From dde8d58fc54d1c2995d8112a0ba4413d7c345ca0 Mon Sep 17 00:00:00 2001 From: p49apuof2 <2013936064@qq.com> Date: Fri, 26 May 2023 08:57:18 +0800 Subject: [PATCH] ADD file via upload --- 20407106-董竹佳-计科2001.html | 13970 +++++++++++++++++++++++++++ 1 file changed, 13970 insertions(+) create mode 100644 20407106-董竹佳-计科2001.html diff --git a/20407106-董竹佳-计科2001.html b/20407106-董竹佳-计科2001.html new file mode 100644 index 0000000..a5038c3 --- /dev/null +++ b/20407106-董竹佳-计科2001.html @@ -0,0 +1,13970 @@ + + + + +学号-姓名-班级 + + + + + + + + + + + + + + + + + + + + + + + +
+
+ +
+
+
+

考试须知

1.填写自己的学号姓名班级等信息，包括文件名以及下面的考生信息。

2.将考试文件代码填写完整，如果提示警告，可以忽略。

3.最终保存成html格式文件交回。点击左上角file选项，选择download as，再选择HTML，将文件保存成html格式文件。

4.考生信息不完整，最终提交文件不是html格式文件等格式问题将酌情扣分。

+
+
+
+
+
+
+

考生信息

    +
  • 姓名：董竹佳
    • +
  • 学号：20407106
    • +
  • 班级：计科2001班
    • +
+ +
+
+
+
+
+
+

1.编写程序，求$1!+2!+3!+...20!$的和

+
+
+
+
+
+
In [1]:
+
+
+
# your code
+#递归
+s = 0
+def mul(n):
+   if n==1:
+      return 1
+   return n*mul(n-1)
+
+for n in  range(1,21):
+   a = mul(n)
+   s += a
+print(s)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
2561327494111820313
+
+
+
+ +
+
+ +
+
+
+
+

2.编写程序，求列表s=[9,7,8,3,2,1,55,6]中元素的个数、最大数和最小数。并在列表s中添加一个元素10，从列表s中删除一个元素55。

+
+
+
+
+
+
In [2]:
+
+
+
# your code
+list1=[9,7,8,3,2,1,55,6]
+x=len(list1)
+y=min(list1)
+z=max(list1)
+print("列表元素个数：",x,"最小数：",y,"最大数：",z)
+list2=[9,7,8,3,2,1,55,6]
+list2.append(10)
+print(list2)
+list3=[9,7,8,3,2,1,55,6]
+list3.remove(55)
+print(list3)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
列表元素个数： 8 最小数： 1 最大数： 55
+[9, 7, 8, 3, 2, 1, 55, 6, 10]
+[9, 7, 8, 3, 2, 1, 6]
+
+
+
+ +
+
+ +
+
+
+
+

3.编写程序，用循环打印如下图形，不用循环0分

+
TTTTTx
+TTTTxx
+TTTxxx
+TTxxxx
+Txxxxx
+ +
+
+
+
+
+
In [20]:
+
+
+
# your code
+layer = 5
+for i in range(1,layer+1):
+     #计算T的个数
+     spce_num = layer - i+1
+     for j in range(0,spce_num):
+         print("T",end="")
+     #计算x个数
+     star_num = 6-spce_num
+     for j in range(0,star_num):
+         print("x",end="")
+     print("")
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
TTTTTx
+TTTTxx
+TTTxxx
+TTxxxx
+Txxxxx
+
+
+
+ +
+
+ +
+
+
+
+

4.编写程序，设计一个计算器，用户输入数字选择功能（1-4），其中功能1为加法，2为减法，3为乘法，4为除法，用函数定义加减乘除，然后用户输入两个数字，最终计算出两个数字的相应的加减乘除结果。

