相关试卷

from flask import render_template,request,Flask

import random

app=Flask(__name__)  #创建应用实例

@app.route('/')  #选择页面路由

def index():

    return render_template('')

#加密功能代码略，以下为解密代码：

@app.route('/jiemi1/',methods=["GET","POST"])

def jiemi1():

    wb=request.form["wb"]  #利用request获取网页文本框内容，返回示例:“1,4,2,3,0”

keyo=request.form["key"]  #变量wb存储密文，变量keyo存储密钥

    keyn=list(map(int,keyo.split(","))) #将字符串keyo转换为数值列表，示例：[1,4,2,3,0]

    result=""

    for i in range(len(keyn)):

        for j in range(len(keyn)):

            if :

                    break

        result+=wb[j]

    return render_template("jie.html",WB=wb,KEY=keyo,RESULT=result)

if __name__=="__main__":

def cal(lst):   #计算样本lst的信息熵

x,y,z=0,len(lst),0  #x表示该样本信息熵，y表示该样本数量，z表示某信息发生的概率

    num={}

    for i in lst:

        if i not in num:

        num[i]+=1

    for k in num:

        z=num[k]/y   #计算该信息发生的概率

        x-=z*log(z,2)  #根据公式计算信息熵，log(b,a)等价于log_ab

    return x

def check(x,y):

#根据节点x，对样本y进行划分，返回示例：{'否': [1, 1, 0, 0, 1, 1, 1, 1], '是': [1, 1, 0, 1, 0, 0]}

dic={'是否有风': ['否', '否', '否', '否', '否', '否', '否', '否', '是', '是', '是', '是', '是', '是'],

'天气': ['多云', '多云', '晴', '晴', '晴', '雨', '雨', '雨', '多云', '多云', '晴', '晴', '雨', '雨'],

'温度': [28, 27, 29, 22, 21, 21, 20, 24, 18, 22, 26, 24, 18, 21],

'湿度': [78, 75, 85, 90, 68, 96, 80, 80, 65, 90, 88, 63, 70, 80],

'是否前往': [1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0]}

xm=list(dic.keys())

entropy=cal(dic[xm[-1]])  #调用函数计算样本原始信息熵entropy

#计算各节点信息增益

m=0;p=""

col=xm[:-1]       #“是否前往”是结果项，不参与计算

for i in col:

    size=len(dic[i]);entropy_1=0

    zyb=  #调用函数对样本按照当前节点进行划分

    for j in zyb:  #根据划分情况逐个求子样本信息熵并按比例累加

        entropy_1+=len(zyb[j])/size*cal(zyb[j])

    zy=entropy-entropy_1

    print(i,"的信息增益:",zy)

    if zy>m:   #计算最大信息增益与信息增益最大的节点

        m=zy

print("信息增益最大的节点：",p)

from flask import render_template,request,Flask

import random

app=Flask(__name__)  #创建应用实例

@app.route('/')  #选择页面路由

def index():

    return render_template('')

#加密功能代码略，以下为解密代码：

@app.route('/jiemi1/',methods=["GET","POST"])

def jiemi1():

wb=request.form["wb"] #利用request获取网页文本框内容，返回示例:“1,4,2,3,0”

keyo=request.form["key"]  #变量wb存储密文，变量keyo存储密钥

    keyn=list(map(int,keyo.split(","))) #将字符串keyo转换为数值列表，示例：[1,4,2,3,0]

    result=""

for i in range(len(keyn)):

for j in range(len(keyn)):

if :

                    break

        result+=wb[j]

    return render_template("jie.html",WB=wb,KEY=keyo,RESULT=result)

if __name__=="__main__":

def cal(lst): #计算样本lst的信息熵

x,y,z=0,len(lst),0  #x表示该样本信息熵，y表示该样本数量，z表示某信息发生的概率

    num={}

for i in lst:

if i not in num:

        num[i]+=1

for k in num:

        z=num[k]/y   #计算该信息发生的概率

x-=z*log(z,2) #根据公式计算信息熵，log(b,a)等价于log_ab

    return x

def check(x,y):

#根据节点x，对样本y进行划分，返回示例：{'否': [1, 1, 0, 0, 1, 1, 1, 1], '是': [1, 1, 0, 1, 0, 0]}

dic={'是否有风': ['否', '否', '否', '否', '否', '否', '否', '否', '是', '是', '是', '是', '是', '是'],

'天气': ['多云', '多云', '晴', '晴', '晴', '雨', '雨', '雨', '多云', '多云', '晴', '晴', '雨', '雨'],

'温度': [28, 27, 29, 22, 21, 21, 20, 24, 18, 22, 26, 24, 18, 21],

'湿度': [78, 75, 85, 90, 68, 96, 80, 80, 65, 90, 88, 63, 70, 80],

'是否前往': [1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0]}

xm=list(dic.keys())

entropy=cal(dic[xm[-1]])  #调用函数计算样本原始信息熵entropy

#计算各节点信息增益

m=0;p=""

col=xm[:-1] #“是否前往”是结果项，不参与计算

for i in col:

size=len(dic[i]);entropy_1=0

    zyb=  #调用函数对样本按照当前节点进行划分

for j in zyb: #根据划分情况逐个求子样本信息熵并按比例累加

entropy_1+=len(zyb[j])/size*cal(zyb[j])

    zy=entropy-entropy_1

print(i,"的信息增益:",zy)

if zy>m: #计算最大信息增益与信息增益最大的节点

        m=zy

print("信息增益最大的节点：",p)