这几天在看有关ABSA论文的代码，而代码跑出来的结果除了有输出loss的值以外还有一个acc的值和一个F1的值。查看了网上对于一些博客以后，对于模型的这三个评价指标有了一个新的认识，因此在这里我写出了自己的认识。1.混淆矩阵提到召回率，准确率，精确率和F1值，我就不得不提一下什么叫做混淆矩阵。混淆矩阵说简单一点就是一个矩阵。一个什么样的矩阵呢？一个关于预测值和真实值得一个矩阵。（Tips：为了方便理解，下面会以一个二分类问题作为讲解）这个句子的情感是不是积极的实际值（1：积极，0：不积极）预测结果是否正确你是sb啊！01×你是sb吧！00√你是sb吗？00√你真棒啊！11√你真棒棒！11√你可

文章目录前言一、TP、TN、FP、FN概念二、准确率、精确率（精准率）、召回率、F1值1.准确率（Accuracy）2.精确率（Precision）查准率3.召回率（Recall）查全率4.F1值（H-mean值）三、ROC曲线、AUC值1.ROC曲线2.AUC值四、AP/MAP/PR曲线总结前言案例代码https://github.com/2012Netsky/pytorch_cnn/blob/main/4_time_series_bikes.ipynb对于分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。一、TP、TN、FP、FN概念首先有关TP、TN

文章目录前言一、TP、TN、FP、FN概念二、准确率、精确率（精准率）、召回率、F1值1.准确率（Accuracy）2.精确率（Precision）查准率3.召回率（Recall）查全率4.F1值（H-mean值）三、ROC曲线、AUC值1.ROC曲线2.AUC值四、AP/MAP/PR曲线总结前言案例代码https://github.com/2012Netsky/pytorch_cnn/blob/main/4_time_series_bikes.ipynb对于分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。一、TP、TN、FP、FN概念首先有关TP、TN

CF#821Div2AConsecutiveSum题目：​ 选择\(i\)和\(j\)，如果\(j=i+xk(x=R)\)，可以交换\(i,j\)。任意选择一段长度为k的相加。思路：​ 题目等价于在下标\(mod\)k相同的数中选一个最大的。简单模拟。可以用vis标记或者优先队列。实现：​ 不值一提。voidsolve(){cin>>n>>k;priority_queueq[105];for(inti=0;i>x;q[(i+1)%k].push(x);}llres=0;for(inti=0;iBRuleofLeague（分类讨论）题目：​ 有n个人，他们之间会进行n-1场比赛。将人分成两部分

CF#821Div2AConsecutiveSum题目：​ 选择\(i\)和\(j\)，如果\(j=i+xk(x=R)\)，可以交换\(i,j\)。任意选择一段长度为k的相加。思路：​ 题目等价于在下标\(mod\)k相同的数中选一个最大的。简单模拟。可以用vis标记或者优先队列。实现：​ 不值一提。voidsolve(){cin>>n>>k;priority_queueq[105];for(inti=0;i>x;q[(i+1)%k].push(x);}llres=0;for(inti=0;iBRuleofLeague（分类讨论）题目：​ 有n个人，他们之间会进行n-1场比赛。将人分成两部分

题意给你n个非负整数的数列a，你可以进行K次操作，每次操作可以将任意位置的数数更改成任意一个非负整数，求操作以后，DIFF(a)-MEX（a）的最小值；DIFF代表数组中数的种类。MEX代表数组中未出现的最小自然数。提示1.显然DIFF(a)-MEX（a）最小，DIFF(a)越小越好，MEX(a)越大越好2.假如DIFF降低，同时MEX提升，这样操作是不亏的，因此我们只需要提升MEX即可，贪心的的构造0-x，x为k次修改，能构建到mex的最大的数列a状态。3.在原始a中，0-x中空缺的值即为需要填充个数的值，我们只需要贪心，先填入出现次数少的>x的值，以降低它的DIFF，即MEX固定了，再降低

题意给一个n个点的无向图，其中有一个隐藏点X,可以进行一组询问S来确定S是n个节点中的哪个点。S包括k个询问节点。询问返回的值也为k个值，每个值为X点到每个询问节点的最短路距离，求k最小为多少。提示1.对于k个节点来说，最优的结构肯定是选择所有的叶子节点2.对于一个节点来说，假如它连了m条链（包括单个叶子节点），可以只标记m-1条链的叶子节点即可3.满足1，2条件以后，可以尝试再去询问点，发现均无法全部检测到，原因是：假如去点m-2条链，剩下的两条链，相同深度部分对于其他的节点来说是无法判断的，他们是等价的方法可以树形DP，一下，或者从每个叶子节点开始搜索一下，这里主要将树形DP的方法：dp[

题意给你n个非负整数的数列a，你可以进行K次操作，每次操作可以将任意位置的数数更改成任意一个非负整数，求操作以后，DIFF(a)-MEX（a）的最小值；DIFF代表数组中数的种类。MEX代表数组中未出现的最小自然数。提示1.显然DIFF(a)-MEX（a）最小，DIFF(a)越小越好，MEX(a)越大越好2.假如DIFF降低，同时MEX提升，这样操作是不亏的，因此我们只需要提升MEX即可，贪心的的构造0-x，x为k次修改，能构建到mex的最大的数列a状态。3.在原始a中，0-x中空缺的值即为需要填充个数的值，我们只需要贪心，先填入出现次数少的>x的值，以降低它的DIFF，即MEX固定了，再降低

题意给一个n个点的无向图，其中有一个隐藏点X,可以进行一组询问S来确定S是n个节点中的哪个点。S包括k个询问节点。询问返回的值也为k个值，每个值为X点到每个询问节点的最短路距离，求k最小为多少。提示1.对于k个节点来说，最优的结构肯定是选择所有的叶子节点2.对于一个节点来说，假如它连了m条链（包括单个叶子节点），可以只标记m-1条链的叶子节点即可3.满足1，2条件以后，可以尝试再去询问点，发现均无法全部检测到，原因是：假如去点m-2条链，剩下的两条链，相同深度部分对于其他的节点来说是无法判断的，他们是等价的方法可以树形DP，一下，或者从每个叶子节点开始搜索一下，这里主要将树形DP的方法：dp[

题意给一个n个数的数列a，a[i]定义一个操作：每次可以交换任意位置的两个值；定义最优操作:对于任意一个原数列的一组排列，使其通过尽可能少的操作变回原数列；求构造一组原数列的一组排列，使得在最优操作下操作次数尽可能多；一开始读错题了，读成只能交换相邻点，一直在考虑逆序对，终于写出来了以后，一直wa，才发现原来是任意点交换，哭提示1.考虑每个点的值没有重复的话，那么很简单，直接构建一个环就好了，操作次数N-12.考虑到有两个相同数值的在一个环里的话，那么就可以分裂成两个环，这样最优解的个数就能减一3.因此只需要每次构建一个环，把所有数值的点每次囊括进去一个，直到没有环就好了代码#includeu