Dway

用来描述两个条件概率之间的关系P(A|B) 和 P(B|A)。

全称：term frequency-inverse document frequency即：词频 - 逆文档频率TF：词频，指某个词（Term）在文档中出现的频率。IDF：逆文档频率，公式如下。

直觉上来说我们都知道TP越大越好，而且这里的大肯定是一个相对的概念，而F1-score 就是分别从两个角度，主观（Predicted）和客观（Actual）上去综合的分析TP够不够大。这也就是我们平常看到的结论 F1-score的值 只有在Precision 和 Recall 都大的时候 才会大。

L2归一化在许多机器学习任务中有用处，特别是当不同特征之间具有不同的尺度时。它可以确保所有特征都以相似的比例进行考虑，并且防止某些特征对模型的影响过大。同时，L2归一化还有助于增加数据的稳定性和模型的鲁棒性。L2归一化，也被称为L2范数归一化或欧几里德范数归一化，是一种常见的向量归一化方法。L2归一化将一个向量除以其L2范数，使得向量的长度（模）等于1。L2范数是指向量元素的平方和的平方根。这样处理后，x_normalized的L2范数将等于1，向量的方向保持不变，但长度（模）被归一化为1。

关键字：int、float、bool、complex（复数）