精华内容
下载资源
问答
  • 4-4 分类准确度

    2019-08-20 09:46:19
    分类准确度计算方式: 分类正确的样本数 / 样本数 自己封装的类, 与sklearn同接口: (新加了score(X_test, y_test)函数,不关心predict的具体值是多少(predict函数在score中调用),只关心模型的准确度) # from ...

    分类准确度的计算方式:

    分类正确的样本数 / 总样本数

    自己封装的类, 与sklearn同接口:

    (新加了score(X_test, y_test)函数,不关心predict的具体值是多少(predict函数在score中调用),只关心模型的准确度)

    # from sklearn.neighbors import KNeighborsClassifier
    import numpy as np
    from math import sqrt
    from collections import Counter
    from .metrics import accuracy_score
    
    class KNNClassifier:
    
        def __init__(self, k):
            """初始化KNN分类器"""
            assert k >= 1, "k must be valid"
            self.k = k
            self._X_train = None
            self._y_train = None
    
        def fit(self, X_train, y_train):
            """根据训练数据集X_train和y_train训练KNN分类器"""
            print(X_train.shape[0])
            print(y_train.shape[0])
            assert X_train.shape[0] == y_train.shape[0]#, \ "the size of X_train must be equal to y_train"
            assert self.k <= X_train.shape[0]#, \ "the size of X_train must be at least k."
    
            self._X_train = X_train
            self._y_train = y_train
            return self
    
        def predict(self, X_predict):
            """给定待预测数据集X_predict,返回表示X_predict的结果向量"""
            assert self._X_train is not None and self._y_train is not None#, \ "must fit before predict"
            assert X_predict.shape[1] == self._X_train.shape[1]#, \ "the feature number of X_predict must be equal to X_train"
    
            y_predict = [self._predict(x) for x in X_predict]
            return np.array(y_predict)
    
        def _predict(self, x):
            """给定单个待预测数据x,返回x的预测结果值"""
            distances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in self._X_train]
    
            nearest = np.argsort(distances)
    
            topK_y = [self._y_train[i] for i in nearest[:self.k]]
            votes = Counter(topK_y)
    
            return votes.most_common(1)[0][0]
    
        def score(self, X_test, y_test):
            """根据测试集X_test和y_test确定当前模型的准确度"""
            y_predit = self.predict(X_test)
    
            return accuracy_score(y_test, y_predit)
    

    使用sklearn的KNN模块进行模型准确度的计算:

    from sklearn.model_selection import train_test_split
    from sklearn import datasets
    
    # 数据集加载
    digits = datasets.load_digits()
    
    X = digits.data
    y = digits.target
    
    print(X.shape)
    print(y.shape)
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=666)
    
    # KNN
    from sklearn.neighbors import KNeighborsClassifier
    
    KNN_classifier = KNeighborsClassifier(n_neighbors=3)
    KNN_classifier.fit(X_train, y_train)
    
    # KNN中自带的准确度计算函数
    print(KNN_classifier.score(X_test, y_test))

     

    展开全文
  • 准确率(正确率, accuracy),精确(precision), 召回率(recall) 都是计算正条件值 (Condition positive, 正样本). 查准率(Precision)查准率反映了被判定为正例中真正的正例样本的比重 查全率(Recall)查全...

     

    准确率(正确率, accuracy),精确度(precision), 召回率(recall) 都是计算正条件值 (Condition positive, 正样本).

