;3.37;0.64;10.4;6
+7.9;0.765;0;2;0.084;9;22;0.99619;3.33;0.68;10.9;6
+8.7;0.63;0.28;2.7;0.096;17;69;0.99734;3.26;0.63;10.2;6
+7;0.42;0.19;2.3;0.071;18;36;0.99476;3.39;0.56;10.9;5
+11.3;0.37;0.5;1.8;0.09;20;47;0.99734;3.15;0.57;10.5;5
+7.1;0.16;0.44;2.5;0.068;17;31;0.99328;3.35;0.54;12.4;6
+8;0.6;0.08;2.6;0.056;3;7;0.99286;3.22;0.37;13;5
+7;0.6;0.3;4.5;0.068;20;110;0.99914;3.3;1.17;10.2;5
+7;0.6;0.3;4.5;0.068;20;110;0.99914;3.3;1.17;10.2;5
+7.6;0.74;0;1.9;0.1;6;12;0.99521;3.36;0.59;11;5
+8.2;0.635;0.1;2.1;0.073;25;60;0.99638;3.29;0.75;10.9;6
+5.9;0.395;0.13;2.4;0.056;14;28;0.99362;3.62;0.67;12.4;6
+7.5;0.755;0;1.9;0.084;6;12;0.99672;3.34;0.49;9.7;4
+8.2;0.635;0.1;2.1;0.073;25;60;0.99638;3.29;0.75;10.9;6
+6.6;0.63;0;4.3;0.093;51;77.5;0.99558;3.2;0.45;9.5;5
+6.6;0.63;0;4.3;0.093;51;77.5;0.99558;3.2;0.45;9.5;5
+7.2;0.53;0.14;2.1;0.064;15;29;0.99323;3.35;0.61;12.1;6
+5.7;0.6;0;1.4;0.063;11;18;0.99191;3.45;0.56;12.2;6
+7.6;1.58;0;2.1;0.137;5;9;0.99476;3.5;0.4;10.9;3
+5.2;0.645;0;2.15;0.08;15;28;0.99444;3.78;0.61;12.5;6
+6.7;0.86;0.07;2;0.1;20;57;0.99598;3.6;0.74;11.7;6
+9.1;0.37;0.32;2.1;0.064;4;15;0.99576;3.3;0.8;11.2;6
+8;0.28;0.44;1.8;0.081;28;68;0.99501;3.36;0.66;11.2;5
+7.6;0.79;0.21;2.3;0.087;21;68;0.9955;3.12;0.44;9.2;5
+7.5;0.61;0.26;1.9;0.073;24;88;0.99612;3.3;0.53;9.8;5
+9.7;0.69;0.32;2.5;0.088;22;91;0.9979;3.29;0.62;10.1;5
+6.8;0.68;0.09;3.9;0.068;15;29;0.99524;3.41;0.52;11.1;4
+9.7;0.69;0.32;2.5;0.088;22;91;0.9979;3.29;0.62;10.1;5
+7;0.62;0.1;1.4;0.071;27;63;0.996;3.28;0.61;9.2;5
+7.5;0.61;0.26;1.9;0.073;24;88;0.99612;3.3;0.53;9.8;5
+6.5;0.51;0.15;3;0.064;12;27;0.9929;3.33;0.59;12.8;6
+8;1.18;0.21;1.9;0.083;14;41;0.99532;3.34;0.47;10.5;5
+7;0.36;0.21;2.3;0.086;20;65;0.99558;3.4;0.54;10.1;6
+7;0.36;0.21;2.4;0.086;24;69;0.99556;3.4;0.53;10.1;6
+7.5;0.63;0.27;2;0.083;17;91;0.99616;3.26;0.58;9.8;6
+5.4;0.74;0;1.2;0.041;16;46;0.99258;4.01;0.59;12.5;6
+9.9;0.44;0.46;2.2;0.091;10;41;0.99638;3.18;0.69;11.9;6
+7.5;0.63;0.27;2;0.083;17;91;0.99616;3.26;0.58;9.8;6
+9.1;0.76;0.68;1.7;0.414;18;64;0.99652;2.9;1.33;9.1;6
+9.7;0.66;0.34;2.6;0.094;12;88;0.99796;3.26;0.66;10.1;5
+5;0.74;0;1.2;0.041;16;46;0.99258;4.01;0.59;12.5;6
+9.1;0.34;0.42;1.8;0.058;9;18;0.99392;3.18;0.55;11.4;5
+9.1;0.36;0.39;1.8;0.06;21;55;0.99495;3.18;0.82;11;7
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.7;0.46;0.24;1.7;0.077;18;34;0.9948;3.39;0.6;10.6;6
+6.5;0.52;0.11;1.8;0.073;13;38;0.9955;3.34;0.52;9.3;5
+7.4;0.6;0.26;2.1;0.083;17;91;0.99616;3.29;0.56;9.8;6
+7.4;0.6;0.26;2.1;0.083;17;91;0.99616;3.29;0.56;9.8;6
+7.8;0.87;0.26;3.8;0.107;31;67;0.99668;3.26;0.46;9.2;5
+8.4;0.39;0.1;1.7;0.075;6;25;0.99581;3.09;0.43;9.7;6
+9.1;0.775;0.22;2.2;0.079;12;48;0.9976;3.18;0.51;9.6;5
+7.2;0.835;0;2;0.166;4;11;0.99608;3.39;0.52;10;5
+6.6;0.58;0.02;2.4;0.069;19;40;0.99387;3.38;0.66;12.6;6
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+6;0.5;0;1.4;0.057;15;26;0.99448;3.36;0.45;9.5;5
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+7.6;0.54;0.02;1.7;0.085;17;31;0.99589;3.37;0.51;10.4;6
+7.5;0.51;0.02;1.7;0.084;13;31;0.99538;3.36;0.54;10.5;6
+11.5;0.42;0.48;2.6;0.077;8;20;0.99852;3.09;0.53;11;5
+8.2;0.44;0.24;2.3;0.063;10;28;0.99613;3.25;0.53;10.2;6
+6.1;0.59;0.01;2.1;0.056;5;13;0.99472;3.52;0.56;11.4;5
+7.2;0.655;0.03;1.8;0.078;7;12;0.99587;3.34;0.39;9.5;5
+7.2;0.655;0.03;1.8;0.078;7;12;0.99587;3.34;0.39;9.5;5
+6.9;0.57;0;2.8;0.081;21;41;0.99518;3.41;0.52;10.8;5
+9;0.6;0.29;2;0.069;32;73;0.99654;3.34;0.57;10;5
+7.2;0.62;0.01;2.3;0.065;8;46;0.99332;3.32;0.51;11.8;6
+7.6;0.645;0.03;1.9;0.086;14;57;0.9969;3.37;0.46;10.3;5
+7.6;0.645;0.03;1.9;0.086;14;57;0.9969;3.37;0.46;10.3;5
+7.2;0.58;0.03;2.3;0.077;7;28;0.99568;3.35;0.52;10;5
+6.1;0.32;0.25;1.8;0.086;5;32;0.99464;3.36;0.44;10.1;5
+6.1;0.34;0.25;1.8;0.084;4;28;0.99464;3.36;0.44;10.1;5
+7.3;0.43;0.24;2.5;0.078;27;67;0.99648;3.6;0.59;11.1;6
+7.4;0.64;0.17;5.4;0.168;52;98;0.99736;3.28;0.5;9.5;5
+11.6;0.475;0.4;1.4;0.091;6;28;0.99704;3.07;0.65;10.0333333333333;6
+9.2;0.54;0.31;2.3;0.112;11;38;0.99699;3.24;0.56;10.9;5
+8.3;0.85;0.14;2.5;0.093;13;54;0.99724;3.36;0.54;10.1;5
+11.6;0.475;0.4;1.4;0.091;6;28;0.99704;3.07;0.65;10.0333333333333;6
+8;0.83;0.27;2;0.08;11;63;0.99652;3.29;0.48;9.8;4
+7.2;0.605;0.02;1.9;0.096;10;31;0.995;3.46;0.53;11.8;6
+7.8;0.5;0.09;2.2;0.115;10;42;0.9971;3.18;0.62;9.5;5
+7.3;0.74;0.08;1.7;0.094;10;45;0.99576;3.24;0.5;9.8;5
+6.9;0.54;0.3;2.2;0.088;9;105;0.99725;3.25;1.18;10.5;6
+8;0.77;0.32;2.1;0.079;16;74;0.99656;3.27;0.5;9.8;6
+6.6;0.61;0;1.6;0.069;4;8;0.99396;3.33;0.37;10.4;4
+8.7;0.78;0.51;1.7;0.415;12;66;0.99623;3;1.17;9.2;5
+7.5;0.58;0.56;3.1;0.153;5;14;0.99476;3.21;1.03;11.6;6
+8.7;0.78;0.51;1.7;0.415;12;66;0.99623;3;1.17;9.2;5
+7.7;0.75;0.27;3.8;0.11;34;89;0.99664;3.24;0.45;9.3;5
+6.8;0.815;0;1.2;0.267;16;29;0.99471;3.32;0.51;9.8;3
+7.2;0.56;0.26;2;0.083;13;100;0.99586;3.26;0.52;9.9;5
+8.2;0.885;0.2;1.4;0.086;7;31;0.9946;3.11;0.46;10;5
+5.2;0.49;0.26;2.3;0.09;23;74;0.9953;3.71;0.62;12.2;6
+7.2;0.45;0.15;2;0.078;10;28;0.99609;3.29;0.51;9.9;6
+7.5;0.57;0.02;2.6;0.077;11;35;0.99557;3.36;0.62;10.8;6
+7.5;0.57;0.02;2.6;0.077;11;35;0.99557;3.36;0.62;10.8;6
+6.8;0.83;0.09;1.8;0.074;4;25;0.99534;3.38;0.45;9.6;5
+8;0.6;0.22;2.1;0.08;25;105;0.99613;3.3;0.49;9.9;5
+8;0.6;0.22;2.1;0.08;25;105;0.99613;3.3;0.49;9.9;5
+7.1;0.755;0.15;1.8;0.107;20;84;0.99593;3.19;0.5;9.5;5
+8;0.81;0.25;3.4;0.076;34;85;0.99668;3.19;0.42;9.2;5
+7.4;0.64;0.07;1.8;0.1;8;23;0.9961;3.3;0.58;9.6;5
+7.4;0.64;0.07;1.8;0.1;8;23;0.9961;3.3;0.58;9.6;5
+6.6;0.64;0.31;6.1;0.083;7;49;0.99718;3.35;0.68;10.3;5
+6.7;0.48;0.02;2.2;0.08;36;111;0.99524;3.1;0.53;9.7;5
+6;0.49;0;2.3;0.068;15;33;0.99292;3.58;0.59;12.5;6
+8;0.64;0.22;2.4;0.094;5;33;0.99612;3.37;0.58;11;5
+7.1;0.62;0.06;1.3;0.07;5;12;0.9942;3.17;0.48;9.8;5
