Day2讲到得PR图用于判定和比较学习器的性能，但单纯的通过概念性的比较和质性研究是无法很好的判断出通用方面某两个学习器的性能优劣的。因此人们设计了一些综合考虑查准率、查全率的性能度量。 “平衡点”（Break-Even Point,简称BEP）就是这样一个度量 。它是“查准率=查全率”时
小白龙最近学习了Fibonacci数列。它是这样定义的，F(1)=1; F(2)=1; F(n)=F(n-1)+F(n-2) (n>=3); 小白龙想改变一下，他把Fibonacci数列改为： 2/1, 3/2, 5/3.....，F(n+2)/F(n+1)这种数列，现在给你一个数字n（2<n<=50）,请你求出他前n项之和。 输入格式: 输入仅一个正整数n（2<=n<=50）。 输出格
基本概念 TP、True Positive 真阳性：预测为正，实际为正 FP、False Positive 假阳性：预测为正，实际为负 FN、False Negative 假阴性：预测与负、实际为正 TN、True Negative 真阴性：预测为负、实际为负。 以分类问题为例： $\text { 实际情况: }\left\{\begin{array}{c}\text { 数
前言 【题目传送门】 本题之前在 \(lyn\) 大佬讲课的时候讲过，但当时没怎么听懂，只记得是分解质因数然后状压。 题解 设计 DP 从状压入手。 首先考虑朴素 DP。 一开始我想到设计一维 \(dp_{stat}\) 表示一个人拿的数字的质因子集合，从此可以推出另一个人可以选择的物品。但是这样转移
报错显示： 首先进行Traceback，发现报错语句为：pickle.load() 之后网上查找原因有： （1）https://www.cnblogs.com/rychh/p/9833318.html （2）https://blog.csdn.net/qq_20373723/article/details/85258535 对上面作者提供的方法进行测试： import pickle with open("./data_preprocess.pkl
本质是斐波那契数列的变形 public static int flogStep1(int n) { //递归写法 if (n == 1 || n == 2) { return n; } else { return flogStep1(n - 1) + flogStep1(n - 2); } } public static int flo
没好好读题，把第一个数当成输入要判定的数了，关键是输出的结果就一个错的 然后就开始找为什么那个错了，一度以为题出错了(lll￢ω￢) #include <iostream> #include<stdio.h> #include<string> #include<algorithm> #include<math.h> using namespace std; int main() { int num[1
Schema Schema 是数据库的组织结构，包含 Schema 对象，可以是表、列、数据类型、视图、存储过程、关系、主键、外键等，反映了数据库对象和其相互之间的关系。从 Schema 可以直接定义一个数据库。 Schema 变更 由于所有的 F1 服务器共用一个 KV 存储引擎，但上百台服务器的 Schema
递归函数 递归函数 定义一个函数后，在此函数内调用自己 递归函数必须要有结束，否则会一直循环下去,直到栈溢出 递归函数的执行过程是一层层向内执行到最里层，再一层层向外执行 递归函数的缺点 递归函数的效率并不高，性能浪费比较大，多数需求也能由for循环完成，所以能不
例题 # 斐波那契数列 def f(N) : m,n = 0,1 t = 0 while t < N : print(n,end=',') m,n = n,n+m t += 1 f(5) 1,1,2,3,5, # 1. def f1(N) : m,n = 0,1 t = 0 while t < N : yield n m,n = n,n+m
传送门 这一场比赛D题想假了，结果fst。本来能涨，这下掉了12分。 A 有结论？A题还猜什么结论，直接留1个3,2个2,3个1暴力，时间复杂度\(O(1000 * 2^6)\)，过了就是了。 至于结论，是这么推出来的：令\(S=a+2b+3c\)，即所有数的和。那么用这些数一定能凑出来\([1\sim S]\)中的任何一个整数。因为\(
试题题目： 本题答案：2430 解题思路： 第一次编写程序： 题目给出的 n n n数值为 16 16
package 递归基础小题; /** * @author 邓雪松 (づ￣ 3￣)づ) * @create 2021-10-24-16-25 */ public class Demo1 { public static void main(String[] args) { //求阶乘问题-递归 int x1 = f1(5); System.out.println("5的阶乘为:"+x1); //