     

    查准率(Precision)查准率反映了被判定为正例中真正的正例样本的比重

    查全率(Recall)查全率反映了被判定的正例占总的正例的比重

    100次地震预测, 实际10次地震,TP为10, RECALL为1 , 预测很全

     

     

    显然,混淆矩阵包含四部分的信息:

    1. True negative(TN),称为真阴率,表明实际是负样本预测成负样本的样本数
    2. False positive(FP),称为假阳率,表明实际是负样本预测成正样本的样本数
    3. False negative(FN),称为假阴率,表明实际是正样本预测成负样本的样本数
    4. True positive(TP),称为真阳率,表明实际是正样本预测成正样本的样本数

    对照着混淆矩阵,很容易就能把关系、概念理清楚,但是久而久之,也很容易忘记概念。不妨我们按照位置前后分为两部分记忆,前面的部分是True/False表示真假,即代表着预测的正确性,后面的部分是positive/negative表示正负样本,即代表着预测的结果,所以,混淆矩阵即可表示为正确性-预测结果的集合。现在我们再来看上述四个部分的概念(均代表样本数,下述省略):

    1. TN,预测是负样本,预测对了
    2. FP,预测是正样本,预测错了
    3. FN,预测是负样本,预测错了
    4. TP,预测是正样本,预测对了

    几乎我所知道的所有评价指标,都是建立在混淆矩阵基础上的,包括准确率、精准率、召回率、F1-score,当然也包括AUC。 

     

    对于真正例率TPR,分子是得分>t里面正样本的数目,分母是总的正样本数目。 而对于假正例率FPR,分子是得分>t里面负样本的数目,分母是总的负样本数目.

    这里是归一化思想, 即各类的预测效果如何。TPR,正样本预对OK率;FPR,负样本预对FAIL率;

     引用 : https://www.zybuluo.com/frank-shaw/note/152851

    假设有下面两个分类器,哪个好?(样本中有A类样本90个,B 类样本10个。)

     

    A类样本B类样本分类精度
    分类器C1 A*90(100%) A*10(0%) 90%
    分类器C2 A*70 + B*20 (78%) A*5 + B*5 (50%) 75%

     

    可以代入到上面的两个分类器当中,可以得到下面的表格(分类器C1):

    预测A预测B合计
    实际A 90 0 90
    实际B 10 0 10

    TPR = FPR = 1.0.

    分类器C2:

    预测A预测B合计
    实际A 70 20 90
    实际B 5 5 10

    TPR = 0.78, FPR = 0.5

    那么,以TPR为纵坐标,FPR为横坐标画图,可以得到: 
    ROC画图 
    上图中蓝色表示C1分类器,绿色表示C2分类器。可以知道,这个时候绿色的点比较靠近左上角,可以看做是分类效果较好。所以评估标准改为离左上角近的是好的分类器(考虑了正负样本的综合分类能力)。

    一连串这样的点构成了一条曲线,该曲线就是ROC曲线。而ROC曲线下的面积就是AUC(Area under the curve of ROC)。这就是AUC指标的由来。

    如何画ROC曲线

    对于一个特定的分类器和测试数据集,显然只能得到一个分类结果,即一组FPR和TPR结果,而要得到一个曲线,我们实际上需要一系列FPR和TPR的值才能得到这样的曲线,这又是如何得到的呢?

    可以通过分类器的一个重要功能“概率输出”,即表示分类器认为某个样本具有多大的概率属于正样本(或负样本),来动态调整一个样本是否属于正负样本(还记得当时阿里比赛的时候有一个表示被判定为正样本的概率的列么?)

     

    或者 

    但仍有一个问题,对于一个学习器它的预测结果只能产生一对(FPR,TPR),这只能绘制一个点,不足以绘制出一条曲线。实际上对于许多学习器在判定二分类问题时是预测出一个对于真值的范围在[0.0, 1.0]之间的概率值,而判定是否为真值则看该概率值是否大于设定的阈值(Threshold)。例如如果阈值设定为0.5则所有概率值大于0.5的均为正例,其余为反例。因此对于不同的阈值我们可以得到一系列相应的FPR和TPR,从而绘制出ROC曲线。 
    以下列数据举例: 
    y_true = [0, 1, 0, 1],真实值 
    y_score = [0.1, 0.35, 0.4, 0.8], 预测概率值   ??? 如果预测值与真值一样呢? ROC会是什么样?
    分别取4组判定正例用的阈值(大于等于):[0.1, 0.35, 0.4, 0.8],可得相应4组FPR,TPR: 
    FPR: [1, 0.5, 0.5, 0] 
    TPR: [1, 1, 0.5, 0.5] 

