自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 准确率、精确率、召回率、F1-score

分类是机器学习中比较常见的任务,对于分类任务常见的评价指标有准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1 score、ROC 曲线(Receiver Operating Characteristic Curve)等这篇文章将结合 sklearn 对准确率、精确率、召回率、F1-score 进行讲解。

2024-07-07 21:18:37 1362

原创 计算机组成原理习题

设一个二进制整数补码有 n+1 位(含一位符号位 𝑥𝑛),即则其补码表示的真值为。

2024-07-06 21:37:03 617

原创 Postman接口测试工具

Postman是一款功能强大的API开发和测试工具,它可以帮助开发者高效地构建、测试和修改RESTful API。

2024-07-06 17:48:25 717

原创 Jupyter Notebook的基础安装教程

在Jupyter Notebook的界面中,点击右上角的“New”按钮,然后选择“Python 3”来创建一个新的Jupyter Notebook。在新创建的Jupyter Notebook中,可以编写和运行Python代码,并且可以添加文本、图片、公式等内容。这将会在浏览器中打开一个Jupyter Notebook的界面,并在本地启动Jupyter服务器。如果没有安装Python,可以到Python官方网站下载并安装最新的Python版本。如果已经安装了Python,则会显示Python的版本号。

2024-07-05 11:24:34 267

原创 决策树原理及代码

这段代码首先导入了所需要的库,然后加载了鸢尾花数据集,划分了训练集和测试集。接着,使用DecisionTreeClassifier类创建了一个决策树模型,并调用fit方法拟合模型。最后,在测试集上进行预测,并计算了预测准确率。决策树模型通过将数据集分割成不同的子集,构建一个树形结构来进行预测。2. 根据该特征分割点的取值将数据集划分为多个子集,每个子集对应树中的一个分支。1. 根据训练集中的特征和目标变量,选择一个最优的特征分割点作为根节点。4. 构建完成的决策树可以用于预测新的未知样本。

2024-07-05 11:17:18 422

原创 sklearn基础教程

下面是一个简单的sklearn基础教程,它涵盖了sklearn库中最常用的功能和方法。

2024-07-04 14:40:17 380

原创 网络层提供服务方式

由于传输网络不提供端到端的可靠传输服务,就使得网络中的路由器可以做的比较简单,而且价格低廉(与电信网的交换机相比)。如果主机(即端系统)中的进程之间的通信是可靠的,那么就由主机中的运输层负责(包括差错处理、流量控制等)。这样的分组的首部不需要填写完整的目的主机地址,而只需要填写这条虚电路的变化,因此减小分组的开销。电信网络使用昂贵的程控交换机(其软件也很复杂),用面向连接的通信方式,使电信网络能够向用户(实际是电话机)提供可靠传输的服务。

2024-07-04 14:32:59 1003

原创 高速缓冲存储器

从题目中可得,1 字 = 32bit=4B,按照双字编址,也就是说一块中有两字,所以一块有 64bit=8B,因为 16𝑀𝐵=2^24𝐵,2^24𝐵/8𝐵=2^24𝐵/2^3𝐵=2^21𝐵,所以寻址范围为 [0,(2^21)−1](3)在二路组相联映射中,每组有两个字块,所以一共有 2^10/2=2^9 组,故组地址有 9 位。如果按字编址,因为存储容量为 1𝑀𝐵=2^20𝐵,字长 32 位就表示 1 字 = 32bit=4B,2^20𝐵/4𝐵=2^18,所以寻址范围为 [0,(2^18)−1]

2024-07-03 21:16:40 1017

进化算法包括GA、PSO、DE

进化算法是一系列受自然界生物进化过程启发的优化方法,广泛应用于解决复杂优化问题。本文概述了主流进化算法:遗传算法(GA)、粒子群优化(PSO)、差分进化(DE)、蚁群优化(ACO)、灰狼优化(GWO)以及模拟退火(SA)等,并提供了MATLAB示例代码。 遗传算法通过模拟自然选择、交叉和变异过程,迭代地改进解集,寻找最优解。粒子群优化通过模拟鸟群觅食行为,利用粒子间的信息交流来探索解空间。差分进化则通过变异、交叉和选择操作,有效地平衡全局和局部搜索能力。蚁群优化模仿了蚂蚁寻找最短路径的行为,通过信息素的正反馈机制引导搜索方向。灰狼优化借鉴了灰狼的社会等级结构,通过Alpha、Beta和Delta角色引领种群向最优解逼近。模拟退火算法基于物理退火过程,通过接受一定概率的劣解,避免陷入局部最优,实现全局优化。这些算法各有特点,适用于不同类型的优化问题。GA和DE在连续和离散优化问题中表现良好;PSO易于实现且收敛速度快;ACO擅长解决组合优化问题,如旅行商问题;GWO和SA则能有效处理高维和非线性优化问题。通过调整算法参数和策略,可以进一步提升算法性能,解决更广泛的优化挑战。

2024-07-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除