February 2023 1 111 Report
Quelqu'un peut m'aider?

A partir du texte de La Boétie, Disours de la servitude volontaire, rédigez sur feuille libre l'axe d'analyse suivant : "Un texte persuasif exploitant un mélange de registres". Veillez à bien structurer la réponse en 3 sous-parties équilibrées.
Please enter comments
Please enter your name.
Please enter the correct email address.
You must agree before submitting.

Lista de comentários


More Questions From This User See All
Bonjour,Nous devons compléter un programme python en NSI, pouvez vous m'aidez?Voici le programme:Pour le code ci-dessous, compléter tous les éléments en jaune. Le personnage inconnu à trouver aura une force de 18 et un courage de 12.Exercice 1 :import pandas #.........................................import matplotlib.pyplot as plt #........................................from sklearn.neighbors import KNeighborsClassifierpersonnage=pandas.read_csv("personnages.csv") #lecture du fichier personnage.csv et stockage dans la variable personnagex=personnage.loc[:,"Force"]#récupération en abscisse des valeurs la force des personnagesy=personnage.loc[:,"Courage"] #récupération en ordonnées des valeurs le courage des personnageslab=personnage.loc[:,"Type"] #récupération l'espèce de chaque valeur pour la légende (0 si Fantassin, 1 si Chevalier et 2 si Archer).plt.scatter(x[lab == 0], y[lab == 0], color='g', label='...................') # on va tracer en vert que les points dont le label vaut 0 donc les Fantassinsplt.scatter(x[lab == 1], y[lab == 1], color='r', label='...................') # on va tracer en rouge que les points dont le label vaut 1 donc les Chevaliersplt.scatter(x[lab == 2], y[lab == 2], color='b', label='....................') # on va tracer en bleu que les points dont le label vaut 2 donc les Archersplt.scatter(........., .................., color='k')#rajout du personnage inconnu (18,12)plt.legend() #affichage de la légende#valeursforce=...........courage=................k=15#fin valeurs#début knnd=list(zip(x,y)) #permet de passer des 2 listes x et y à une liste tuplemodel = KNeighborsClassifier(n_neighbors=k) #méthode issue de la bibliothèque scikit-learn qui prend le KNN où k est le nombre de voisins les plus prochesmodel.fit(d,lab) #associe les tuples présents dans la liste "d" avec les labels (0 : "Fantassin", 1 : "Chevalier" ou 2 : "Archer")prediction= model.predict([[……,…..]]) #La variable "prediction" contient alors le label trouvé (0,1ou 2)par l'algorithme knn.#fin knn#Affichage résultatstxt="Résultat : "if prediction[0]==0:#.............................txt=txt+"Fantassin"#............................if prediction[0]==1:txt=txt+"Chevalier"if prediction[0]==2:txt=txt+"Archer"plt.text(3,7,"Force : {0}, courage : {1} .".format(force,courage),fontsize=12)plt.text(3,6, "k : {0}".format(k), fontsize=12)plt.text(3,5, txt, fontsize=12)#fin affichage résultats"""plt.show() #affichage du graphetableau:Force,Courage,Type2,12,05,19,02,15,05,18,05,17,04,17,01,19,01,20,01,10,02,16,06,15,02,15,02,11,01,20,05,17,01,10,04,12,08,16,017,20,120,18,115,19,115,18,119,17,118,14,118,18,117,13,118,15,114,14,112,16,118,15,110,12,114,16,118,15,120,2,220,1,221,5,218,6,215,5,216,1,214,4,217,6,218,7,218,2,217,1,215,9,216,7,214,1,219,9,2
Responda

Helpful Social

Copyright © 2025 ELIBRARY.TIPS - All rights reserved.