FIRST,a test!

最新推荐文章于 2022-08-25 16:32:35 发布
最新推荐文章于 2022-08-25 16:32:35 发布
阅读量1k 收藏
点赞数
文章标签： blog
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Minus8cool/article/details/621927
版权

►呵呵，感觉这个blog更专业点，能接触到更多的朋友，希望大家以后多来踩踩吧

和此女不相上下的联系我～！喜欢ing

 

Minus8cool
关注
Delong test
liuqiang3的博客
11-02 2万+
最近需要做AUC的显著性检验，delong test是比较常见的AUC显著性检验的方法。我大体研究了一下。 原理： 1.以两个不同的模型对肿瘤良恶性进行分类，其中vgg的AUC为A1A_1A1​,svm结果得到的AUC为A2A_2A2​，delong test就是首先计算两者AUC差值θ=A1−A2\theta = A_1-A_2θ=A1​−A2​ 2.然后根据计算出A1A_1A1​和A2A_2...
go test单元测试
alias
10-10 2435
go test是go内置的测试工具 比如现在main.go里有一个方法 func double(num int) int { return num * 2 } 编写测试文件main_test.go package main import ( "testing" ) func TestDouble(t *testing.T) { foo := 1 doubleFoo := double...
googletest简介
m0_65931372的博客
08-25 6906
googletest是由谷歌的测试技术团队开发的测试框架，使用c++实现，具有跨平台等特性。 好的测试框架 引用谷歌给出的文档，好的测试应当具备以下特征： 测试应该是独立的和可重复的。调试一个由于其他测试而成功或失败的测试是一件痛苦的事情。googletest通过在不同的对象上运行测试来隔离测试。当测试失败时，googletest允许您单独运行它以快速调试。 测试应该很好地“组织”，并反映出测试代码的结构。googletest将相关测试分组到可以共享数据和子例程的测试套件中。这种通用模式很容易识别，并使测
Constructor call must be the first statement in a constructor
1.01的365次方的专栏
08-08 6076
super()和this ()不能共存，否则编译时会报异常。 Constructorcall must be the first statement in a constructor 换句话说就是super()和this()都必须在构造方法的第一行。 this(有参数/无参数) 用于调用本类相应的构造函数 super(有参数/无参数) 用于调用父类相应的构造函数 而且在构造函数中,调用必
Go go test测试机制介绍及实例【Go语言圣经笔记】
Steve Wang's blog
10-18 7171
测试 Maurice Wilkes，第一个存储程序计算机EDSAC的设计者，1949年他在实验室爬楼梯时有一个顿悟。在《计算机先驱回忆录》（Memoirs of a Computer Pioneer）这本书中，他回忆到：“忽然间有一种醍醐灌顶的感觉，我整个后半生的美好时光都将在寻找程序BUG中度过了”。肯定从那之后的大部分正常的码农都会同情Wilkes过分悲观的想法，虽然也许会有人困惑于他对软件开发的难度的粗浅看法。 现在的程序已经远比Wilkes时代的更大也更复杂，也有许多技术可以让软件的复杂性可得到控制
a标签的target属性
热门推荐
qq_42000201的博客
10-31 2万+
a标签的target属性前端a标签最重要的属性是href属性，实现页面的跳转。但是在当前页面显示还是在新页面中显示需要使用target属性控制 前端a标签最重要的属性是href属性，实现页面的跳转。但是在当前页面显示还是在新页面中显示需要使用target属性控制 target属性有五个特殊值。 1.target="_self" 内容在当前页面显示。 2.target="_blank" 内容在新页面...
__acrt_first_block == header’异常
caolinqing1的专栏
12-03 4629
c++:动态库接口函数返回stl对象的设计原则塈‘__acrt_first_block == header’异常 版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/80522287 问题描述 最近在写dll动态库时，动态库函数返回的std::string对象在析构时抛出了异常： 为简化描述...
git push失败， 提示! [rejected] master -＞ master (fetch first)error: failed to push some refs.解决办法
wwww00o的博客
08-18 2万+
5、git push origin master 将项目推送到远程仓库的master分支上。4、git remote add origin 仓库地址 将本地仓库与远程仓库连接起来。3、git commit -m ['注释'] 将缓存区内容添加到本地仓库。2、git add . 将当前目录下修改的所有代码从工作区添加到暂存区。此时，我们继续按照上面的步骤提交项目，第五步的时候就会出现一个错误！然后执行git push origin master就可以成功了。命令将README.md拉到本地，...