+8;0.52;0.25;2;0.078;19;59;0.99612;3.3;0.48;10.2;5
+6.4;0.57;0.14;3.9;0.07;27;73;0.99669;3.32;0.48;9.2;5
+8.6;0.685;0.1;1.6;0.092;3;12;0.99745;3.31;0.65;9.55;6
+8.7;0.675;0.1;1.6;0.09;4;11;0.99745;3.31;0.65;9.55;5
+7.3;0.59;0.26;2;0.08;17;104;0.99584;3.28;0.52;9.9;5
+7;0.6;0.12;2.2;0.083;13;28;0.9966;3.52;0.62;10.2;7
+7.2;0.67;0;2.2;0.068;10;24;0.9956;3.42;0.72;11.1;6
+7.9;0.69;0.21;2.1;0.08;33;141;0.9962;3.25;0.51;9.9;5
+7.9;0.69;0.21;2.1;0.08;33;141;0.9962;3.25;0.51;9.9;5
+7.6;0.3;0.42;2;0.052;6;24;0.9963;3.44;0.82;11.9;6
+7.2;0.33;0.33;1.7;0.061;3;13;0.996;3.23;1.1;10;8
+8;0.5;0.39;2.6;0.082;12;46;0.9985;3.43;0.62;10.7;6
+7.7;0.28;0.3;2;0.062;18;34;0.9952;3.28;0.9;11.3;7
+8.2;0.24;0.34;5.1;0.062;8;22;0.9974;3.22;0.94;10.9;6
+6;0.51;0;2.1;0.064;40;54;0.995;3.54;0.93;10.7;6
+8.1;0.29;0.36;2.2;0.048;35;53;0.995;3.27;1.01;12.4;7
+6;0.51;0;2.1;0.064;40;54;0.995;3.54;0.93;10.7;6
+6.6;0.96;0;1.8;0.082;5;16;0.9936;3.5;0.44;11.9;6
+6.4;0.47;0.4;2.4;0.071;8;19;0.9963;3.56;0.73;10.6;6
+8.2;0.24;0.34;5.1;0.062;8;22;0.9974;3.22;0.94;10.9;6
+9.9;0.57;0.25;2;0.104;12;89;0.9963;3.04;0.9;10.1;5
+10;0.32;0.59;2.2;0.077;3;15;0.9994;3.2;0.78;9.6;5
+6.2;0.58;0;1.6;0.065;8;18;0.9966;3.56;0.84;9.4;5
+10;0.32;0.59;2.2;0.077;3;15;0.9994;3.2;0.78;9.6;5
+7.3;0.34;0.33;2.5;0.064;21;37;0.9952;3.35;0.77;12.1;7
+7.8;0.53;0.01;1.6;0.077;3;19;0.995;3.16;0.46;9.8;5
+7.7;0.64;0.21;2.2;0.077;32;133;0.9956;3.27;0.45;9.9;5
+7.8;0.53;0.01;1.6;0.077;3;19;0.995;3.16;0.46;9.8;5
+7.5;0.4;0.18;1.6;0.079;24;58;0.9965;3.34;0.58;9.4;5
+7;0.54;0;2.1;0.079;39;55;0.9956;3.39;0.84;11.4;6
+6.4;0.53;0.09;3.9;0.123;14;31;0.9968;3.5;0.67;11;4
+8.3;0.26;0.37;1.4;0.076;8;23;0.9974;3.26;0.7;9.6;6
+8.3;0.26;0.37;1.4;0.076;8;23;0.9974;3.26;0.7;9.6;6
+7.7;0.23;0.37;1.8;0.046;23;60;0.9971;3.41;0.71;12.1;6
+7.6;0.41;0.33;2.5;0.078;6;23;0.9957;3.3;0.58;11.2;5
+7.8;0.64;0;1.9;0.072;27;55;0.9962;3.31;0.63;11;5
+7.9;0.18;0.4;2.2;0.049;38;67;0.996;3.33;0.93;11.3;5
+7.4;0.41;0.24;1.8;0.066;18;47;0.9956;3.37;0.62;10.4;5
+7.6;0.43;0.31;2.1;0.069;13;74;0.9958;3.26;0.54;9.9;6
+5.9;0.44;0;1.6;0.042;3;11;0.9944;3.48;0.85;11.7;6
+6.1;0.4;0.16;1.8;0.069;11;25;0.9955;3.42;0.74;10.1;7
+10.2;0.54;0.37;15.4;0.214;55;95;1.00369;3.18;0.77;9;6
+10.2;0.54;0.37;15.4;0.214;55;95;1.00369;3.18;0.77;9;6
+10;0.38;0.38;1.6;0.169;27;90;0.99914;3.15;0.65;8.5;5
+6.8;0.915;0.29;4.8;0.07;15;39;0.99577;3.53;0.54;11.1;5
+7;0.59;0;1.7;0.052;3;8;0.996;3.41;0.47;10.3;5
+7.3;0.67;0.02;2.2;0.072;31;92;0.99566;3.32;0.68;11.0666666666667;6
+7.2;0.37;0.32;2;0.062;15;28;0.9947;3.23;0.73;11.3;7
+7.4;0.785;0.19;5.2;0.094;19;98;0.99713;3.16;0.52;9.56666666666667;6
+6.9;0.63;0.02;1.9;0.078;18;30;0.99712;3.4;0.75;9.8;5
+6.9;0.58;0.2;1.75;0.058;8;22;0.99322;3.38;0.49;11.7;5
+7.3;0.67;0.02;2.2;0.072;31;92;0.99566;3.32;0.68;11.1;6
+7.4;0.785;0.19;5.2;0.094;19;98;0.99713;3.16;0.52;9.6;6
+6.9;0.63;0.02;1.9;0.078;18;30;0.99712;3.4;0.75;9.8;5
+6.8;0.67;0;1.9;0.08;22;39;0.99701;3.4;0.74;9.7;5
+6.9;0.58;0.01;1.9;0.08;40;54;0.99683;3.4;0.73;9.7;5
+7.2;0.38;0.31;2;0.056;15;29;0.99472;3.23;0.76;11.3;8
+7.2;0.37;0.32;2;0.062;15;28;0.9947;3.23;0.73;11.3;7
+7.8;0.32;0.44;2.7;0.104;8;17;0.99732;3.33;0.78;11;7
+6.6;0.58;0.02;2;0.062;37;53;0.99374;3.35;0.76;11.6;7
+7.6;0.49;0.33;1.9;0.074;27;85;0.99706;3.41;0.58;9;5
+11.7;0.45;0.63;2.2;0.073;7;23;0.99974;3.21;0.69;10.9;6
+6.5;0.9;0;1.6;0.052;9;17;0.99467;3.5;0.63;10.9;6
+6;0.54;0.06;1.8;0.05;38;89;0.99236;3.3;0.5;10.55;6
+7.6;0.49;0.33;1.9;0.074;27;85;0.99706;3.41;0.58;9;5
+8.4;0.29;0.4;1.7;0.067;8;20;0.99603;3.39;0.6;10.5;5
+7.9;0.2;0.35;1.7;0.054;7;15;0.99458;3.32;0.8;11.9;7
+6.4;0.42;0.09;2.3;0.054;34;64;0.99724;3.41;0.68;10.4;6
+6.2;0.785;0;2.1;0.06;6;13;0.99664;3.59;0.61;10;4
+6.8;0.64;0.03;2.3;0.075;14;31;0.99545;3.36;0.58;10.4;6
+6.9;0.63;0.01;2.4;0.076;14;39;0.99522;3.34;0.53;10.8;6
+6.8;0.59;0.1;1.7;0.063;34;53;0.9958;3.41;0.67;9.7;5
+6.8;0.59;0.1;1.7;0.063;34;53;0.9958;3.41;0.67;9.7;5
+7.3;0.48;0.32;2.1;0.062;31;54;0.99728;3.3;0.65;10;7
+6.7;1.04;0.08;2.3;0.067;19;32;0.99648;3.52;0.57;11;4
+7.3;0.48;0.32;2.1;0.062;31;54;0.99728;3.3;0.65;10;7
+7.3;0.98;0.05;2.1;0.061;20;49;0.99705;3.31;0.55;9.7;3
+10;0.69;0.11;1.4;0.084;8;24;0.99578;2.88;0.47;9.7;5
+6.7;0.7;0.08;3.75;0.067;8;16;0.99334;3.43;0.52;12.6;5
+7.6;0.35;0.6;2.6;0.073;23;44;0.99656;3.38;0.79;11.1;6
+6.1;0.6;0.08;1.8;0.071;14;45;0.99336;3.38;0.54;11;5
+9.9;0.5;0.5;13.8;0.205;48;82;1.00242;3.16;0.75;8.8;5
+5.3;0.47;0.11;2.2;0.048;16;89;0.99182;3.54;0.88;13.5666666666667;7
+9.9;0.5;0.5;13.8;0.205;48;82;1.00242;3.16;0.75;8.8;5
+5.3;0.47;0.11;2.2;0.048;16;89;0.99182;3.54;0.88;13.6;7
+7.1;0.875;0.05;5.7;0.082;3;14;0.99808;3.4;0.52;10.2;3
+8.2;0.28;0.6;3;0.104;10;22;0.99828;3.39;0.68;10.6;5
+5.6;0.62;0.03;1.5;0.08;6;13;0.99498;3.66;0.62;10.1;4
+8.2;0.28;0.6;3;0.104;10;22;0.99828;3.39;0.68;10.6;5
+7.2;0.58;0.54;2.1;0.114;3;9;0.99719;3.33;0.57;10.3;4
+8.1;0.33;0.44;1.5;0.042;6;12;0.99542;3.35;0.61;10.7;5
+6.8;0.91;0.06;2;0.06;4;11;0.99592;3.53;0.64;10.9;4
+7;0.655;0.16;2.1;0.074;8;25;0.99606;3.37;0.55;9.7;5
+6.8;0.68;0.21;2.1;0.07;9;23;0.99546;3.38;0.6;10.3;5
+6;0.64;0.05;1.9;0.066;9;17;0.99496;3.52;0.78;10.6;5
+5.6;0.54;0.04;1.7;0.049;5;13;0.9942;3.72;0.58;11.4;5
+6.2;0.57;0.1;2.1;0.048;4;11;0.99448;3.44;0.76;10.8;6
+7.1;0.22;0.49;1.8;0.039;8;18;0.99344;3.39;0.56;12.4;6
+5.6;0.54;0.04;1.7;0.049;5;13;0.9942;3.72;0.58;11.4;5
+6.2;0.65;0.06;1.6;0.05;6;18;0.99348;3.57;0.54;11.95;5
+7.7;0.54;0.26;1.9;0.089;23;147;0.99636;3.26;0.59;9.7;5
+6.4;0.31;0.09;1.4;0.066;15;28;0.99459;3.42;0.7;10;7
+7;0.43;0.02;1.9;0.08;15;28;0.99492;3.35;0.81;10.6;6
+7.7;0.54;0.26;1.9;0.089;23;147;0.99636;3.26;0.59;9.7;5
+6.9;0.74;0.03;2.3;0.054;7;16;0.99508;3.45;0.63;11.5;6
+6.6;0.895;0.04;2.3;0.068;7;13;0.99582;3.53;0.58;10.8;6