有一块长为n宽为2的方形草坪，现用长为2宽为1的方形草皮将其铺满，请计算共有多少种不同的铺法？ 输入格式: 输入只有一个正整数n(1=<n<=90)，代表草皮的长度。 输出格式: 输出不同铺法的个数。 输入样例: 3 输出样例: 3 分析： 长为n 1 2 3 4 5 6 7 个数
7.1数值微分与数值积分 一、数值微分 1、数值差分与差商：微积分中，任意函数f(x)在x0点的导数是通过极限定义的： 如果去掉极限定义中h趋向于0的极限过程，得到函数在x0点处以h（h>0）为步长的向前差分、向后差分和中心差分公式： 向前差分： 向后差分： 中心差分：
https://codeforces.com/contest/869/C 题意： 有三种颜色的岛屿，数量分别为 \(A,B,C\) 在一些（可能全部或没有）岛屿之间建立了桥梁。一座桥双向连接两个不同的岛。对于任意两个相同颜色的岛甲和乙，要么甲不能到达乙，要么甲要经过至少3座桥才能到达乙 岛两两不同，问造桥方案总数。答案对 9
MacBook Pro键盘上的F1到F12的键位都对应着调节亮度、声音等功能，如果要使用F1键，必需使用Fn+F1这样的组合键才能达到效果。怎么样关闭键盘上的Fn功能，默认按F1就是F1呢，操作方法如下： 1、打开“系统偏好设置” 可以在启动台，或是桌面左上角点击苹果图标，再点击”系统偏好设置“ 2、进
原题链接Critical Structures #include <bits/stdc++.h> using namespace std; typedef long long ll; typedef pair<int,int> pii; #define mp make_pair #define newline puts("") const int maxn = 1010; int n,m; vector<int> G[maxn]; int dfn[
https://atcoder.jp/contests/abc220/tasks/abc220_h 题解 考虑折半搜索，将 \(n\) 个点分为大小为 \(\dfrac{n}{2}\) 的两个集合 \(S, T\) 设 \(F1[s]\ (s\subseteq S)\) 表示如果选了 \(s\) 中的点安装摄像头，那么被监视的边的数量的奇偶性 设 \(F2[t]\ (t\subseteq T)\) 表示如果
在学习闭包之前，我们先来搞清楚变量的作用域 一、变量的作用域 变量的作用域无非就两种：全局变量和局部变量。 javascript语言的特殊之处，就在于函数内部可以直接读取全局变量。 var a = 22; function f1() { console.log(a); } f1();//22 当然，函数外部自然也
link Description 给出一个大小为 \(n\) 的树，每个点有点权，有 \(m\) 次查询，每次查询 \(u\to v\) 的不同点权个数。强制在线。 \(n\le 4\times 10^4,m\le 10^5\) Solution 不知道这是不是正宗的树分块。 我们考虑假如我们能取出约 \(\Theta(n/B)\) 个点，使得任意一个点到其最近的一个
参考资料： PR曲线和F1-score 评价指标相关 李航. 统计学习方法[M]. 北京:清华大学出版社,2012. 准确率(Accuracy)：对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。 精确率(Precision)：衡量是否有误判。可以看出判断的正确率。 召回率(Recall)：衡量是否有遗漏。可以看出
概念 KNN（K- Nearest Neighbor）法即K最邻近法，最初由 Cover和Hart于1968年提出，说的是每个样本都可以用它最接近的K个邻近值来代表。 科学择友 如上图，假如存在四种朋友关系，即黑名单、普通朋友、好朋友、知音，图中表示在空间中每种关系分别对应你的一个朋友，分别是小黑、小蓝、
直接上 代码。 //电信1902班 胡彬 //2021.10.12 #include "stdio.h" #include "math.h" #define pi 3.1415 #define p 8 //正方形分割的一边点数 int main(void) { int k = 0;//迭代次数 double a = 2 / (sin(pi / (p - 1)) + 1), F1[p][p] = { 0 },F2_ = 0,error_
(True Positive , TP)：被模型预测为正的正样本。 (False Positive , FP)：被模型预测为正的负样本。 (False Negative , FN)：被模型预测为负的正样本。 (True Negative , TN)：被模型预测为负的负样本。 Recall召回率：真正预测为正样本的样本数占实际正样本的样本数的比率 Precision精