    其中

    TP=2 FN=0  正=2 
    FP=2   TN=0   负=2
     TPR=1 FPR=1   
    TP=2  FN=0  正=2
    FP=1  TN= 1  负=2
    TPR=1  FPR=0.5   
    TP=1  FN=1   
     FP=1 TN=1   
     TPR=0.5  FPR=0.5  
    TP=1 FN=1   
     FP=0 TN=2   
     TPR=0.5  FPR=0  


    绘制ROC曲线图如下: 
    ROC Curve Example

    ROC曲线所覆盖的面积称为AUC(Area Under Curve),可以更直观的判断学习器的性能,AUC越大则性能越好。对于该例的AUC值为0.75

    AUC(Area under the Curve of ROC)是ROC曲线下方的面积,是判断二分类预测模型优劣的标准。ROC(receiver operating characteristic curve)接收者操作特征曲线,是由二战中的电子工程师和雷达工程师发明用来侦测战场上敌军载具(飞机、船舰)的指标,属于信号检测理论。ROC曲线的横坐标是伪阳性率(也叫假正类率,False Positive Rate),纵坐标是真阳性率(真正类率,True Positive Rate)

     

    显然,ROC曲线的横纵坐标都在[0,1]之间,自然ROC曲线的面积不大于1。现在我们来分析几个特殊情况,从而更好地掌握ROC曲线的性质

    • (0,0):假阳率和真阳率都为0,即分类器全部预测成负样本
    • (0,1):假阳率为0,真阳率为1,全部完美预测正确,happy
    • (1,0):假阳率为1,真阳率为0,全部完美预测错误,悲剧
    • (1,1):假阳率和真阳率都为1,即分类器全部预测成正样本
    • TPR=FPR,斜对角线,预测为正样本的结果一半是对的,一半是错的,代表随机分类器的预测效果

    于是,我们可以得到基本的结论:ROC曲线在斜对角线以下,则表示该分类器效果差于随机分类器,反之,效果好于随机分类器,当然,我们希望ROC曲线尽量除于斜对角线以上,也就是向左上角(0,1)凸。

    AUC(Area under the ROC curve)

    ROC曲线一定程度上可以反映分类器的分类效果,但是不够直观,我们希望有这么一个指标,如果这个指标越大越好,越小越差,于是,就有了AUC。AUC实际上就是ROC曲线下的面积。AUC直观地反映了ROC曲线表达的分类能力

    • AUC = 1,代表完美分类器
    • 0.5 < AUC < 1,优于随机分类器
    • 0 < AUC < 0.5,差于随机分类器

    AUC能拿来干什么

    从作者有限的经历来说,AUC最大的应用应该就是点击率预估(CTR)的离线评估。CTR的离线评估在公司的技术流程中占有很重要的地位,一般来说,ABTest和转全观察的资源成本比较大,所以,一个合适的离线评价可以节省很多时间、人力、资源成本。那么,为什么AUC可以用来评价CTR呢?我们首先要清楚两个事情:

    1. CTR是把分类器输出的概率当做是点击率的预估值,如业界常用的LR模型,利用sigmoid函数将特征输入与概率输出联系起来,这个输出的概率就是点击率的预估值。内容的召回往往是根据CTR的排序而决定的。
    2. AUC量化了ROC曲线表达的分类能力。这种分类能力是与概率、阈值紧密相关的,分类能力越好(AUC越大),那么输出概率越合理,排序的结果越合理。

    我们不仅希望分类器给出是否点击的分类信息,更需要分类器给出准确的概率值,作为排序的依据。所以,这里的AUC就直观地反映了CTR的准确性(也就是CTR的排序能力)

    转载于:https://www.cnblogs.com/freebird92/p/9021405.html

    展开全文
  • 一、确定风机的通风量风机风量的定义为:风速V与风道截面积F的乘积,大型风机由于能够用[风速计]准确测出风量,所以风量计算也很简单,直接用公式Q=VF便可算出风量。二、风机数量的确定根据鸡舍的换气次数或生产的...