+6.9;0.74;0.03;2.3;0.054;7;16;0.99508;3.45;0.63;11.5;6
+7.5;0.725;0.04;1.5;0.076;8;15;0.99508;3.26;0.53;9.6;5
+7.8;0.82;0.29;4.3;0.083;21;64;0.99642;3.16;0.53;9.4;5
+7.3;0.585;0.18;2.4;0.078;15;60;0.99638;3.31;0.54;9.8;5
+6.2;0.44;0.39;2.5;0.077;6;14;0.99555;3.51;0.69;11;6
+7.5;0.38;0.57;2.3;0.106;5;12;0.99605;3.36;0.55;11.4;6
+6.7;0.76;0.02;1.8;0.078;6;12;0.996;3.55;0.63;9.95;3
+6.8;0.81;0.05;2;0.07;6;14;0.99562;3.51;0.66;10.8;6
+7.5;0.38;0.57;2.3;0.106;5;12;0.99605;3.36;0.55;11.4;6
+7.1;0.27;0.6;2.1;0.074;17;25;0.99814;3.38;0.72;10.6;6
+7.9;0.18;0.4;1.8;0.062;7;20;0.9941;3.28;0.7;11.1;5
+6.4;0.36;0.21;2.2;0.047;26;48;0.99661;3.47;0.77;9.7;6
+7.1;0.69;0.04;2.1;0.068;19;27;0.99712;3.44;0.67;9.8;5
+6.4;0.79;0.04;2.2;0.061;11;17;0.99588;3.53;0.65;10.4;6
+6.4;0.56;0.15;1.8;0.078;17;65;0.99294;3.33;0.6;10.5;6
+6.9;0.84;0.21;4.1;0.074;16;65;0.99842;3.53;0.72;9.23333333333333;6
+6.9;0.84;0.21;4.1;0.074;16;65;0.99842;3.53;0.72;9.25;6
+6.1;0.32;0.25;2.3;0.071;23;58;0.99633;3.42;0.97;10.6;5
+6.5;0.53;0.06;2;0.063;29;44;0.99489;3.38;0.83;10.3;6
+7.4;0.47;0.46;2.2;0.114;7;20;0.99647;3.32;0.63;10.5;5
+6.6;0.7;0.08;2.6;0.106;14;27;0.99665;3.44;0.58;10.2;5
+6.5;0.53;0.06;2;0.063;29;44;0.99489;3.38;0.83;10.3;6
+6.9;0.48;0.2;1.9;0.082;9;23;0.99585;3.39;0.43;9.05;4
+6.1;0.32;0.25;2.3;0.071;23;58;0.99633;3.42;0.97;10.6;5
+6.8;0.48;0.25;2;0.076;29;61;0.9953;3.34;0.6;10.4;5
+6;0.42;0.19;2;0.075;22;47;0.99522;3.39;0.78;10;6
+6.7;0.48;0.08;2.1;0.064;18;34;0.99552;3.33;0.64;9.7;5
+6.8;0.47;0.08;2.2;0.064;18;38;0.99553;3.3;0.65;9.6;6
+7.1;0.53;0.07;1.7;0.071;15;24;0.9951;3.29;0.66;10.8;6
+7.9;0.29;0.49;2.2;0.096;21;59;0.99714;3.31;0.67;10.1;6
+7.1;0.69;0.08;2.1;0.063;42;52;0.99608;3.42;0.6;10.2;6
+6.6;0.44;0.09;2.2;0.063;9;18;0.99444;3.42;0.69;11.3;6
+6.1;0.705;0.1;2.8;0.081;13;28;0.99631;3.6;0.66;10.2;5
+7.2;0.53;0.13;2;0.058;18;22;0.99573;3.21;0.68;9.9;6
+8;0.39;0.3;1.9;0.074;32;84;0.99717;3.39;0.61;9;5
+6.6;0.56;0.14;2.4;0.064;13;29;0.99397;3.42;0.62;11.7;7
+7;0.55;0.13;2.2;0.075;15;35;0.9959;3.36;0.59;9.7;6
+6.1;0.53;0.08;1.9;0.077;24;45;0.99528;3.6;0.68;10.3;6
+5.4;0.58;0.08;1.9;0.059;20;31;0.99484;3.5;0.64;10.2;6
+6.2;0.64;0.09;2.5;0.081;15;26;0.99538;3.57;0.63;12;5
+7.2;0.39;0.32;1.8;0.065;34;60;0.99714;3.46;0.78;9.9;5
+6.2;0.52;0.08;4.4;0.071;11;32;0.99646;3.56;0.63;11.6;6
+7.4;0.25;0.29;2.2;0.054;19;49;0.99666;3.4;0.76;10.9;7
+6.7;0.855;0.02;1.9;0.064;29;38;0.99472;3.3;0.56;10.75;6
+11.1;0.44;0.42;2.2;0.064;14;19;0.99758;3.25;0.57;10.4;6
+8.4;0.37;0.43;2.3;0.063;12;19;0.9955;3.17;0.81;11.2;7
+6.5;0.63;0.33;1.8;0.059;16;28;0.99531;3.36;0.64;10.1;6
+7;0.57;0.02;2;0.072;17;26;0.99575;3.36;0.61;10.2;5
+6.3;0.6;0.1;1.6;0.048;12;26;0.99306;3.55;0.51;12.1;5
+11.2;0.4;0.5;2;0.099;19;50;0.99783;3.1;0.58;10.4;5
+7.4;0.36;0.3;1.8;0.074;17;24;0.99419;3.24;0.7;11.4;8
+7.1;0.68;0;2.3;0.087;17;26;0.99783;3.45;0.53;9.5;5
+7.1;0.67;0;2.3;0.083;18;27;0.99768;3.44;0.54;9.4;5
+6.3;0.68;0.01;3.7;0.103;32;54;0.99586;3.51;0.66;11.3;6
+7.3;0.735;0;2.2;0.08;18;28;0.99765;3.41;0.6;9.4;5
+6.6;0.855;0.02;2.4;0.062;15;23;0.99627;3.54;0.6;11;6
+7;0.56;0.17;1.7;0.065;15;24;0.99514;3.44;0.68;10.55;7
+6.6;0.88;0.04;2.2;0.066;12;20;0.99636;3.53;0.56;9.9;5
+6.6;0.855;0.02;2.4;0.062;15;23;0.99627;3.54;0.6;11;6
+6.9;0.63;0.33;6.7;0.235;66;115;0.99787;3.22;0.56;9.5;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.8;0.6;0.26;2;0.08;31;131;0.99622;3.21;0.52;9.9;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+6.7;0.67;0.02;1.9;0.061;26;42;0.99489;3.39;0.82;10.9;6
+6.7;0.16;0.64;2.1;0.059;24;52;0.99494;3.34;0.71;11.2;6
+7.2;0.695;0.13;2;0.076;12;20;0.99546;3.29;0.54;10.1;5
+7;0.56;0.13;1.6;0.077;25;42;0.99629;3.34;0.59;9.2;5
+6.2;0.51;0.14;1.9;0.056;15;34;0.99396;3.48;0.57;11.5;6
+6.4;0.36;0.53;2.2;0.23;19;35;0.9934;3.37;0.93;12.4;6
+6.4;0.38;0.14;2.2;0.038;15;25;0.99514;3.44;0.65;11.1;6
+7.3;0.69;0.32;2.2;0.069;35;104;0.99632;3.33;0.51;9.5;5
+6;0.58;0.2;2.4;0.075;15;50;0.99467;3.58;0.67;12.5;6
+5.6;0.31;0.78;13.9;0.074;23;92;0.99677;3.39;0.48;10.5;6
+7.5;0.52;0.4;2.2;0.06;12;20;0.99474;3.26;0.64;11.8;6
+8;0.3;0.63;1.6;0.081;16;29;0.99588;3.3;0.78;10.8;6
+6.2;0.7;0.15;5.1;0.076;13;27;0.99622;3.54;0.6;11.9;6
+6.8;0.67;0.15;1.8;0.118;13;20;0.9954;3.42;0.67;11.3;6
+6.2;0.56;0.09;1.7;0.053;24;32;0.99402;3.54;0.6;11.3;5
+7.4;0.35;0.33;2.4;0.068;9;26;0.9947;3.36;0.6;11.9;6
+6.2;0.56;0.09;1.7;0.053;24;32;0.99402;3.54;0.6;11.3;5
+6.1;0.715;0.1;2.6;0.053;13;27;0.99362;3.57;0.5;11.9;5
+6.2;0.46;0.29;2.1;0.074;32;98;0.99578;3.33;0.62;9.8;5
+6.7;0.32;0.44;2.4;0.061;24;34;0.99484;3.29;0.8;11.6;7
+7.2;0.39;0.44;2.6;0.066;22;48;0.99494;3.3;0.84;11.5;6
+7.5;0.31;0.41;2.4;0.065;34;60;0.99492;3.34;0.85;11.4;6
+5.8;0.61;0.11;1.8;0.066;18;28;0.99483;3.55;0.66;10.9;6
+7.2;0.66;0.33;2.5;0.068;34;102;0.99414;3.27;0.78;12.8;6
+6.6;0.725;0.2;7.8;0.073;29;79;0.9977;3.29;0.54;9.2;5
+6.3;0.55;0.15;1.8;0.077;26;35;0.99314;3.32;0.82;11.6;6
+5.4;0.74;0.09;1.7;0.089;16;26;0.99402;3.67;0.56;11.6;6
+6.3;0.51;0.13;2.3;0.076;29;40;0.99574;3.42;0.75;11;6
+6.8;0.62;0.08;1.9;0.068;28;38;0.99651;3.42;0.82;9.5;6
+6.2;0.6;0.08;2;0.09;32;44;0.9949;3.45;0.58;10.5;5
+5.9;0.55;0.1;2.2;0.062;39;51;0.99512;3.52;0.76;11.2;6
+6.3;0.51;0.13;2.3;0.076;29;40;0.99574;3.42;0.75;11;6
+5.9;0.645;0.12;2;0.075;32;44;0.99547;3.57;0.71;10.2;5
+6;0.31;0.47;3.6;0.067;18;42;0.99549;3.39;0.66;11;6
diff --git a/db2_for_machine_learning_samples/docs/source/images/img-1.png b/db2_for_machine_learning_samples/docs/source/images/img-1.png
new file mode 100644
index 0000000..8140ed0
Binary files /dev/null and b/db2_for_machine_learning_samples/docs/source/images/img-1.png differ
diff --git a/db2_for_machine_learning_samples/docs/source/images/img-2.png b/db2_for_machine_learning_samples/docs/source/images/img-2.png
