Python中社会计算的概念

当您尝试在谷歌上搜索您可能想了解或只想回忆的事情时，例如，如果您想记住之前听过但没有回忆起的歌曲，那么只有您能记住这首歌的位置它是拍摄的，然后您可能无法通过谷歌搜索找到它，您可以做的是写一篇文章并在社交媒体上分享。如果你的朋友圈里有人知道这件事会给你答案。你可能会也可能不会找到你的答案。但是，如果有很多人回答了您的问题，其中一个就是答案，这意味着您只需在社交媒体上分享您的问题就可以得到答案。所以我们可以说，许多普通人的力量超过了一个专业人士的力量。
这是 Quora、StackOverflow 等许多网站使用的社交计算的概念。

群众的智慧

根据群体智慧的概念，当很多人猜测一件事时，他们就有可能猜对了。这是因为有些人可能低估了它，有些人可能高估了它，所以它的平均值接近于确切的答案。

它是基于低估取消高估部分的事实。

修剪均值的计算：

• 计算总人群的 10%。
• 从列表中删除该数量的计算值，即 10% 的低估值和 10% 的高估值。
• 现在计算平均值。

下面是实现。

Python3

# Python program to demonstrate
# social computing
 
 
from statistics import mean
 
# Estimation provided by various
# users
Estimates = [1000, 1010, 1223, 52223, 2411,
             322, 563, 1246, 1000, 2333, 4666, 2133]
 
Estimates.sort()
 
tv = int(0.1 * len(Estimates))
 
# Removing Underestimating value
Estimates = Estimates[tv:]
 
# Removing overestimating value
Estimates = Estimates[:len(Estimates)-tv]
 
 
print(mean(Estimates))

输出：

1758.5