Pythonl捞小鱼

选择题10*2
1关于python格式要求的规定
2关于python字符串的使用（切片（头下标，尾下标），索引：正从0开始，负号从-1开始）

3关于python注释（使用井号（‘#’）作为单行注释的符号，多行注释指的是可以一次性注释程序中多行的内容（包含一行）。多行注释的语法有 2 种 '''   '''或者"""  """）

4关于import方式(
import math
from math import pi
from math import *
 )

5判断数据类型(python的数据类型有：
数字(int)、浮点(float)、字符串(str)，列表(list大括号)、元组(tuple小括号)、字典(dict键值对关键字符冒号)、集合(set 啥都能放))

6关于python常见序列的操作（in 属于，not in不输入）

7数据分析的常用的库（numpy，scipy，mat，equesuts，scrapy，pillow，twisted，numpy，matplotlib，pygama，ipyhton）

8基本索引切片（同第二题）

9字典的访问（
  1）通过“键值对”（key-value）访问
  2）遍历字典：
  dict = {1: 1, 2: 'aa', 'D': 'ee', 'Ty': 45}
  for item in dict.items():
      print(item)）

10简单的列表的遍历循环
  1）简单的for循环结构[ for i in list: print(list) ]
  2）借用 range() 和 len() 函数遍历
  cities = ["Guangzhou","Beijing","Shanghai","Nanjing"]
  for i in range(len(cities)):
  print(i+1,cities[i])
  3）利用enumerate() 函数。这种方法可以输出序列号，也可以不输出。
  cities = ["Guangzhou","Beijing","Shanghai","Nanjing"]
  for i,city in enumerate(cities):
  print(i+1,city)

填空题15*2

1关于机器学习线性回归的函数
损失函数，代价函数，目标函数


2线性回归中寻找代价函数最小值的方法
梯度下降法

3在机器学习的算法中常见的描述
 1） 线性回归* 
 2） 逻辑回归*
 3） 监督学习
 4） 非监督学习
 3） 强化学习


4在分类时常用的算法，特殊的函数落在0-1之间
（归一化：把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。例1：{2.5 3.5 0.5 1.5}归一化后变成了{0.3125 0.4375 0.0625 0.1875}解：2.5+3.5+0.5+1.5=8，2.5/8=0.3125，3.5/8=0.4375。）

5在什么样的数据中不适用准确率， 召回率，  查准率（英文表示）
样本容量很小
准确率(Accuracy)  召回率(Recall)  查准率(Precision)

6准确率，查准率，召回率的计算公式
	Positive	Negative
true     	TP	NP
false	FP	FN
准确率(Accuracy) =（TP+TN）/TOTAL
查准率(Precision) =TP/（TP+FP）
召回率(Recall) =TP/（TP+FN）
F1=准确率*召回率*2/（准确率+召回率）

3问答题1*10
打鱼题目，分类大小的变化对各种概率的影响

例1.某池塘有1400条鲤鱼，300只虾，300只鳖。
现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖
那么，这些指标分别如下：
查准率 = 700 / (700 + 200 + 100) = 70%
召回率 = 700 / 1400 = 50%
F值 = 70% * 50% * 2 / (70% + 50%) = 58.3%

例2.还是这个池塘，有1400条鲤鱼，300只虾，300只鳖。
如果把池子里所有的鲤鱼、虾和鳖都一网打尽（一共2000个），这些指标有何变化：
查准率 = 1400 / (1400 + 300 + 300) = 70%
召回率 = 1400 / 1400 = 100%
F值 = 70% * 100% * 2 / (70% + 100%) = 82.35%

1.提高分类阈值（就是样本不那么容易被预测为正类了），Precision可能会提高（因为FP可能会减小）；
但是Recall会下降或保持不变（因为TP会减少或不变，且FN会增加或不变）
2. 降低分类阈值（会更多地将样本预测为正类），Precision可能会下降（因为FP可能会增加），而Recall（FN可能会减少）可能会有所提高
提高精确率通常会降低召回率值，反之亦然


4基础编程题5*4
1英文句子中输出最长的句子，并给出字符串长度
def max_len_word(_in):
    words=_in.replace(',','').replace('.','').split(' ')
    max_len = 0
    max_word = 0
    for i in words:
        l = len(i)
        if l>max_len:
            max_len=l
            max_word=i
    print(max_word,max_len)


2使用匿名函数的方式排序
字典的排序：分别用键和值排序
list1 = [('david', 90), ('mary', 90), ('sara', 80), ('lily', 95)]
def dict_sort(list1)
  L1 = sorted(list1, key=lambda x: x[0])
  L2 = sorted(list1, key=lambda x: x[1])
  print(L1)
  print(L2)


3编写一个简单的递归函数
def x(num):
    if num==0:
        return 1
    else:
        return num*x(num-1)