new file mode 100644
index 0000000..c57851f
Binary files /dev/null and b/db2_for_machine_learning_samples/docs/source/images/img-2.png differ
diff --git a/db2_for_machine_learning_samples/docs/source/images/img-3.png b/db2_for_machine_learning_samples/docs/source/images/img-3.png
new file mode 100644
index 0000000..b122196
Binary files /dev/null and b/db2_for_machine_learning_samples/docs/source/images/img-3.png differ
diff --git a/db2_for_machine_learning_samples/docs/source/images/img-4.png b/db2_for_machine_learning_samples/docs/source/images/img-4.png
new file mode 100644
index 0000000..bed4ac4
Binary files /dev/null and b/db2_for_machine_learning_samples/docs/source/images/img-4.png differ
diff --git a/db2_for_machine_learning_samples/notebooks/Db2 Sample For H2o.ipynb b/db2_for_machine_learning_samples/notebooks/Db2 Sample For H2o.ipynb
new file mode 100644
index 0000000..1c3ebd7
--- /dev/null
+++ b/db2_for_machine_learning_samples/notebooks/Db2 Sample For H2o.ipynb	
@@ -0,0 +1,380 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Copyright IBM All Rights Reserved.\n",
+    "#### SPDX-License-Identifier: Apache-2.0\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Db2 Sample For H20\n",
+    "\n",
+    "In this code sample, we will show how to use the Db2 Python driver to import data from our Db2 database. Then, we will use that data to create a machine learning model with H20.\n",
+    "\n",
+    "Many wine connoisseurs love to taste different wines from all over the world. Mostly importantly, they want to know how the quality differs between each wine based on the ingredients. Some of them also want to be able to predict the quality before even tasting it. In this notebook, we will be using a dataset that has collected certain attributes of many wine bottles that determines the quality of the wine. Using this dataset, we will help our wine connoisseurs predict the quality of wine.\n",
+    "\n",
+    "This notebook will demonstrate how to use Db2 as a data source for creating machine learning models.\n",
+    "\n",
+    "Prerequisites:\n",
+    "1. Python 3.6 and above\n",
+    "2. Db2 on Cloud instance (using free-tier option)\n",
+    "3. Data already loaded in your Db2 instance\n",
+    "4. Have Db2 connection credentials on hand\n",
+    "\n",
+    "We will be importing two libraries- `ibm_db` and `ibm_dbi`. `ibm_db` is a library with low-level functions that will directly connect to our db2 database. To make things easier for you, we will be using `ibm-dbi`, which communicates with `ibm-db` and gives us an easy interface to interact with our data and import our data as a pandas dataframe. \n",
+    "\n",
+    "For this example, we will be using the [winequality-red dataset](../data/winequality-red.csv), which we have loaded into our Db2 instance.\n",
+    "\n",
+    "NOTE: Running this notebook within a docker container. If `!easy_install ibm_db` doesn't work on your normally on jupter notebook, you may need to also run this notebook within a docker container as well."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 1. Import Data\n",
+    "Let's first install and import all the libraries needed for this notebook. Most important we will be installing and importing the db2 python driver `ibm_db`."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "!pip install h2o\n",
+    "!easy_install ibm_db"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import matplotlib.pyplot as plt\n",
+    "import seaborn as sns\n",
+    "%matplotlib inline\n",
+    "\n",
+    "# The two python ibm db2 drivers we need\n",
+    "import ibm_db\n",
+    "import ibm_db_dbi"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# replace only <> credentials\n",
+    "dsn = \"DRIVER={{IBM DB2 ODBC DRIVER}};\" + \\\n",
+    "      \"DATABASE=<DATABASE NAME>;\" + \\\n",
+    "      \"HOSTNAME=<HOSTNMAE>;\" + \\\n",
+    "      \"PORT=50000;\" + \\\n",
+    "      \"PROTOCOL=TCPIP;\" + \\\n",
+    "      \"UID=<USERNAME>;\" + \\\n",
+    "      \"PWD=<PWD>;\"\n",
+    "hdbc  = ibm_db.connect(dsn, \"\", \"\")\n",
+    "hdbi = ibm_db_dbi.Connection(hdbc)\n",
+    "\n",
+    "sql = 'SELECT * FROM <SCHEMA NAME>.<TABLE NAME>'\n",
+    "\n",
+    "wine = pandas.read_sql(sql,hdbi)\n",
+    "#wine = pd.read_csv('../data/winequality-red.csv', sep=';') "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Let's see what our data looks like\n",
+    "wine.head()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 2. Data Exploration"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "In this step, we are going to try and explore our data inorder to gain insight. We hope to be able to make some assumptions of our data before we start modeling."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.describe()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Minimum price of the data\n",
+    "minimum_price = np.amin(wine['quality'])\n",
+    "\n",
+    "# Maximum price of the data\n",
+    "maximum_price = np.amax(wine['quality'])\n",
+    "\n",
+    "# Mean price of the data\n",
+    "mean_price = np.mean(wine['quality'])\n",
+    "\n",
+    "# Median price of the data\n",
+    "median_price = np.median(wine['quality'])\n",
+    "\n",
+    "# Standard deviation of prices of the data\n",
+    "std_price = np.std(wine['quality'])\n",
+    "\n",
+    "# Show the calculated statistics\n",
+    "print(\"Statistics for housing dataset:\\n\")\n",
+    "print(\"Minimum quality: {}\".format(minimum_price)) \n",
+    "print(\"Maximum quality: {}\".format(maximum_price))\n",
+    "print(\"Mean quality: {}\".format(mean_price))\n",
+    "print(\"Median quality {}\".format(median_price))\n",
