山东理工大学-2022级-程序设计基础I-实验4 循环结构之for语句

本文档详细介绍了多个C语言实验,涵盖了循环结构的应用,如计算和、判断素数、数列求和等。实验内容包括使用for语句进行输入输出、比较两个数、计算1到n的和、寻找最大最小值、判断平方数等,旨在通过实践提高编程技能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

分离每一位


//需求: 给你一个正整数n, 让你求出来它有几位, 每一位加起来的和是多少

// / %

int digit = 0; //位数
int sum = 0; //求和
while(n)
{
   
    digit
### 机器学习评估指标的意义及理想数值 #### Accuracy 的意义及其理想值 Accuracy 表示分类正确的样本数占总样本的比例。当数据集类别分布较为均衡时,该度量能较好反映模型的整体性能[^1]。然而,在处理不平衡的数据集时,高 Accuracy 并不一定意味着良好的分类效果。 理想的 Accuracy 数值取决于具体应用场景以及业务需求。通常情况下,越接近于 1 越好;但在某些领域(如医疗诊断),即使较低的 Accuracy 如果能够有效识别少数关键案例也可能被认为是可接受的结果。 #### Precision 的意义及其理想值 Precision 描述的是被预测为正类别的实例中有多少确实是真正的正例。对于那些误报成本较高的场景来说非常重要,比如垃圾邮件过滤器应该尽量减少正常邮件被错误地标记为垃圾的情况发生[^2]。 同样地,Precision 的最佳取值范围也视具体情况而定。一般而言,更高的 Precision 更受欢迎,因为它表明较少数量的真实负例被错判为正例。不过需要注意的是,追求极致高的 Precision 可能会牺牲 Recall 性能。 #### Recall 的意义及其理想值 Recall 是指实际属于某类别的对象中有多大比例被成功检测出来。这在漏检代价高昂的任务里尤为关键,例如疾病筛查系统应尽可能多地发现患病个体以避免错过治疗时机[^3]。 理论上讲,完美的 Recall 应等于 1 或者说达到百分之百覆盖所有目标实体。但实际上往往很难做到这一点,因为提高 Recall 往往伴随着 Precision 下降的风险——即更多无关项也会被判别成感兴趣的对象。 #### F1 Score 的意义及其理想值 F1 Score 综合考虑了 Precision 和 Recall 两个方面的影响因素,通过调和平均的方式给出一个综合评价标准。它特别适用于类别不均匀的情形下衡量二元分类算法的效果[^4]。 由于 F1 Score 同时兼顾到了精确性和召回率之间的平衡关系,因此其最大可能值也是 1 。这意味着既没有任何假阳性也没有任何假阴性的完美状态。实践中很少见到如此理想化的状况出现,所以应当依据项目特点设定合理的预期水平。 ```python from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score y_true = [0, 1, 1, 0, 1] y_pred = [0, 1, 0, 0, 1] print(f'Accuracy: {accuracy_score(y_true, y_pred):.2f}') print(f'Precision: {precision_score(y_true, y_pred):.2f}') print(f'Recall: {recall_score(y_true, y_pred):.2f}') print(f'F1 Score: {f1_score(y_true, y_pred):.2f}') ```
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

打赏作者

.又是新的一天.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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