值传递和引用传递区别及错误混淆点

值传递和引用传递

值传递(pass by value)

是指在调用函数时将实际参数**复制一份传递到函数中,这样在函数中如果对参数进行修改,将不会影响到实际参数。

引用传递(pass by reference)

是指在调用函数时将实际参数的地址==直接==传递到函数中,那么在函数中对==参数==所进行的修改,将影响到实际参数。


以下是口述

错误混淆点

其实很多人都会有误区都认为传递的参数如果是普通类型,那就是值传递,如果是对象,那就是引用传递,

并不是这样的,其实如果把值传递和引用传递放在C语言中,那就地址传递,其实Java也是可以这样理解的, 传递也是地址值,

  1. 在调用函数的时候,他会把实际参数的地址值拷贝一份传递到函数中,如果这个地址的实际参数是在栈中的话,他会直接拷贝值,所以函数内部对参数进行操作是不会对实际参数产生影响的
  2. 如果拷贝的原值在堆中的地址,他会根据该地址值去堆中找对应的对象,再进行操作,所以测函数内对值的操作是影响实际参数的.

结论

其实不管是值传递还是引用传递,其实都是一种求值策略, 在求值策略中, 叫做按共享传递, 所以简单点的来说, java的传递是值传递,而这个值是地址值,可以是栈中的值或堆中对象的引用罢了

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
混淆矩阵是一种用于评估分类模型性能的工具,它模型的预测结果与真实结果进行比较,并将结果分为四个同的类别:真正例(True Positive,TP)、假正例(False Positive,FP)、真反例(True Negative,TN)和假反例(False Negative,FN)[^1]。混淆矩阵的主要目的是提供关于分类模型的性能的详细信息,以便我们可以更好地理解模型的准确性和可靠性。 混淆矩阵的评价指标包括以下几个方面: 1. 精确度(Accuracy):分类正确的样本数占总样本数的比例,即 (TP + TN) / (TP + FP + TN + FN)。 2. 灵敏度(Sensitivity)或真正例率(True Positive Rate,TPR):真正例的样本数占真实正例的比例,即 TP / (TP + FN)。 3. 特异度(Specificity)或真反例率(True Negative Rate,TNR):真反例的样本数占真实反例的比例,即 TN / (TN + FP)。 4. 阳性预测值(Positive Predictive Value,PPV)或精确率(Precision):真正例的样本数占预测正例的比例,即 TP / (TP + FP)。 5. 阴性预测值(Negative Predictive Value,NPV):真反例的样本数占预测反例的比例,即 TN / (TN + FN)。 混淆矩阵与混淆矩阵精度的区别在于,混淆矩阵提供了分类模型的详细信息,包括真正例、假正例、真反例和假反例的数量,而混淆矩阵精度是通过计算混淆矩阵中的各项指标来评估分类模型的整体性能。混淆矩阵精度是一个综合指标,可以帮助我们判断分类模型的准确性和可靠性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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