+    "print(\"Standard deviation of quality: {}\".format(std_price))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.corr()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "corr_matrix = wine.corr()\n",
+    "corr_matrix[\"quality\"].sort_values(ascending=False)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 3. Data Visualization"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.hist(bins=50, figsize=(30,25))\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "boxplot = wine.boxplot(column=['quality'])"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 4. Creating Machine Learning Model\n",
+    "\n",
+    "Now that we have cleaned and explored our data. We are ready to build our model that will predict the attribute `Class`. "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import h2o\n",
+    "\n",
+    "# Create an H2o session\n",
+    "h2o.init()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert a Pandas Data Frame to H2o Frame\n",
+    "wine_data = h2o.H2OFrame(wine)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Make sure the data is no corrupted during conversion\n",
+    "wine_data.head(5)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Split the data into tran and test data\n",
+    "wine_split = wine_data.split_frame(ratios = [0.8], seed = 1234)\n",
+    "wine_train = wine_split[0] # using 80% for training\n",
+    "wine_test = wine_split[1] #rest 20% for testing\n",
+    "\n",
+    "# Verify shape of data sets\n",
+    "print(wine_train.shape, wine_test.shape)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# We to define the predictors for this model\n",
+    "predictors = list(wine_data.columns) \n",
+    "\n",
+    "# Since we need to predict quality, let's take that out \n",
+    "predictors.remove('quality')  \n",
+    "predictors"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Import the function for GLM\n",
+    "from h2o.estimators.glm import H2OGeneralizedLinearEstimator\n",
+    "\n",
+    "# Set up GLM for regression\n",
+    "glm = H2OGeneralizedLinearEstimator(family = 'gaussian', model_id = 'glm_default')\n",
+    "\n",
+    "# Use .train() to build the model\n",
+    "glm.train(x = predictors, y = 'quality', training_frame = wine_train)\n",
+    "\n",
+    "print(glm)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "glm.model_performance(wine_test)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "predictions = glm.predict(wine_test)\n",
+    "predictions.head(5)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 5. H2o Auto ML "
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "In this section, I will walk through how to use H2o AutoML Module."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from h2o.automl import H2OAutoML\n",
+    "\n",
+    "# Here AutoML will run for 20 base models for 100 seconds.\n",
+    "aml = H2OAutoML(max_models = 20, max_runtime_secs=100, seed = 1)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Training our model\n",
+    "aml.train(x=predictors, y='quality', training_frame=wine_train, validation_frame=wine_test)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Now let us look at the automl leaderboard.\n",
+    "print(aml.leaderboard)\n",
+    "\n",
+    "#The leaderboard displays the top 10 models built by AutoML with their parameters. \n",
+    "#The best model is placed on the top is a Stacked Ensemble."
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.7.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
diff --git a/db2_for_machine_learning_samples/notebooks/Db2 Sample For Scikit-Learn.ipynb b/db2_for_machine_learning_samples/notebooks/Db2 Sample For Scikit-Learn.ipynb
new file mode 100644
index 0000000..cbc7f36
--- /dev/null
+++ b/db2_for_machine_learning_samples/notebooks/Db2 Sample For Scikit-Learn.ipynb	
@@ -0,0 +1,337 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Copyright IBM All Rights Reserved.\n",
+    "#### SPDX-License-Identifier: Apache-2.0"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Db2 Sample For Scikit-Learn\n",
+    "\n",
+    "In this code sample, we will show how to use the Db2 Python driver to import data from our Db2 database. Then, we will use that data to create a machine learning model with scikit-learn.\n",
+    "\n",
+    "Many wine connoisseurs love to taste different wines from all over the world. Mostly importantly, they want to know how the quality differs between each wine based on the ingredients. Some of them also want to be able to predict the quality before even tasting it. In this notebook, we will be using a dataset that has collected certain attributes of many wine bottles that determines the quality of the wine. Using this dataset, we will help our wine connoisseurs predict the quality of wine.\n",
+    "\n",
+    "This notebook will demonstrate how to use Db2 as a data source for creating machine learning models.\n",
+    "\n",
+    "Prerequisites:\n",
+    "1. Python 3.6 and above\n",
+    "2. Db2 on Cloud instance (using free-tier option)\n",
+    "3. Data already loaded in your Db2 instance\n",
+    "4. Have Db2 connection credentials on hand\n",
+    "\n",
+    "We will be importing two libraries- `ibm_db` and `ibm_dbi`. `ibm_db` is a library with low-level functions that will directly connect to our db2 database. To make things easier for you, we will be using `ibm-dbi`, which communicates with `ibm-db` and gives us an easy interface to interact with our data and import our data as a pandas dataframe. \n",
+    "\n",
+    "For this example, we will be using the [winequality-red dataset](../data/winequality-red.csv), which we have loaded into our Db2 instance.\n",
+    "\n",