    831ed4bcbdb7def69cd5427528e7cb6a.gif

    8b2d39dfd54a72f0aa1a9c3602020de4.png

    一、确定风机的通风量风机风量的定义为:风速V与风道截面积F的乘积,大型风机由于能够用[风速计]准确测出风量,所以风量计算也很简单,直接用公式Q=VF便可算出风量。 二、风机数量的确定根据鸡舍的换气次数或生产的要求,计算鸡舍所需总风量,进而计算得风机数量,计算公式:N=V ×n/Q其中:N--风机数量(台),V--场地体积(m3),n--换气次数(次/时),Q--所选风机型号的单台风量(m3/h)

    b527633f32c542a6ba41703f7ef11744.png

    三、风机型号的选择应该根据鸡舍的实际情况,尽量选取与原窗口尺寸相匹配的风机型号,风机与湿帘尽量保持一  的距离(尽可能分别装在厂房的山墙两侧),实现良好的通风换气效果,排风侧尽量不靠近附近建筑物, 以防影响附近住户,如从室内带出的空气中含有污染环境,可以在风口安装喷水装置或风罩,收集羽毛的杂物,防止污染环境。 四、蛋鸡换气量需要量国际通用的计算标准是按照单位体重鸡只的需要量来计算的,大鸡与小鸡不同,不能简单按照鸡只数来计算。 

    aacc59f7819b583de6d2db5b4745dea8.png

    蛋鸡每公斤体重所需最低换气量为0.9立方米/每小时;蛋鸡每公斤体重所需最高换气量为7.6立方米/每小时)。鸡体感温度:温度+湿度不能高于102~104(体感温度计算:使用湿布包裹温度探头,所显示的温度就是鸡的体感温度)。蛋鸡每公斤体重所需换气量常用的定值为:蛋成鸡4.76立方米每小时,蛋雏鸡3.68立方米每小时,体重值:蛋成鸡2.3公斤,蛋雏鸡1.5公斤,考虑到理论计算与实际的误差,一般要在最终的计算结果上乘以1.2~1.4的放大系数。 五、计算通风需要量在炎热季节中,空气必须尽快交换,以减少热量蓄积,如果没有空气交换,热量会在进气口和排风机之间积累,而造成空气中灰尘、氨气、二氧化碳等有害物质的增加。一般来讲,通风系统应该有能力在1分钟之内交换所有的空气,在气候暖和的季节里,空气交换在2分钟内完成即可; 

    58686ec35abb7b142a190e161eaf6fce.png

    例如:鸡舍长度为100米,宽度为12.5米,高为4米(檐高3.5米/顶高5.5米)。存栏鸡35000只,体重2kg。通风需求量=100米×12.5米×4米×60分/小时=300000立方米/小时;如采用排风量为50型风机43500立方米/小时的风机①春秋季节所需风机数:300000立方米/小时÷(50风机43500×90%/折旧)立方米/小时=7.5台②夏季所需风机数:35000只×(7.6/最大换气量×2kg体重)÷39150(50风机43500×90%/折旧)=13.5台风机。