4使用一个numpy模块，创建一个数组，进行形状变换，对数组取值切片
import numpy as np
a = np.array([
	[0,1,2,3,4,5,],
	[6,7,8,9,10,11]
	]
)
法一：b=a.reshape((2,2,3))
法二：a.resize((3,4))
区别：法一不会直接改变数组形状
//转换为三维数组
//[[[ 0  1  2]
//[ 3  4  5]]
//[[ 6  7  8]
 //[ 9 10 11]]]

5定义一个不定长参数的函数应用
def stu_info(name,age,sex,*tips):
    print("姓名：",name)
    print("年龄：",age)
    print("性别：",sex)
    print("备注：",tips)
//不定长参数是按照元组来存储的
5综合编程题2*10

1糖尿病的线性回归
from matplotlib import pyplot as plt
from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
# 使用单特征线性回归来预测糖尿病数据量

plt.rcParams['font.family']='SimHei'
plt.rcParams['axes.unicode_minus'] = False

def get_data():
    diabetes_data = load_diabetes()
    print(diabetes_data['feature_names'])

    data_bmi = diabetes_data.data[:,2].reshape(-1,1)
    print(data_bmi.shape)
    data_y = diabetes_data.target[:]
    print(data_y)
    return data_bmi, data_y

def draw_scatter(x, y):
    plt.scatter(x,y,label='BMI-糖尿病散点图')
    plt.legend()
    plt.show()

def build_and_train(x, y):
    model = LinearRegression()
    model.fit(x, y)
    print(f"模型的截距为：{model.intercept_:2f}")
    print(f"模型的系数为：{model.coef_[0]:2f}")
    return model

def predict_and_plot(model, x, y):
    pred_y=model.predict(x)
    plt.plot(x, pred_y, color='magenta', linewidth=3,label='拟合直线')
    print(model.score(x,y))

if __name__=="__main__":
    x, y = get_data()
    draw_scatter(x, y)
    model = build_and_train(x, y)
    predict_and_plot(model,x,y)

2建立一个逻辑回归分类器

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from  sklearn.linear_model import LogisticRegression
from sklearn.model_selection import  cross_val_score
from  sklearn.metrics import confusion_matrix
import numpy as np
import matplotlib as plt


def get_data():
    cancer = load_breast_cancer()
    # print(cancer['data'].shape)
    # print(cancer['target'].shape)

    # train_test_split(cancer['data'], cancer['target'])# 特征值和目标值
    x_train,x_test,y_train,y_test=train_test_split(cancer['data'],
                                                   cancer['target'],
                                                   test_size=0.25,
                                                   shuffle=True,
                                                   random_state=49)
    return x_train,x_test,y_train,y_test

def build_and_train(x_train,y_train):
    model=LogisticRegression(max_iter=3000)
    model.fit(x_train,y_train)
    model.score(x_train,y_train)
    print("Strat training")
    print(f"分类器在训练集上的正确率为{model.score(x_train,y_train):.2%}")
    return model

def evaluate_with_cv(model,x_train,y_train):
    print("Strat cross-validation")
    scores=cross_val_score(model,
                    x_train,
                    y_train,
                    cv=5,
                    scoring='accuracy')
    # print(scores)
    print(f"在训练集上五折交叉验证的平均正确率Accuracy为{np.mean(scores):.2%}")
    scores = cross_val_score(model,
                             x_train,
                             y_train,
                             cv=5,
                             scoring='precision')
    print(f"在训练集上五折交叉验证的平均查准率Accuracy为{np.mean(scores):.2%}")
    scores = cross_val_score(model,
                             x_train,
                             y_train,
                             cv=5,
                             scoring='recall')
    print(f"在训练集上五折交叉验证的平均召回率Accuracy为{np.mean(scores):.2%}")
    return model

def evaluate_on_testset(model,x_test,y_test):
    print("Strat testing")
    score=model.score(x_test,y_test)
    print(f"在测试集上的平均正确率Accuracy为{score:.2%}")

def draw_confusion_matrix(model,x_test,y_test):
    y_pred=model.predict(x_test)
    cm=confusion_matrix(y_test,
                     y_pred
                     )
    plt.rcParams['font.family'] ='SimHei'
    plt.matshow(cm)
    plt.title("混淆矩阵")
    plt.colorbar()
    plt.xlabel("实际值")
    plt.ylabel("预测值")
    for i in range(len(cm)):
        for j in range(len(cm)):
            plt.annotate(cm[i, j],
                         xy=(i, j),
                         horizontalalignment='center',
                         verticalaligment='canter')
            plt.show()
            plt.savefig('breast_cancer_cm_fig_2021.png',bbox_inches='tight')
    print(cm)
    tn, fp, fn, tp=cm.ravel()
    print(tn, fp, fn, tp)

if __name__=='__main__':
    x_train,x_test,y_train,y_test=get_data()
    model=build_and_train(x_train,y_train)
    evaluate_with_cv(model,x_train,y_train)
    evaluate_on_testset(model,x_test,y_test)
    draw_confusion_matrix(model,x_test,y_test)