+    "NOTE: Running this notebook within a docker container. If `!easy_install ibm_db` doesn't work on your normally on jupter notebook, you may need to also run this notebook within a docker container as well."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 1. Import Data\n",
+    "Let's first install and import all the libraries needed for this notebook. Most important we will be installing and importing the db2 python driver `ibm_db`."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "!pip install sklearn\n",
+    "!easy_install ibm_db"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import matplotlib.pyplot as plt\n",
+    "import seaborn as sns\n",
+    "%matplotlib inline\n",
+    "\n",
+    "# The two python ibm db2 drivers we need\n",
+    "import ibm_db\n",
+    "import ibm_db_dbi"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Now let's import our data from our data source using the python db2 driver."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# replace only <> credentials\n",
+    "dsn = \"DRIVER={{IBM DB2 ODBC DRIVER}};\" + \\\n",
+    "      \"DATABASE=<DATABASE NAME>;\" + \\\n",
+    "      \"HOSTNAME=<HOSTNMAE>;\" + \\\n",
+    "      \"PORT=50000;\" + \\\n",
+    "      \"PROTOCOL=TCPIP;\" + \\\n",
+    "      \"UID=<USERNAME>;\" + \\\n",
+    "      \"PWD=<PWD>;\"\n",
+    "hdbc  = ibm_db.connect(dsn, \"\", \"\")\n",
+    "hdbi = ibm_db_dbi.Connection(hdbc)\n",
+    "\n",
+    "sql = 'SELECT * FROM <SCHEMA NAME>.<TABLE NAME>'\n",
+    "\n",
+    "wine = pandas.read_sql(sql,hdbi)\n",
+    "#wine = pd.read_csv('../data/winequality-red.csv', sep=';') "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.head()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 2. Data Exploration"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "In this step, we are going to try and explore our data inorder to gain insight. We hope to be able to make some assumptions of our data before we start modeling."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.describe()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Minimum price of the data\n",
+    "minimum_price = np.amin(wine['quality'])\n",
+    "\n",
+    "# Maximum price of the data\n",
+    "maximum_price = np.amax(wine['quality'])\n",
+    "\n",
+    "# Mean price of the data\n",
+    "mean_price = np.mean(wine['quality'])\n",
+    "\n",
+    "# Median price of the data\n",
+    "median_price = np.median(wine['quality'])\n",
+    "\n",
+    "# Standard deviation of prices of the data\n",
+    "std_price = np.std(wine['quality'])\n",
+    "\n",
+    "# Show the calculated statistics\n",
+    "print(\"Statistics for housing dataset:\\n\")\n",
+    "print(\"Minimum quality: {}\".format(minimum_price)) \n",
+    "print(\"Maximum quality: {}\".format(maximum_price))\n",
+    "print(\"Mean quality: {}\".format(mean_price))\n",
+    "print(\"Median quality {}\".format(median_price))\n",
+    "print(\"Standard deviation of quality: {}\".format(std_price))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.corr()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "corr_matrix = wine.corr()\n",
+    "corr_matrix[\"quality\"].sort_values(ascending=False)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 3. Data Visualization"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.hist(bins=50, figsize=(30,25))\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "boxplot = wine.boxplot(column=['quality'])"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 4. Creating Machine Learning Model"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Now that we have cleaned and explored our data. We are ready to build our model that will predict the attribute `quality`. "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine_value = wine['quality']\n",
+    "wine_attributes = wine.drop(['quality'],  axis=1)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.preprocessing import StandardScaler\n",
+    "\n",
+    "# Let us scale our data first \n",
+    "sc = StandardScaler()\n",
+    "wine_attributes = sc.fit_transform(wine_attributes)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.decomposition import PCA\n",
+    "\n",
+    "# Apply PCA to our data\n",
+    "pca = PCA(n_components=8)\n",
+    "x_pca = pca.fit_transform(wine_attributes)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "We need to split our data into train and test data."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.model_selection import train_test_split\n",
+    "\n",
+    "# Split our data into test and train data\n",
+    "x_train, x_test, y_train, y_test = train_test_split( wine_attributes,wine_value, test_size = 0.25)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "We will be using Logistic Regression to model our data"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.linear_model import LogisticRegression\n",
+    "from sklearn.metrics import confusion_matrix, accuracy_score\n",
+    "\n",
+    "lr = LogisticRegression()\n",
+    "\n",
+    "# Train our model\n",
+    "lr.fit(x_train, y_train)\n",
+    "\n",
+    "# Predict using our trained model and our test data\n",
+    "lr_predict = lr.predict(x_test)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Print confusion matrix and accuracy score\n",
+    "lr_conf_matrix = confusion_matrix(y_test, lr_predict)\n",
+    "lr_acc_score = accuracy_score(y_test, lr_predict)\n",
+    "print(lr_conf_matrix)\n",
+    "print(lr_acc_score*100)"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.7.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
diff --git a/db2_for_machine_learning_samples/notebooks/Db2 Sample For Tensorflow.ipynb b/db2_for_machine_learning_samples/notebooks/Db2 Sample For Tensorflow.ipynb
