diff --git a/20407101 -曹之栋-计科2001班.html b/20407101 -曹之栋-计科2001班.html new file mode 100644 index 0000000..c7ef641 --- /dev/null +++ b/20407101 -曹之栋-计科2001班.html @@ -0,0 +1,13955 @@ + + + + +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：曹之栋
    • +
  • 学号：20407101
    • +
  • 班级：计科2001班
    • +
+ +
+
+
+
+
+
+

1.编写程序，求$1!+2!+3!+...20!$的和

+
+
+
+
+
+
In [1]:
+
+
+
# your code
+# 定义变量和初始值
+n = 1
+sum = 0
+
+# 循环计算每项的值
+while n <= 20:
+    # 计算当前项的阶乘
+    factorial = 1
+    for i in range(1, n + 1):
+        factorial *= i
+    
+    # 将当前项加入总和
+    sum += factorial
+    
+    # 更新 n 的值
+    n += 1
+
+# 输出结果
+print('1! + 2! + 3! + ... + 20! =', sum)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
1! + 2! + 3! + ... + 20! = 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
+s = [9, 7, 8, 3, 2, 1, 55, 6]
+
+print('列表s的元素个数为：', len(s))
+print('列表s的最大值为：', max(s))
+print('列表s的最小值为：', min(s))
+s.append(10)
+s.remove(55)
+
+print('操作后的列表s为：', s)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
列表s的元素个数为： 8
+列表s的最大值为： 55
+列表s的最小值为： 1
+操作后的列表s为： [9, 7, 8, 3, 2, 1, 6, 10]
+
+
+
+ +
+
+ +
+
+
+
+

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 [3]:
+
+
+
# your code
+n = 6
+x = 'x'
+T = 'T'
+
+# 循环打印每一行
+for i in range(n):
+    # 打印每一行的 T
+    for j in range(n - i - 1):
+        print(T, end='')
+    
+    # 打印每一行的 x
+    for k in range(i + 1):
+        print(x, end='')
+    
+    # 换行
+    print()
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
TTTTTx
+TTTTxx
+TTTxxx
+TTxxxx
+Txxxxx
+xxxxxx
+
+
+
+ +
+
+ +
+
+
+
+

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 [4]:
+
+
+
# your code
+def Add(a,b):
+    return a+b
+def Sub(a,b):
+    return a-b
+def Mul(a,b):
+    return a*b
+def Div(a,b):
+    if(b==0):
+        print("Error!")
+        return    
+    return a/b
+while True:
+    Choice = input("Choice:")
+    if(Choice == '0'):
+        break
+    a = int(input("a:"))
+    b = int(input("b:"))
+    if(Choice == '1'):
+        print(Add(a,b))
+    elif(Choice == '2'):
+        print(Sub(a,b))
+    elif(Choice == '3'):
+        print(Mul(a,b))
+    elif(Choice == '4'):
+        print(Div(a,b))
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
Choice:2
+a:1
+b:2
+-1
+Choice:1
+a:3
+b:2
+5
+Choice:0
+
+
+
+ +
+
+ +
+
+
+
+

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 [5]:
+
+
+
# your code
+class Student:
+    def __init__(self, name, age, courses):
+        self.name = name
+        self.age = age
+        self.courses = courses
+        
+    def __str__(self):
+        info = '姓名：' + self.name + '\n'
+        info += '年龄：' + str(self.age) + '\n'
+        max_score = max(self.courses)
+        info += '最高分数：' + str(max_score)
+        return info
+
+# 实例化学生对象并测试
+st = Student('zhangming', 20, [69, 88, 100])
+
+# 输出学生信息
+print(st)
+
+ +
+
+
+ +
+
+ + +
+ +
+ + +
+
姓名：zhangming
+年龄：20
+最高分数：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 [7]:
+
+
+
# your code
+import matplotlib.pyplot as plt
+X = [-3.00,-2.50,-1.75,-1.15,-0.50,0.15,0.75,1.25,1.85,2.45]
+Y = [4,12,50,120,205,255,170,100,20,14]
+label=[-3.00,-2.50,-1.75,-1.15,-0.50,0.15,0.75,1.25,1.85,2.45]
+plt.bar(X,Y,tick_label = label);
+
+ +
+
+
+ +
+
+ + +
+ +
+ + + + +
+ +
+ +
+ +
+
+ +
+
+
+
+

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 [11]:
+
+
+
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=1)
+
+# 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： [ 1.36779058  0.43104705 -0.17606547 -0.2531095 ]
+线性回归 b： 75.21791769181944
+岭回归 w： [ 1.35089851  0.42746824 -0.19121163 -0.25836992]
+岭回归 b： 75.87613228193617
+Lasso 回归 w： [ 1.37284893  0.44286867 -0.14120801 -0.23666409]
+Lasso 回归 b： 73.62393893157903
+
+
+
+ +
+
+ +
+
+
+
+

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 [12]:
+
+
+
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=1
+                                                   )
+# 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 0 1 1 1 1 1]
+[1 0 1 1 1 1 1]
+1.0
+
+
+
+ +
+
+ +
+
+
+
In [ ]:
+
+
+
 
+
+ +
+
+
+ +
+
+
+ + + + + +