求交差集


String s1 = "50000,100000,200000,30000000,50000000,";
String s2 = "10000,30000,50000,100000,";
String[] a1 = s1.split(",");
String[] a2 = s2.split(",");
List list = new ArrayList(Arrays.asList(a1));
// list.retainAll(Arrays.asList(a2)); // list 中的就是交集了
list.removeAll(Arrays.asList(a2)); // list 中的就是差集了
for(int i = 0;i < list.size(); i++){
System.out.println("----" + list.get(i));
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Mnist交叉验证是一种常用的验证集方法,用于评估分类模型在Mnist数据集上的性能。该数据集包含手写数字图片和对应的标签,其训练集用于训练模型,而验证集则用于在训练过程评估模型的效果。 Mnist数据集通常通过交叉验证来评估模型的性能。交叉验证是将训练数据分为K个子集,其K-1个子集用于训练模型,而剩余的一个子集用于验证模型。这个过程会多次进行,每次都会将一个不同的子集作为验证集。通过对每次验证的结果求平均值,可以得到模型在整个训练数据上的性能评估。 具体实施Mnist交叉验证的步骤如下:首先将训练集分为K个子集,通常选择K=5或K=10。然后,对于每个子集i,将其作为验证集,其他K-1个子集作为训练集。接着,在训练集上训练分类模型,并在验证集上评估模型性能,通常使用准确率或其他指标来评估模型。 重复上述步骤K次,每次都选择一个不同的子集作为验证集,并在所有验证结果上求平均值,得到模型的最终性能评估。这样可以有效地减少模型性能评估的方差,并更好地评估模型在整个数据集上的性能。 总之,Mnist交叉验证是一种评估分类模型性能的方法,通过将训练数据划分为多个子集,并在每次验证选择不同的子集作为验证集,可以更准确地评估模型在整个Mnist数据集上的性能。这种方法可以帮助我们选择合适的模型和参数,并提高模型的泛化能力。
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