new file mode 100644
index 0000000..c90411e
--- /dev/null
+++ b/db2_for_machine_learning_samples/notebooks/Db2 Sample For Tensorflow.ipynb	
@@ -0,0 +1,424 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Copyright IBM All Rights Reserved.\n",
+    "#### SPDX-License-Identifier: Apache-2.0"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Db2 Sample For Tensorflow\n",
+    "\n",
+    "In this code sample, we will show how to use the Db2 Python driver to import data from our Db2 database. Then, we will use that data to create a machine learning model with tensorflow.\n",
+    "\n",
+    "Many wine connoisseurs love to taste different wines from all over the world. Mostly importantly, they want to be able to guess the type of wine it is based on the taste and ingredients of the wine. In this notebook, we will be using a dataset that has collected certain attributes of many wine bottles that determines the class of the wine. Using this dataset, we will help our wine connoisseurs predict the `class` of wine.\n",
+    "\n",
+    "This notebook will demonstrate how to use Db2 as a data source for creating machine learning models.\n",
+    "\n",
+    "Prerequisites:\n",
+    "1. Python 3.6 and above\n",
+    "2. Db2 on Cloud instance (using free-tier option)\n",
+    "3. Data already loaded in your Db2 instance\n",
+    "4. Have Db2 connection credentials on hand\n",
+    "\n",
+    "We will be importing two libraries- `ibm_db` and `ibm_dbi`. `ibm_db` is a library with low-level functions that will directly connect to our db2 database. To make things easier for you, we will be using `ibm-dbi`, which communicates with `ibm-db` and gives us an easy interface to interact with our data and import our data as a pandas dataframe. \n",
+    "\n",
+    "For this example, we will be using the [wine dataset](../data/wine.csv), which we have loaded into our Db2 instance.\n",
+    "\n",
+    "NOTE: Running this notebook within a docker container. If `!easy_install ibm_db` doesn't work on your normally on jupter notebook, you may need to also run this notebook within a docker container as well."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 1. Import Data\n",
+    "Let's first install and import all the libraries needed for this notebook. Most important we will be installing and importing the db2 python driver `ibm_db`."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "!pip install tensorflow\n",
+    "!easy_install ibm_db"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import matplotlib.pyplot as plt\n",
+    "import seaborn as sns\n",
+    "%matplotlib inline\n",
+    "\n",
+    "# The two python ibm db2 drivers we need\n",
+    "import ibm_db\n",
+    "import ibm_db_dbi"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# replace only <> credentials\n",
+    "dsn = \"DRIVER={{IBM DB2 ODBC DRIVER}};\" + \\\n",
+    "      \"DATABASE=<DATABASE NAME>;\" + \\\n",
+    "      \"HOSTNAME=<HOSTNMAE>;\" + \\\n",
+    "      \"PORT=50000;\" + \\\n",
+    "      \"PROTOCOL=TCPIP;\" + \\\n",
+    "      \"UID=<USERNAME>;\" + \\\n",
+    "      \"PWD=<PWD>;\"\n",
+    "hdbc  = ibm_db.connect(dsn, \"\", \"\")\n",
+    "hdbi = ibm_db_dbi.Connection(hdbc)\n",
+    "\n",
+    "sql = 'SELECT * FROM <SCHEMA NAME>.<TABLE NAME>'\n",
+    "\n",
+    "wine = pandas.read_sql(sql,hdbi)\n",
+    "\n",
+    "#colnames = ['Class','Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid phenols','Proanthocyanins','Color intensity','Hue','dilute','Proline']\n",
+    "#wine = pd.read_csv('../data/winequality-red.csv', sep=';') "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Let's see what our data looks like\n",
+    "wine.head()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 2. Data Exploration"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "In this step, we are going to try and explore our data inorder to gain insight. We hope to be able to make some assumptions of our data before we start modeling."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.describe()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Minimum price of the data\n",
+    "minimum_price = np.amin(wine['Wine'])\n",
+    "\n",
+    "# Maximum price of the data\n",
+    "maximum_price = np.amax(wine['Wine'])\n",
+    "\n",
+    "# Mean price of the data\n",
+    "mean_price = np.mean(wine['Wine'])\n",
+    "\n",
+    "# Median price of the data\n",
+    "median_price = np.median(wine['Wine'])\n",
+    "\n",
+    "# Standard deviation of prices of the data\n",
+    "std_price = np.std(wine['Wine'])\n",
+    "\n",
+    "# Show the calculated statistics\n",
+    "print(\"Statistics for housing dataset:\\n\")\n",
+    "print(\"Minimum: {}\".format(minimum_price)) \n",
+    "print(\"Maximum: {}\".format(maximum_price))\n",
+    "print(\"Mean: {}\".format(mean_price))\n",
+    "print(\"Median {}\".format(median_price))\n",
+    "print(\"Standard deviation: {}\".format(std_price))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.corr()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "corr_matrix = wine.corr()\n",
+    "corr_matrix[\"Wine\"].sort_values(ascending=False)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 3. Data Visualization"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "wine.hist(bins=50, figsize=(30,25))\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "boxplot = wine.boxplot(column=['Wine'])"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 4. Pre-Process Data"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Before we start creating our model, we need to first pre-process our data for tensorflow."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import tensorflow as tf"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# First we convert the Wine labels to Onehot format.\n",