    c5042eda118bd8a462e2fdc3191f0d69.png

    舍内空气流速=300000立方米/小时÷(12.5米×4米)÷3600秒/小时=1.39m/s(春秋)通风风速。夏季风速2.5米/秒:7.5台X(2.5/秒÷1.39m/s)=14台风机。50英寸风机额定负压排风量=25000立方英尺/分钟FPM;48英寸风机额定负压排风量=20000FPM;36英寸风机额定负压排风量=10000FPM;10000立方英尺/分钟=283立方米/分钟,(1立方英尺/分钟=0.0283立方米/分钟;1立方米=35.3立方英尺) 鸡舍最小通风量:在满足条件下、鸡舍整个体积的空气换气时间5分钟/次100米×12.5米×4米÷5=1000立方米/分钟,使用50英寸的风机25000FPM×0.0283=707.5立方米/分钟;1000立方米/分钟÷707.5立方米/分钟=1.4台风机,即已达到空气流动要求。如果鸡舍较短一些,尽管通风量可以少一些,相应要增加风机数量。 六、蛋鸡生产适宜的温度鸡只生产和产蛋最适宜的温度是18-25℃,在13-28℃之间也可以达到很好的生产水平,舍内的昼夜温差最好控制在5℃之内,最大不超过8℃,舍内水平点的温度控制在2℃以内,垂直温差不超过1℃。这时就要根据外界温度的变化进行调整,在冬季低温的基础上逐步调整最低温度,冬季舍温一般控制在12-13℃之间,随着外界温度的升高,最低温度也要逐步提高,以减少舍内昼夜的温差。 七、鸡舍风速的要求通风系统要保证舍内空气最小流速不低于1米/秒,最大流速不超过3m/s 八、通风口大小的计算现代化鸡舍所需进风口的大小计算方法如下所示:每小时1立方米的通风量所需的进风口为1平方厘米,而进风口罩以遮光罩时,进风口的面积增至1.2平方厘米。 鸡舍排风量按照162000立方米/小时计算:所需进风口=162000立方米/小时×1平方厘米/1立方米小时=162000平方厘米=16.2平方米,假设进风口为10厘米宽,所需进风口的长度=16.2平方米/0.1米=162米,这个数目比许多人想象的要小得多,当负压正确时,通风系统就会有效的工作,达到合适的降温效果。 

    0df318685741c5622f1f92cdfbe39ac6.png

    九、进风口的风速为保证通风效率和节省能源,进风口的速度应低于5米/秒,如果进风口的空气流速过快,可以用加大进风口面积的方法来解决。 十、进风口形状影响舍内空气的分布为使空气均匀分布于整个鸡舍,空气必须以高速进入,所以它应通过某种类型的狭窄进口而进入,这就叫进风隙。大多数情况下,最好使进风隙几乎达到鸡舍的全长,才能得到足够的通风,所以在实际中最好让进风口尽量细长。

    16a4094bcb396e6745364dcffee49022.png

    十一、进风隙的调节当温度高时必须排出较多的舍内空气,而温度低时排出的空气就应少,故应调节进气口,使舍内保持0.1厘米水银柱的负压,为此进气隙也必须调节,此调节可是手动操作也可以是缆绳系统自动调节。 十二、进风隙的位置进风隙都应在风机对面墙上尽可能高处,空气可直接从外界进入舍内,在寒冷季节空气可在舍内高处与舍内空气充分混合,而避免空气直接吹到鸡群身上。 

    aee496193076bb25e138f4e43dffc2ea.png

    十三、进气导流板应使用可调导流板,以引导从上部进气隙进入的空气量和方向,在常温中导气板应是水平位置,当炎热季节需要进入更多的空气时,将导气板的内侧放下,把进入的空气引向地面,在寒冷季节需要减少进气时,将空气引向鸡舍顶部,与舍内空气充份混合。 十四、空气通过进气隙的速度进气隙流入空气的速度是3.55~3.8米/秒,进入鸡舍后其流速很快就减慢。 

    ea6c697eccb863a13fdb9e19bbb1a21d.png

    十五、炎热天气的注意事项许多人在天气炎热时都错误地把进风口开得很大,例如有人把鸡舍的前后门都打开,感觉到门口的风速度较大,事实上这就破坏了舍内的空气循环,因而不能作为鸡舍降温的措施。 十六、特别炎热的天气在特别炎热的季节,负压通风降温作用可能不够,有些管理人员采取这样的方法:即把所有窗口全部打开把风机转向内吹,风以高速对流来增加鸡的舒适程度;另外在鸡舍中间每隔15米安装一个风机,排成一列,构成纵向气流,把鸡只散发的热量排出去。 十七、鸡舍的纵向通风纵向通风做为机械通风系统的一种,是应用空气对流的原理使鸡只增加舒适感,该系统通过把鸡舍两侧封闭,阻止空气进入,在鸡舍的一端安装大功率排风扇,在相对一端设置进气口,使整个鸡舍形成一个巷道,让空气从鸡群上方通过的方式,使鸡只感到凉爽,为了使纵向通风达到效果,应该做到: 

