weixin_51744807的博客

    众所周知，F1分数（F1-score）是分类问题的一个衡量指标。在分类问题中，常常将F1-score作为评价分类结果好坏的指标。它是精确率和召回率的调和平均数，值域为[0,1]。F1=2∗P∗RP+RF_1=2*\frac{P*R}{P+R}F1​=2∗P+RP∗R​    其中，P代表着准确率（Precision），R代表召回率（Recall）。介绍与二分类问题有关的常见几个变量概念。    TP：实际为正类，预测为正类。    FN：实际为正类，预测为负类。    FP：实际为负类

奇异值分解（singular value decomposition SVD）是一种矩阵因子分解的方法，是线性代数的概念。在统计学中被广泛的使用，成为一种重要的统计方法。在研究过程中可以用来实现缺失值的插补 MVI，也是一种较为常用的缺失值插补方法。任意一个$ m \times n $矩阵，都可以表示为三个矩阵的乘积（因子分解）形式，分别为 $m$阶正交矩阵、由降序排列的非负的对角元素组成的$m \times n$矩阵对角矩阵和$n$阶正交矩阵可以试着计算，以上便称为该矩阵的奇异值分解。

马氏距离的求解

概率加法公式一、两个事件的概率加法公式设A、B为任意两个事件，则A和B的事件概率可通过以下公式计算：P(A∪B)=P(A)+P(B)−P(AB)……(1)P(A\cup B)=P(A)+P(B)-P(AB)……(1)P(A∪B)=P(A)+P(B)−P(AB)……(1)二、三个事件的概率加法公式设A、B、C为任意三个事件、则A、B、C的事件概率可作如下推导：P(A∪B∪C)=P[(A∪B∪C)]……(2)P(A\cup B\cup C)=P[(A\cup B\cup C)]……(2)P(

小概率事件定理一次事件中，这种事件几乎不会发生。做足够多次试验，这种事件就几乎会发生>假设该事件发生的概率为：0.1%实验一百次该事件会发生的概率为：p=1−9991000100=0.0952p=1-\frac{999}{1000}^{100}=0.0952p=1−1000999​100=0.0952当实验进行一千次时，这个小概率事件将要发生的概率为：p=1−99910001000=0.6323p=1-\frac{999}{1000}^{1000}=0.6323p=1−100

普通幂函数算法具体要求：求a^b的后三位数最常见的幂函数算法long long nomalpower(long long base,long long power){ long long result=1; for(int i=1;i<=power;i++) { result*=base; //a^b } return result%1000;}着中方法存在的问题：幂函数会随着指数和底数的增加，呈爆炸式增长。当指数和底数过大时

费马小定理的证明定义如果p是一个质数，而整数a不是p的倍数，则有ap−1≡1(mod    p)a^{p-1}\equiv 1(mod\;\:\:p)ap−1≡1(modp)即：ap−1%p=1a^{p-1}\%p=1ap−1%p=1。证明以a=3，p=5为例。{x1%p=y1%px2%p=y2%p    ⇒    x1%p×x2%p=y1%p×y2%p    ⇒    x1x2%p=y1y2(1)%p.......(1)\left\{\begin{matrix}x_{1}\%p=y_