+    "df = pd.get_dummies(wine, columns=['Wine'])\n",
+    "\n",
+    "# Convert labels to numpy array for tensorflow\n",
+    "labels = df.loc[:,['Class_1','Class_2','Class_3']]\n",
+    "labels = labels.values\n",
+    "\n",
+    "# Convert features to numpy array for tensorflow\n",
+    "features = df.drop(['Class_1','Class_2','Class_3','Ash'],axis = 1)\n",
+    "features = features.values\n",
+    "\n",
+    "# Make sure the type is numpy arrays\n",
+    "print(type(labels))\n",
+    "print(type(features))\n",
+    "\n",
+    "# Make sure the shape of the array is correct\n",
+    "print(labels.shape)\n",
+    "print(features.shape)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.model_selection import train_test_split\n",
+    "\n",
+    "# Split the data into test and train data\n",
+    "train_x,test_x,train_y,test_y = train_test_split(features,labels)\n",
+    "\n",
+    "# Verify the shape of the test and train data\n",
+    "print(train_x.shape,train_y.shape,test_x.shape,test_y.shape)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from sklearn.preprocessing import MinMaxScaler\n",
+    "\n",
+    "# NN in tensorflow works better when the data is scaled between (0,1). So let's scale our data\n",
+    "scale = MinMaxScaler(feature_range = (0,1))\n",
+    "\n",
+    "train_x = scale.fit_transform(train_x)\n",
+    "test_x = scale.fit_transform(test_x)\n",
+    "\n",
+    "# Take a seak peak at our data \n",
+    "print(train_x[0])\n",
+    "print(train_y[0])"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 5. Creating Machine Learning Model\n",
+    "\n",
+    "Now that we have cleaned and explored our data. We are ready to build our model that will predict the attribute `Class`. We will be creating a basic neural network with tensorflow to help us predict. "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Let's first create placeholders for our feature and labels\n",
+    "X = tf.placeholder(tf.float32,[None,12]) # Since we have 12 features as input\n",
+    "y = tf.placeholder(tf.float32,[None,3])  # Since we have 3 outut labels"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "We are going to create a simple NN model with 2 hidden layters (3 layers in total). They are going to be 80 and 50 respectively."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Weights and biases for our first hidden layer\n",
+    "weights1 = tf.get_variable(\"weights1\",shape=[12,80],initializer = tf.contrib.layers.xavier_initializer())\n",
+    "biases1 = tf.get_variable(\"biases1\",shape = [80],initializer = tf.zeros_initializer)\n",
+    "layer1out = tf.nn.relu(tf.matmul(X,weights1)+biases1)\n",
+    "\n",
+    "# Weights and biases for our second hidden layer\n",
+    "weights2 = tf.get_variable(\"weights2\",shape=[80,50],initializer = tf.contrib.layers.xavier_initializer())\n",
+    "biases2 = tf.get_variable(\"biases2\",shape = [50],initializer = tf.zeros_initializer)\n",
+    "layer2out = tf.nn.relu(tf.matmul(layer1out,weights2)+biases2)\n",
+    "\n",
+    "# Weights and biases for our output node\n",
+    "weights3 = tf.get_variable(\"weights3\",shape=[50,3],initializer = tf.contrib.layers.xavier_initializer())\n",
+    "biases3 = tf.get_variable(\"biases3\",shape = [3],initializer = tf.zeros_initializer)\n",
+    "prediction =tf.matmul(layer2out,weights3)+biases3"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# We also need to degine the loss funtion. We will be using the softmax_cross_entropy_with_logits_v2 function. \n",
+    "cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=prediction, labels=y))\n",
+    "\n",
+    "# I am keeping our learning rate as 0.001, but you can always change that.\n",
+    "optimizer = tf.train.AdamOptimizer(0.001).minimize(cost)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "acc = []\n",
+    "\n",
+    "# This is where we will run our model\n",
+    "with tf.Session() as sess:\n",
+    "    \n",
+    "    # Initilize our variables\n",
+    "    sess.run(tf.global_variables_initializer())\n",
+    "    \n",
+    "    # Train our data over 200 iterations\n",
+    "    for epoch in range(201):\n",
+    "        \n",
+    "        # Train using our NN model we created\n",
+    "        opt,costval = sess.run([optimizer,cost],feed_dict = {X:train_x,y:train_y})\n",
+    "        \n",
+    "        # Calculate how many matches we made\n",
+    "        matches = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))\n",
+    "        \n",
+    "        # Compute cost and update parameters and also ouput accuracy with current parameters\n",
+    "        accuracy = tf.reduce_mean(tf.cast(matches, 'float'))\n",
+    "        \n",
+    "        # Calculate the accuracy and store it\n",
+    "        acc.append(accuracy.eval({X:test_x,y:test_y}))\n",
+    "        if(epoch % 100 == 0):\n",
+    "            print(\"Epoch\", epoch, \"--\" , \"Cost\",costval)\n",
+    "            print(\"Accuracy on the test set ->\",accuracy.eval({X:test_x,y:test_y}))\n",
+    "    print(\"FINISHED !!!\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Lets plot our accuracy over the number of iterations and see how our model did \n",
+    "plt.plot(acc)\n",
+    "plt.ylabel(\"Accuracy\")\n",
+    "plt.xlabel(\"Epochs\")"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Looks like our model did really well with our data. It seems however that we may not have needed to run it over 200 iterations. But that's up to you guys to decide! "
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.7.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}