El concepto de Computación Social en Python

Cuando intenta buscar en Google algo sobre lo que desea saber o simplemente desea recordar algo, por ejemplo, si está tratando de recordar una canción que escuchó antes pero no pudo recordarla, solo puede recordar acerca de la canción donde fue filmado, entonces es posible que no lo encuentres buscándolo en Google, lo que puedes hacer es escribir una publicación y compartirla en las redes sociales. Si alguien en tu círculo de amigos lo sabe, te dará las respuestas. Puede o no encontrar su respuesta. Pero, ¿qué pasa si hay muchas personas que respondieron tu pregunta y una de ellas fue la respuesta? Eso significa que obtuviste la respuesta simplemente compartiendo tu problema en las redes sociales. Entonces podemos decir que el poder de muchas personas comunes supera el poder de un profesional.
Aquí viene el concepto de computación social que utilizan muchos sitios como Quora, StackOverflow, etc. 

Sabiduría de las masas

De acuerdo con el concepto de la sabiduría de las multitudes , cuando muchas personas adivinan algo, existe la probabilidad de que hayan acertado. Esto se debe a que algunas personas pueden haberlo subestimado y otras pueden haberlo sobreestimado, por lo que la media se acerca a la respuesta exacta.

Se basa en el hecho de que Subestimación cancela la parte de sobreestimación.

Cálculo de la media recortada:  

• Calcula el 10% de la multitud total. 
• Retire ese número de valores calculados de la lista, es decir, 10% de valores subestimados y 10% de valores sobreestimados. 
• Ahora calcula la media. 

A continuación se muestra la implementación. 

# 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))

Producción:

1758.5