googletest 学习笔记
HDM1991的专栏
11-30 3782
前言googletest 是由 Google 开发的开源 C++ 单元测试框架，在很多开源项目中（如 chromium）都有使用。这篇博客记录在了自己在学习 googletest 的文档《Primer》和《AdvancedGuide》时做的一些笔记，主要是自己对 googletest 的一些特性的理解和总结。
FirstTest：FirstTest
02-14
4. **链接**：<a>标签用于创建超链接，可以链接到其他网页、文件或者内部页面的特定位置。 5. **图像**：标签插入图片，需要指定源文件（src属性）和可选的替代文本（alt属性）。 6. **列表**：和分别创建无序和...
ed.rar_first test
07-13
描述中提到，“it is a test for a beginner using matlab in his first day”，这进一步证实了这是一个针对MATLAB初学者的基础教程，旨在帮助他们在第一天接触这个强大的编程环境。 MATLAB，全称“矩阵实验室”，...
Untitled.rar_first test
07-13
it is a test for a beginner using matlab in his first day
A factor-analytic study of the first grade screening test
06-29
A factor-analytic study of the first grade screening test A FACTOR-ANALYTIC STUDY OF THE FIRST GRADE SCREENING TEST DIETER H. PAULUS AND JOSEPH 5. RENZULLI University of Conneoticut Bureuu of ...
code_hdu.rar_ACM_The First_hdu_test case example
09-23
The first line of the input contains an integer T(1≤T≤10), denoting the number of test cases. In each test case, there are two integers k,m(1≤k≤1018,1≤m≤100). Output For each test case, print ...
嵌入式学习之闪光的摆.zip
09-24
嵌入式学习，电子信息技术
cache的snoop vs directory，两种方式比较
09-24
cache的snoop vs directory，两种方式比较
基于java的博客系统的开题报告.docx
09-24
基于java的博客系统的开题报告.docx
基于Python, JavaScript和HTML的交互式背单词学习工具设计源码
最新发布
09-24
该项目是一个基于Python, JavaScript和HTML的交互式背单词学习工具设计源码，主要使用JavaScript语言开发。项目包含27个文件，其中8个文本文件（txt），6个Python脚本（py），4个Markdown文档（md），3个JavaScript文件（js），2个JSON配置文件，1个Git忽略文件（gitignore），1个许可证文件（LICENSE），1个原型定义文件（proto）和1个HTML页面文件。这个工具旨在通过交互式学习提高用户的单词记忆效率。
%% 计算指标 INdex=[]; n=[]; for i=1:k A=NWP_cluster{i}; index=[]; for j=1:size(A,1) for x=1:size(A,2) index(j,x)=sum((A(j,:)-A(x,:)).^2)^0.5; end end INdex(k)=sum(sum(index))/(size(A,1)*size(A,2)-1)/2; n(k)=size(A,1)*size(A,2); end compactness=sum(INdex)/sum(n); disp(['紧致度为：',num2str(compactness)]) %% 找出原始不聚类的训练测试集 Label_test_first=[]; first_label=[]; Label_1=[L{1}' L{2}' L{3}']; for i=1:k Label=find(label==i); A=Label_1(find(label==i)); first_label{i}=Label(1+ceil(length(A)*5/6):end); A(1:ceil(length(A)*5/6))=[]; Label_test_first=[Label_test_first A]; end X=1:size(data,1); X(Label_test_first)=[]; Train_NWP_power_zhijie =[data(X,:) power_date(X,:)]; Test_NWP_power_zhijie =[data(Label_test_first,:) power_date(Label_test_first,:)]; csvwrite('不聚类的训练集.csv',Train_NWP_power_zhijie); csvwrite('不聚类的测试集.csv',Test_NWP_power_zhijie); %% 