+
+
+
+
+
+
In [22]:
+
+
+
# your code
+# Filename : test.py
+# author by : www.runoob.com
+ 
+# 定义函数
+def add(x, y):
+   """相加"""
+ 
+   return x + y
+ 
+def subtract(x, y):
+   """相减"""
+ 
+   return x - y
+ 
+def multiply(x, y):
+   """相乘"""
+ 
+   return x * y
+ 
+def divide(x, y):
+   """相除"""
+ 
+   return x / y
+ 
+# 用户输入
+print("选择运算：")
+print("1、相加")
+print("2、相减")
+print("3、相乘")
+print("4、相除")
+ 
+choice = input("输入你的选择(1/2/3/4):")
+ 
+num1 = int(input("输入第一个数字: "))
+num2 = int(input("输入第二个数字: "))
+ 
+if choice == '1':
+   print(num1,"+",num2,"=", add(num1,num2))
+ 
+elif choice == '2':
+   print(num1,"-",num2,"=", subtract(num1,num2))
+ 
+elif choice == '3':
+   print(num1,"*",num2,"=", multiply(num1,num2))
+ 
+elif choice == '4':
+   print(num1,"/",num2,"=", divide(num1,num2))
+else:
+   print("非法输入")
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
选择运算：
+1、相加
+2、相减
+3、相乘
+4、相除
+输入你的选择(1/2/3/4):1
+输入第一个数字: 2
+输入第二个数字: 4
+2 + 4 = 6
+
+
+
+ +
+
+ +
+
+
+
+

5.编写程序，定义一个学生类，类属性包括姓名（name）、年龄（age）和成绩（course）[语文、数学、英语]，每科成绩的类型为整数。在类方法中，使用get_name函数获取学生的姓名，返回str类型；使用get_age函数获取学生的年龄，返回int类型；使用get_course函数返回3门科目中最高分数，返回int类型。写好类后，用st=Student('zhangming'，20，[69，88，100])测试，并输出结果。

+
+
+
+
+
+
In [1]:
+
+
+
# your code
+class Student:
+    def __init__(self,name,age,*cou):
+        self.name=name
+        self.age=age
+        self.course=cou
+    def get_name(self):
+        return self.name
+    def get_age(self):
+        return self.age
+    def get_course(self):
+        return max(max(self.course))
+zm=Student('zhangming',20,[69,88,100])
+print('学生姓名为：',zm.get_name(),'年龄为：',zm.get_age(),'最高分成绩为：',zm.get_course())
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
学生姓名为： zhangming 年龄为： 20 最高分成绩为： 100
+
+
+
+ +
+
+ +
+
+
+
+

6.编写程序，根据下表的数据绘制柱状图（条形图）

+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
XYXY
-3.0040.15255
-2.50120.75170
-1.75501.25100
-1.151201.8520
-0.502052.4514
+ +
+
+
+
+
+
In [5]:
+
+
+
# your code
+# your code
+
+import matplotlib.pyplot as plt
+import matplotlib
+data = [4, 12, 50, 120, 205, 255, 170, 100, 20, 14]
+labels = ["-3.00", "-2.50", "-1.75", "-1.15", "-0.50", "0.15", "0.75", "1.25", "1.85", "2.45"]
+
+plt.bar(range(len(data)),data,width=0.5)
+plt.xticks(range(len(data)),labels)
+for i in range(len(data)):
+    plt.text(x=i-0.05,y=data[i]+0.2,s = '%d'% data[i])
+plt.xlabel("x")
+plt.ylabel("y")
+plt.show()
+
+ +
+
+
+ +
+
+ + +
+ +
+ + + + +
+ +
+ +
+ +
+
+ +
+
+
+
+

7.编写程序，某种水泥在凝固时放出的热量Y（cag/g）与水泥中4种化学成分X1、X2、X3、X4有关，现测得13组数据，希望从中选出主要的变量，建立Y与它们的线性回归方程（分别使用线性回归、岭回归、lasso回归）。

注：训练集：测试集=8：2，随机种子采用你学号后两位，例如你学号后两位=01，则random_state=1，如果最后两位=34，则random_state=34。最终结果打印出各个回归的w和b系数即可。

