php实现运气模型(命运随机,克服困难)

一、总结

1、应该用表格来布局的,这种多列的用表格布局比div和span布局方便很多

2、span标签设置宽度:变成行内快元素:display:inline-block;

3、array_rand()函数:从数组里面随机取值

4、设置中文字符集:meta元素 charset属性:<meta charset="utf-8">

5、border边框:边框宽度,边框样式,边框颜色  :style="border:1px solid #aaddff; "

二、php实现运气模型

截图

代码

 //运气理论
public function luckModel(){
//生成柱子数子数组
$zhuzi_n = array();
//危机等级
$max_nandu = 30;
//危机次数
$times = 60;
$arr = range(1,$max_nandu);//危机等级
for ($i=0; $i <$times ; $i++) { //危机次数
$zhuzi_n[]=array_rand($arr);
}
//根据柱子数字数组生成柱子图像数组
//柱子图像数组
$zhuzi_p = array();
for ($i=$max_nandu; $i >= 0; $i--) { //有多少行,从底部开始
//每一行
$line = array();
//每一行中的每一列
for ($j=0; $j <$times ; $j++) {
if ($zhuzi_n[$j]>=$i) {
$line[]=1;
}else{
$line[]=0;
}
}
$zhuzi_p[]=$line;
}
//将01矩阵转化为图像矩阵
for ($i=0; $i < count($zhuzi_p) ; $i++) {
$line = $zhuzi_p[$i];
for ($j=0; $j < count($line); $j++) {
$zhuzi_p[$i][$j]=$zhuzi_p[$i][$j]?'*':'&nbsp;&nbsp;';
}
}
//在页面输出出来
echo '<meta charset="utf-8">';
echo '<div style="border:1px solid #aaddff; ">';
for ($i=0; $i < count($zhuzi_p)-1; $i++) {
echo '<span style="color:#df7659;width:64px;display:inline-block;">第'.(count($zhuzi_p)-$i-1).'层:</span><span style="color:#df7659;">|&nbsp;&nbsp;&nbsp;&nbsp;</span><span style="color:#adbc54">';
$line = $zhuzi_p[$i];
for ($j=0; $j < count($line); $j++) {
echo $zhuzi_p[$i][$j].' ';
}
echo '</span></br>';
}
echo '</div>';
dump($zhuzi_n);dump($zhuzi_p);die; }

php实现运气模型(命运随机,克服困难)的更多相关文章

  1. 一种利用 Cumulative Penalty 训练 L1 正则 Log-linear 模型的随机梯度下降法

    Log-Linear 模型(也叫做最大熵模型)是 NLP 领域中使用最为广泛的模型之一,其训练常采用最大似然准则,且为防止过拟合,往往在目标函数中加入(可以产生稀疏性的) L1 正则.但对于这种带 L ...

  2. 机器学习之路:python 集成回归模型 随机森林回归RandomForestRegressor 极端随机森林回归ExtraTreesRegressor GradientBoostingRegressor回归 预测波士顿房价

    python3 学习机器学习api 使用了三种集成回归模型 git: https://github.com/linyi0604/MachineLearning 代码: from sklearn.dat ...

  3. 算法岗面试题:模型的bias和variance是什么?用随机森林举例

    校招在即,准备准备一些面试可能会用到的东西吧.希望这次面试不会被挂. 基本概念 说到机器学习模型的误差,主要就是bias和variance. Bias:如果一个模型的训练错误大,然后验证错误和训练错误 ...

  4. Hbase WAL线程模型源码分析

    版权声明:本文由熊训德原创文章,转载请注明出处: 文章原文链接:https://www.qcloud.com/community/article/257 来源:腾云阁 https://www.qclo ...

  5. Spark随机深林扩展—OOB错误评估和变量权重

    本文目的 当前spark(1.3版)随机森林实现,没有包括OOB错误评估和变量权重计算.而这两个功能在实际工作中比较常用.OOB错误评估可以代替交叉检验,评估模型整体结果,避免交叉检验带来的计算开销. ...

  6. NLP —— 图模型(一)隐马尔可夫模型(Hidden Markov model,HMM)

    本文简单整理了以下内容: (一)贝叶斯网(Bayesian networks,有向图模型)简单回顾 (二)隐马尔可夫模型(Hidden Markov model,HMM) 写着写着还是写成了很规整的样 ...

  7. R语言︱决策树族——随机森林算法

    每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 笔者寄语:有一篇<有监督学习选择深度学习 ...

  8. sklearn_随机森林random forest原理_乳腺癌分类器建模(推荐AAA)

     sklearn实战-乳腺癌细胞数据挖掘(博主亲自录制视频) https://study.163.com/course/introduction.htm?courseId=1005269003& ...

  9. Python中随机森林的实现与解释

    使用像Scikit-Learn这样的库,现在很容易在Python中实现数百种机器学习算法.这很容易,我们通常不需要任何关于模型如何工作的潜在知识来使用它.虽然不需要了解所有细节,但了解机器学习模型是如 ...

随机推荐

  1. IOS 以随意点为圆心 旋转UIView

    环绕底边中点旋转                     UIView本身是支持旋转的,能够用UIView.transform属性实现旋转. The origin of the transform i ...

  2. 《从0到1》读书笔记第2章&quot;像1999 年那样狂欢&quot;第1记:小结及词汇解析

    小结 本章的目的应该是通过90年代末的互联网泡沫的背景,成因.影响,以及教训来教诫人们,在全部人都疯狂的抛身于洪流热潮之中时,我们要冷静的思考辨识出那些不切实际的大众观点,找到隐藏在这些观点后面的反主 ...

  3. js---16继承

    123 instanceof Number;//false,要左边是对象右边是函数 typeof 123 ; //number new Number(123) instanceof Number; / ...

  4. 实用的 Python 包 —— 使用 win32 的剪贴板

    1. usage >> import win32clipboard >> win32clipboard.OpenClipboard() >> win32clipbo ...

  5. 项目: 更新(二) python 实现大概FTP的功能

    服务器利用 socketserver 模块 构造, 实现了 多进程. 客户端仍然利用的是底层的 socket模块. 只不过进行了更深度的 解耦, 新加或者删除 某些功能 更方便 在上一个版本的基础上, ...

  6. 洛谷P2818 天使的起誓

    题目描述 Tenshi非常幸运地被选为掌管智慧之匙的天使.在正式任职之前,她必须和其他新当选的天使一样要宣誓.宣誓仪式是每位天使各自表述自己的使命,他们的发言稿放在n个呈圆形排列的宝盒中.这些宝盒按顺 ...

  7. [ Java ] [ Eclipse ] 加速 Eclipse 載入速度-轉載

    加速 Eclipse 載入速度-轉載 https://read01.com/NJjNOB.html

  8. seq---生成随机数

    seq命令用于产生从某个数到另外一个数之间的所有整数. 语法 seq [选项]... 尾数 seq [选项]... 首数 尾数 seq [选项]... 首数 增量 尾数 选项 -f, --format ...

  9. 用node.js从零开始去写一个简单的爬虫

    如果你不会Python语言,正好又是一个node.js小白,看完这篇文章之后,一定会觉得受益匪浅,感受到自己又新get到了一门技能,如何用node.js从零开始去写一个简单的爬虫,十分钟时间就能搞定, ...

  10. thinkphp多层volist实现多表查询

    thinkphp多层volist实现多表查询 一.总结 二.截图 三.代码 1.控制器 2.视图