python-TQC
題目說明:
請開啟PYD510.py檔案,依下列題意進行作答,計算費氏數列,並依輸入的正整數回傳費氏數列前n個數值,使輸出值符合題意要求。作答完成請另存新檔為PYA510.py再進行評分。
設計說明:
請撰寫一程式,計算費氏數列(Fibonacci numbers),使用者輸入一正整數num (num>=2),並將它傳遞給名為compute()的函式,此函式將輸出費氏數列前num個的數值。
Learn More →
輸入輸出:
輸入說明
一個正整數num (num>=2)
輸出說明
依輸入值num,輸出費氏數列前num個的數值(每個數值後方為一個半形空格)
Learn More →
#method 1
def compute(n):
num = [0,1]
if n > 2:
for i in range(n-2):
num.append(num[-2]+num[-1])
return num
n = eval(input())
for i in compute(n):
print(i,end=" ")
#method 2
def compute(i):
if i <= 1:
return i
else:
return(compute(i-2)+compute(i-1))
n = eval(input())
for i in range(n):
print(compute(i),end=" ")
Learn More →
==Object Oriented Programming== ==物件導向Object== 現實生活中,每件事物都是物件 -實質性(眼睛看的到) -概念性(關係,師生,同儕,隨時可以轉換) 物件 -屬性Property -方法Method
May 12, 2023在機器學習中,我們通常將原始數據按照比例分割為==測試集==和==訓練集==,從 sklearn套件使用train_test_split 函數來將數據分成兩個類別 資料比例 train dataset test dataset 4:1 80% 20%
May 8, 2023機器學習演算法是一種從資料中學習,不需要人類干預,就可以自從資料中取得經驗,並且從經驗提升能力的演算法。 機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。 機器學習演算法是一類從資料中自動分析獲得規律,並利用規律對未知資料進行預測的演算法。 機器學習已廣泛應用於資料探勘、電腦視覺、自然語言處理、生物特徵辨識、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列定序、語音和手寫辨識、戰略遊戲和機器人等領域。 監督式學習(給予答案): 回歸問題:預測連續的回應資料,例如:預測商店的營業額、學生的身高和體重. 常用的演算法有線性回歸(Rregression)、SVR。 分類問題: 預測可分類的回應資料,這是一些有限集合,例如:分類男生與女生、是或否、癌症分類1到4期、喜愛程度(1到5級別)等。 常用的演算法:Logistic回歸、決策樹、K鄰近演算法、CART、樸素被葉斯等。
May 8, 2023diabetes dataset 資料集是一個糖尿病的資料集 主要包括442筆資料,10個屬性值,分別是:Age(年齡)、Sex(性別)、Body mass index(體質指數)、Average Blood Pressure(平均血壓)、S1-S6一年後疾病級數指標,Target為一年後患疾病的定量指標。 ==題目1== 建立線性多元回歸的預測模型,繪製散佈圖來比較一年後患疾病的定量指標和實際一年後患疾病的定量指標結果。 ==題目2== 建立線性多元回歸的預測模型,只取Age(年齡)、Sex(性別)、Body mass index(體質指數)、Average Blood Pressure(平均血壓)作為解釋變數,產生模型,並匯出散佈圖來比較預測一年後患疾病的定量指標和實際一年後患疾病的定量指標結果。 #題目1
May 5, 2023or
By clicking below, you agree to our terms of service.
New to HackMD? Sign up