+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
序号X1X2X3X4Y
172666078.5
2129155274.3
31156820104.3
4113184787.6
575263395.9
61155922109.2
7371176102.7
8131224472.5
9254182293.1
102147426115.9
11140233483.8
121166912113.3
131068812109.4
+ +
+
+
+
+
+
In [2]:
+
+
+
# your code
+# your code
+import pandas as pd
+from sklearn.model_selection import train_test_split
+from sklearn.linear_model import LinearRegression, Ridge, Lasso
+
+# 读取原始数据并创建数据框
+data = pd.DataFrame({
+    'X1': [7, 1, 11, 11, 7, 11, 3, 1, 2, 21, 1, 11, 10],
+    'X2': [26, 29, 56, 31, 52, 55, 71, 31, 54, 47, 40, 66, 68],
+    'X3': [6, 15, 8, 8, 6, 9, 17, 22, 18, 4, 23, 9, 13],
+    'X4': [60, 52, 20, 47, 33, 22, 6, 44, 22, 26, 34, 22, 22],
+    'Y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7, 72.5, 93.1, 115.9, 83.8, 113.3, 109.4]
+})
+
+# 分离出自变量和因变量
+X = data[['X1', 'X2', 'X3', 'X4']]
+y = data['Y']
+
+# 将训练集和测试集按 8:2 分割，随机种子为学号后两位
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=25)
+
+# 线性回归模型
+linear_model = LinearRegression()
+linear_model.fit(X_train, y_train)
+
+# 输出线性回归的 w 和 b 系数
+print('线性回归 w：', linear_model.coef_)
+print('线性回归 b：', linear_model.intercept_)
+
+# 岭回归模型
+ridge_model = Ridge(alpha=1.0)
+ridge_model.fit(X_train, y_train)
+
+# 输出岭回归的 w 和 b 系数
+print('岭回归 w：', ridge_model.coef_)
+print('岭回归 b：', ridge_model.intercept_)
+
+# Lasso 回归模型
+lasso_model = Lasso(alpha=1.0)
+lasso_model.fit(X_train, y_train)
+
+# 输出 Lasso 回归的 w 和 b 系数
+print('Lasso 回归 w：', lasso_model.coef_)
+print('Lasso 回归 b：', lasso_model.intercept_)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
线性回归 w： [ 1.49026294  0.42556823 -0.01823801 -0.21661896]
+线性回归 b： 70.69106215605518
+岭回归 w： [ 1.47330953  0.42023295 -0.03170907 -0.22343339]
+岭回归 b： 71.45132222227346
+Lasso 回归 w： [ 1.47841561  0.42962444 -0.0018958  -0.2103416 ]
+Lasso 回归 b： 70.18362029948534
+
+
+
+ +
+
+ +
+
+
+
+

8.编写程序，用朴素贝叶斯算法进行分类，数据集如下

注：训练集：测试集=1：1，随机种子采用你学号后两位，例如你学号后两位=01，则random_state=1，如果最后两位=34，则random_state=34。最终结果输出你预测结果、实际结果以及模型得分三项。

+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
序号年龄收入是否为学生信誉购买计算机
1<=30高否中否
2<=30高否优否
331-40高否中是
4>40中否中是
5>40低是中是
6>40低是优否
731-40低是优是
8<=30中否中否
9<=30低是中是
10>40中是中是
11<=30中是优是
1231-40中否优是
1331-40高是中是
14>40中否优否
+ +
+
+
+
+
+
In [3]:
+
+
+
# your code
+import numpy as np
+import pandas as pd
+from sklearn import metrics
+# 导入高斯朴素贝叶斯分类器
+from sklearn.naive_bayes import GaussianNB
+from sklearn.model_selection import train_test_split
+
+x = np.array(
+    [
+        [1, 3, 0, 1, 0],
+        [1, 3, 0, 2, 1],
+        [2, 3, 0, 2, 1],
+        [3, 2, 0, 1, 1],
+        [3, 1, 1, 1, 1],
+        [3, 1, 1, 2, 0],
+        [2, 1, 1, 2, 1],
+        [1, 2, 0, 1, 0],
+        [1, 1, 1, 1, 1],
+        [3, 2, 1, 1, 1],
+        [1, 2, 1, 2, 1],
+        [2, 2, 0, 2, 1],
+        [2, 3, 1, 1, 1],
+        [3, 2, 0, 2, 0],
+    ]
+)
+
+y = np.array(
+    [
+        0,1,1,1,1,0,1,0,1,1,1,1,1,0
+    ]
+)
+X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.5, random_state=37)
+# 使用高斯朴素贝叶斯进行计算
+clf = GaussianNB()
+clf.fit(X_train, y_train)
+# 评估
+y_predict = clf.predict(X_test)
+score_gnb = metrics.accuracy_score(y_predict,y_test)
+
+print('该用户是否购买计算机:',y_predict)
+print(y_test)
+print(score_gnb)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
该用户是否购买计算机: [1 1 1 1 1 1 1]
+[0 1 1 1 0 1 1]
+0.7142857142857143
+
+
+
+ +
+
+ +
+
+
+
In [ ]:
+
+
+
 
+
+ +
+
+
+ +
+
+
+ + + + + +