证明人工智能的数据只要足够多，就可以接近理想效果

import random 

#每轮抛100次硬币，求出硬币朝上的次数
def coin_trial():
	head = 0 #硬币朝上次数初始化为0
	for i in range(100):
		if random.random() <= 0.5: #random随机产生0到1之间的数字
			head += 1
	return head  #返回硬币朝上的次数

def simulation(n):  #模拟抛n轮硬币，每轮100次，看看现实和理论的关系：现实足够多次，就接近理论，朝上和朝下结果一样
	trial = []      #储存0-n轮硬币朝上的次数
	for i in range(n):
		trial.append(coin_trial())
	if n < 16:
		print(trial)
	return sum(trial)/n       #返回n轮训练硬币朝上的的平均次数


print('simulation(10) is: ',simulation(10))
print('simulation(100) is: ',simulation(100))
print('simulation(10000) is: ',simulation(1000))
print('simulation(100000) is: ',simulation(10000))
'''
print('simulation(1000000) is: ',simulation(100000))
print('simulation(10000000) is: ',simulation(1000000))
'''
输出：
[55, 49, 51, 40, 45, 51, 40, 47, 47, 48]
simulation(10) is:  47.3
simulation(100) is:  49.72
simulation(10000) is:  50.101
simulation(100000) is:  50.0528
[Finished in 0.2s]

结论：进行10000轮就可以达到理论状况，所以，人工智能的数据只要足够多，就可以接近理想效果