Python中求数字的平方根和平方的几种方法

方法一: 使用内置模块

>>> import math

>>> math.pow(12, 2)     # 求平方
144.0

>>> math.sqrt(144)      # 求平方根
12.0

>>>

方法二: 使用表达式

>>> 12 ** 2             # 求平方
144

>>> 144 ** 0.5          # 求平方根
12.0

>>> 

方法三: 使用内置函数

>>> pow(12, 2)          # 求平方
144

>>> pow(144, .5)        # 求平方根
12.0

>>>

 

  • 37
    点赞
  • 68
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Python中有许多评估算法,下面列举几个常用的算法及其应用场景: 1. 聚类算法评估指标: - 轮廓系:用于评估聚类效果的一种指标,取值范围[-1,1],越接近1表示聚类效果越好。 - SSE(误差平方和):用于评估聚类效果的一种指标,SSE越小表示聚类效果越好。 2. 分类算法评估指标: - 准确率:分类正确的样本占总样本的比例。 - 查准率:预测为正例的样本中,实际为正例的比例。 - 查全率:实际为正例的样本中,被预测为正例的比例。 - F1-score:综合考虑查准率和查全率的指标。 - PR曲线:以查准率为纵轴,以查全率为横轴绘制的曲线。 - ROC曲线:以假正率为横轴,以真正率为纵轴绘制的曲线。 - AUC指标:ROC曲线下的面积,取值范围[0,1],AUC越大表示分类效果越好。 3. 回归算法评估指标: - R方:用于评估回归模型拟合效果的一种指标,取值范围[-∞,1],越接近1表示拟合效果越好。 - MSE(均方误差):预测值与真实值之差的平方和的平均值。 - MAE(平均绝对误差):预测值与真实值之差的绝对值的平均值。 - RMSE(均方根误差):MSE的平方根。 <<引用>>中提到了测试函,测试函是用来评估优化算法特性的,Python中有许多用于优化算法的库,例如scipy.optimize、numpy等,可以使用这些库来进行优化算法的测试和评估。
评论 4
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