    9f44208207c7a882733176e89a662e69.png

    1.进风口设于鸡舍风机相对的一端;2.封闭鸡舍的侧墙,在鸡舍中不能有其它的开口或漏风孔,否则将会影响舍内空气的流向和流速。3.确保进气口足够大,以适应风机达到正常功效的需要;4.与风机相对一侧所有开口(如门等)可以开放,以便让空气充分进入鸡舍流动,这种简单的纵向通风鸡舍内外不应存在压力差,如果在遮黑或育成种鸡舍中,应用纵向通风则有所不同,为完全控制光照,鸡舍应使用遮光罩,同时舍内处于负压状态,这种情况下进气口应至少等于风机所占面积,同时由于气压对风机的抵御作用,通风量应增大10~20%,并且注意积有尘土、污物的风机叶片、窗叶片和遮光罩会减少空气流动50~75%的能力。

    a6cba30da558bb0942c18c4963c9b21d.png

    5.纵向通风采用于炎热的夏季,尽量不要用于凉爽或寒冷的季节,如果控制舍温所需用风机数目过少时,会造成空气中有害物质的积蓄,因此在冬季使用横向通风,可更有效的改善舍内空气的质量。6.如果空气不能在舍内均匀流动,鸡只将聚集在舍内较为舒适的地区。7.确保鸡舍内风机通风量足够,所有风机清洁工作正常。8.检查鸡舍两侧不应有漏风处,使用帘布的鸡舍,帘布应严密闭合,不得允许有空气进入或松垂部位的存在。9.定期测量鸡舍中空气流速,在鸡舍中央,鸡只上方的空气流速至少不低于1.67米/秒。 十八、自动控制通风鸡舍通过鸡体产热或外部供热提高舍温时,良好的通风控制可以保持舍温趋于恒定,从而满足鸡生长的最佳温度环境,最好的方法就是使用温度自动控制器和时间定时器双向控制风机的开关。如前所述,我们可以把温度控制器调节在摄氏19度,当舍温高于19度时,风机自动开动,进行排风;当舍温低于19度时,风机则自动停止,当舍温低于19度时间过长时,则由时间定时器控制,如每10分钟风机运行5分钟,以保证鸡舍内新鲜空气的需求,具体操作则由鸡场管理人员来决定。

    fe5514da048ced611de9d214f22ec5a9.png

    本文素材来自网络,版权归原作者,文中观点,仅代表原作者观点与立场,不代表本平台观点与立场,分享给大家,仅供参考,请勿盲目.

    d423e1c9eb1fc50b4c6f80e9b0f64a38.png

    7c4ac3ab1946550b9237f38803cc42e4.gif

    展开全文
  • 网络图计划图作为选择题和案例题题型几乎每年都有考试,考的题型并非是教材当中的文字概念,最主要考核的内容是:通过网络时间参数的计算,算出关键线路、时差、自由时差、计算总工期和进行后期工期进度计划的调整...

    建筑工程中常见网络计划图主要分为双代号网络计划图和单代号网络计划图;其中双代号网络图以其包含因素多,能够准确反映关键线路,是一种应用最广泛的网络计划图。

    网络图计划图作为选择题和案例题题型几乎每年都有考试,考的题型并非是教材当中的文字概念,最主要考核的内容是:通过网络时间参数的计算,算出关键线路、总时差、自由时差、计算总工期和进行后期工期进度计划的调整!