找出一重聚类结果的训练测试集 first_L1=[]; first_L2=[]; first_L3=[]; for i=1:k B=first_label{i}; L1_label=B(find(B<=length(L{1}))); L2_label=B(find(B<=length([L{1}' L{2}']))); L3_label=B(~ismember(B,L2_label)); L2_label=L2_label(~ismember(L2_label,L1_label)); first_L1=[first_L1;L1_label]; first_L2=[first_L2;L2_label]; first_L3=[first_L3;L3_label]; end first_cluster_test_1=Label_1(first_L1); first_cluster_test_2=Label_1(first_L2); first_cluster_test_3=Label_1(first_L3); first_cluster_train_1=Label_cluster{1}(~ismember(Label_cluster{1},first_cluster_test_1)); first_cluster_train_2=Label_cluster{2}(~ismember(Label_cluster{2},first_cluster_test_2)); first_cluster_train_3=Label_cluster{3}(~ismember(Label_cluster{3},first_cluster_test_3)); %% 划分出训练测试集 NWP_power_test_1=[data(first_cluster_test_1,:) power_date(first_cluster_test_1,:)]; NWP_power_test_2=[data(first_cluster_test_2,:) power_date(first_cluster_test_2,:)]; NWP_power_test_3=[data(first_cluster_test_3,:) power_date(first_cluster_test_3,:)]; NWP_power_train_1=[data(first_cluster_train_1,:) power_date(first_cluster_train_1,:)]; NWP_power_train_2=[data(first_cluster_train_2,:) power_date(first_cluster_train_2,:)]; NWP_power_train_3=[data(first_cluster_train_3,:) power_date(first_cluster_train_3,:)]; NWP_power_test=[{NWP_power_test_1} {NWP_power_test_2} {NWP_power_test_3}]; NWP_power_train=[{NWP_power_train_1} {NWP_power_train_2} {NWP_power_train_3}]; for i=1:k str_test=['NWP_power_test_',num2str(i),'.csv']; csvwrite(str_test,NWP_power_test{i}); str_train=['NWP_power_train_',num2str(i),'.csv']; csvwrite(str_train,NWP_power_train{i}); end
07-14
这部分代码是对聚类结果进行指标计算，并根据聚类结果将原始数据集划分为训练集和测试集。 首先，你计算了每个聚类类别的紧致度（compactness），通过计算样本之间的距离来衡量。然后，你将原始数据集中未被聚类的样本标签存储在`Label_test_first`中，并将剩余的样本作为不聚类的训练集和测试集，分别存储在`Train_NWP_power_zhijie`和`Test_NWP_power_zhijie`中。 接下来，你将一重聚类结果中每个类别的样本标签分别存储在`first_L1`、`first_L2`和`first_L3`中，并根据这些标签将一重聚类结果划分为训练集和测试集。训练集中的样本存储在`first_cluster_train_1`、`first_cluster_train_2`和`first_cluster_train_3`中，测试集中的样本存储在`first_cluster_test_1`、`first_cluster_test_2`和`first_cluster_test_3`中。 最后，你根据训练集和测试集的标签将数据集划分为不同的类别，并将每个类别的数据分别存储在`NWP_power_train`和`NWP_power_test`中，并将它们分别写入名为`NWP_power_train_1.csv`、`NWP_power_train_2.csv`、`NWP_power_train_3.csv`、`NWP_power_test_1.csv`、`NWP_power_test_2.csv`和`NWP_power_test_3.csv`的CSV文件中。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值