卡方检验的理论频数不能太小,就相当于进入上一次调用的状态卡方检验和相关性检验卡方检验：统计样本的实际观测值与理论推断值之间的偏离程度,R×C表卡方检验应用条件：R×C表中理论数小于5的格子不能超过1/5,参考资料：百度百科——卡方检验 百度百科——相关性检验python中的协程是怎么实现多任务的协程也称为微线程,3、再按照下图输入命令计算条件信息熵,2、然后我们按下图输入命令计算信息熵,python里怎么计算信息增益,不能有小于1的理论数。
python里怎么计算信息增益，信息增益比，基尼指数
1、首先自定义一份数据，分别计算信息熵，条件信息熵，从而计算信息增益。
2、然后我们按下图输入命令计算信息熵。
3、再按照下图输入命令计算条件信息熵。
4、再输入下图命令，计算信息增益。
5、输入下列代码计算信息增益比。
6、最后按照下图代码计算出基尼指数。
简述python进程，线程和协程的区别及应用场景
协程多与线程进行比较1) 一个线程可以多个协程，一个进程也可以单独拥有多个协程，这样python中则能使用多核CPU。2) 线程进程都是同步机制，而协程则是异步3) 协程能保留上一次调用时的状态，每次过程重入时，就相当于进入上一次调用的状态
卡方检验和相关性检验
卡方检验：统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
相关性检验：变量之间的相关的程度用相关系数r表征。当r大于给定显著性水平a和一定自由度f下的相关系数临界值T“a、时，表示变量之间在统计上存在相关关系。否则，则不存在相关关系。
扩展资料：
随机样本数据；卡方检验的理论频数不能太小。两个独立样本比较可以分以下3种情况：所有的理论数T≥5并且总样本量n≥40，用Pearson卡方进行检验。
如果理论数T＜5但T≥1，并且n≥40，用连续性校正的卡方进行检验。如果有理论数T＜1或n＜40，则用Fisher’s检验。
上述是适用于四格表。R×C表卡方检验应用条件：R×C表中理论数小于5的格子不能超过1/5；不能有小于1的理论数。
参考资料：百度百科——卡方检验
百度百科——相关性检验
python中的协程是怎么实现多任务的
协程也称为微线程，是在一个线程中，通过不断的切换任务函数实现了多任务的效果。协程在python实现的原理主要是通过yield这个关键字实现但是真正在开发时，可以不需要自己实现，可以通过很多成熟的第三方模块来实现协程，比如greenlet,gevent等模块。黑马程序员可学习Python哦，有免费的学习视频，学习路线图，学习工具！