先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Python全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Python知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip1024c (备注Python)
正文
for one in pri_data:
hair.append(one[0])
voice.append(one[1])
sex.append(one[2])
一维列表合并成二维列表
k = list(zip(hair, sex))
long_man =k.count((‘长’,‘男’))
long_woman = k.count((‘长’,‘女’))
sum_hair1 = long_man + long_woman
short_man = k.count((‘短’,‘男’))
short_woman = k.count((‘短’,‘女’))
sum_hair2 = short_man + short_woman
sum_Hair = sum_hair1 + sum_hair2
return long_man, long_woman, sum_hair1,sum_hair2,sum_Hair,short_man,short_woman
用声音作为优先选择特征求信息增益
def xxx1(cu_voice,thin_voice,cu_woman,cu_man,num_v_h):
voice_num=cu_voice+thin_voice
A = -cu_voive/voice_num * (cu_woman/num_v_h) * np.log2(cu_woman/num_v_h) - \
cu_voive/voice_num * (cu_man/num_v_h) * np.log2(cu_man/num_v_h)
sum_v = getData(pri_data) - A
return sum_v
用头发作为优先选择特征求信息增益
def xxx2(long_man, long_woman, sum_hair,sum_hair2,sum_Hair,short_man,short_woman):
B = -sum_hair/sum_Hair* (long_man/sum_hair) * np.log2(long_man/sum_hair) - \
sum_hair/sum_Hair * (long_woman/sum_hair) * np.log2(long_woman/sum_hair) - sum_hair2/sum_Hair * (short_man/sum_hair2) * np.log2(short_man/sum_hair2)\
- sum_hair2/sum_Hair* (short_woman/sum_hair2) * np.log2(short_woman/sum_hair2)
sum_h = getData(pri_data) - B
return sum_h
if name == “main”:
pri_data = [[‘长’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’],
[‘长’, ‘细’, ‘女’], [‘短’, ‘细’, ‘女’], [‘短’, ‘粗’, ‘女’],
[‘长’, ‘粗’, ‘女’], [‘长’, ‘粗’, ‘女’]]
total_shang=getData(pri_data)
cu_voive, thin_voice, cu_woman, cu_man, num_v_h=empty1(pri_data)
sum1 = xxx1(cu_voive, thin_voice, cu_woman, cu_man, num_v_h)
print(‘用声音作为优先选择特征求信息增益:’,sum1)
long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman=empty2(pri_data)
sum2 = xxx2(long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman)
print(‘用头发作为优先选择特征求信息增益:’,sum2)
if sum1 > sum2:
print(“用声音作为优先选择特征求信息增益大”)
else:
print(“用头发作为优先选择特征求信息增益大”)
截图:
四、实验内容
(1)案例描述:通过天气、温度、湿度、是否有风4个特征来决策是否打球。使用Python实现求出其信息增益,并得出哪个特征优先被选择(注:数据处理使用程序计算,数据见data.xls)。
数据集如下:
代码:
import xlrd
import numpy as np
workbook=xlrd.open_workbook(“data.xls”)
sheet=workbook.sheet_by_name(“Sheet1”)
row_count=sheet.nrows
col_count=sheet.ncols
data_list=[]
for i in range(1,row_count):
data_list.append(sheet.row_values(i))
play_golf_number=0
no_play_golf_number=0
total_count=0
for i in data_list:
if i[col_count-1]==“Yes”:
play_golf_number+=1
else:
no_play_golf_number+=1
total_count+=1
a=play_golf_number/total_count
#求出总熵
total_shang=-(a)*np.log2(a)-(1-a)*np.log2(1-a)
print(total_shang)
#求出各分熵,开始判别第一特征
#1.根据天气
b=(5/14)*((-2/5)*np.log2(2/5)-(3/5)np.log2(3/5))+(5/14)((-2/5)*np.log2(2/5)-(3/5)*np.log2(3/5))
#2.根据温度
c=(4/14)*((-1/2)*np.log2(1/2)-(1/2)np.log2(1/2))+(4/14)((-3/4)*np.log2(3/4)-(1/4)np.log2(1/4))+(6/14)((-2/3)*np.log2(2/3)-(1/3)*np.log2(1/3))
#3.根据湿度
d=(7/14)*((-3/7)*np.log2(3/7)-(4/7)np.log2(4/7))+(7/14)((-6/7)*np.log2(6/7)-(1/7)*np.log2(1/7))
#4.根据风力
e=(8/14)*((-6/8)*np.log2(6/8)-(2/8)np.log2(2/8))+(6/14)((-1/2)*np.log2(1/2)-(1/2)*np.log2(1/2))
y1=1-b
y2=1-c
y3=1-d
y4=1-e
shang_list1=[y1, y2, y3, y4]
first_feature=min(shang_list1)
if y1==first_feature:
print(“天气是第一特征”)
if y2 == first_feature:
print(“温度是第一特征”)
if y3==first_feature:
print(“湿度是第一特征”)
if y4==first_feature:
print(“风力是第一特征”)
#开始判别第二特征
#1.根据天气
f=(5/14)*((-2/5)*np.log2(2/5)-(3/5)np.log2(3/5))+(5/14)((-2/5)*np.log2(2/5)-(3/5)*np.log2(3/5))
#2.根据湿度
g=(7/14)*((-3/7)*np.log2(3/7)-(4/7)np.log2(4/7))+(7/14)((-6/7)*np.log2(6/7)-(1/7)*np.log2(1/7))
#3.根据风力
h=(8/14)*((-6/8)*np.log2(6/8)-(2/8)np.log2(2/8))+(6/14)((-1/2)*np.log2(1/2)-(1/2)*np.log2(1/2))
y5=1-f
y6=1-g
y7=1-h
shang_list2=[y5,y6,y7]
second_feature=min(shang_list2)
if y5==second_feature:
print(“天气是第二特征”)
if y6==second_feature:
print(“湿度是第二特征”)
if y7==second_feature:
print(“风力是第二特征”)
#开始判别第三特征
#1.根据天气
i=(3/11)*((-1/3)*np.log2(1/3)-(2/3)np.log2(2/3))+(4/11)((-1/2)*np.log2(1/2)-(1/2)*np.log2(1/2))
#2.根据湿度
j=(6/11)*((-1/2)*np.log2(1/2)-(1/2)np.log2(1/2))+(5/11)((-4/5)*np.log2(4/5)-(1/5)*np.log2(1/5))
y8=1-i
y9=1-j
shang_list3=[y8,y9]
third_feature=min(shang_list3)
if y8==third_feature:
print(“天气是第三特征”)
if y9==third_feature:
print(“湿度是第三特征”)
print(“天气是第四特征”)
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024c (备注python)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
n/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024c (备注python)
[外链图片转存中…(img-zU4oUJrj-1713463390340)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!