    834debff70e7ed7c33f5247ca64853dc.png

    (土建)工程网络计划的编制步骤

    1.熟悉施工图纸,研究原始资料,分析施工条件

    2.分解施工过程,明确施工顺序,确定工作名称和内容

    3.拟定施工方案,划分施工段

    4.确定工作持续时间

    5.绘制网络图

    6.网络图各项时间参数计算

    7.网络计划的优化

    8.网络计划的修改与调整

    双代号网络图概念和组成

    2b5b1fcb848e032789e90289c3b137b8.png

    网络计划图线路的概念和种类

    30cc07a1d9255eda2a9ddd818610d895.png

    简单的绘制双代号网络计划图例题

    6429bc39c1c2f78c3cce6501ff92ad79.png

    双代号网络计划图时间参数的计算

    4b010e6287570aa1c278f3b925348bfb.png

    19e8f1e46331e10f3deb7548faab4ddb.png

    f58d1273e6891458b9a8e53538aa1bb8.png

    b0ad60b89faf9b9b04216412fe274e0d.png

    868074f2745a2e16d5b27d835ed30a7d.png

    网络计划图关键线路的确定

    2d086be6bdf2e777ed879ce37834b23d.png

    57ddb6ec36a674ac2c30334acdfb2365.png

    c494efeb34331887475906dbeeb2514c.png

    单代号网络计划图及计算讲解(部分)

    b888feed7a6f5e2189b3b67487858a37.png

    0414d200e6d54832f29edff68e699846.png

    ff4b701f73db09067e820fbbf1c9cc9e.png

    d233adced1c4d7a3c3028cc7bb6a6554.png

    双代号网络计划图计算讲解(部分)

    d58c341a32986659aa552765bfa57260.png

    54e2716e565f7c7112bd739ca5431abc.png

    单代号双代号网络计划图相关习题练习(部分)

    df8806152b4ec747ac8c2d53a06672b2.png

    由于文章篇幅有限,这份资料一共70页实在是很多,完整版的图片展示不完;大家领取完整版资料后面附有10页的单代号双代号网络计划图相关练习题,

    可以看完上面的计算方法后自己私下练习看看学习的效果如何!那么需要的小伙伴就可以看下方方式领走吧!

    大家关注我+转发,然后评论区留言:学习

    进入私信我:700,网络计划图资料已经给你准备好了!

    展开全文
  • 基于关口表数据库,提出了一种简捷、易于编程实现的...实际运行表明,输电费用在线实时计算系统可以对复杂电力系统的输电费用进行在线实时计算,计算速度快、操作透明高,对历史数据和实时数据均能进行查询,结果准确
  • 计算机实习日记

    2011-11-26 12:22:41
    当然,光有这些还是不够的,我们还得有过硬的专业知识,在客户遇到技术问题时我们能第一时间高效准确的处理故障,这样才能真正建立客户对我们产品的认可。 9. 今天中午下班时间到了,由于中午的休息时间不多所以...
  • 以帮助工程、设备设计人员、清楚准确的描述空气处理过程,标定送风温度、计算送风量、计算焓差、计算冷量、加湿量,验算设计的准确性。举例如下:一次回风系统中应用设计(夏季工况)例:某机房余热Q=3314,余湿W0.264...
  • 针对环境温度会影响辐射测量准确度的问题,提出了一种基于热电效应的辐射传感器设计,利用计算流体动力学方法对该传感器探头进行了流-固耦合传热分析。设计了一种高精度温度测量电路,搭建了测试平台,对-20 ℃~...
  • 摘 要:给出了轴类零件...本文给出一种对轴类零件的温度进行较准确测量的系统组成,系统由单片机80C552为控制核心,简单可靠,精度高。同时能计算出在不同温度下轴的热变形量。   二、 传感器组成及接口电路  
  • kV-CBCT中用于散射校正的常规叠加或卷积方法的准确性通常会由于有限的尺寸,不规则的外部轮廓和成像对象的异质性而受到铅笔束散射核(PBSK)的空间变化的影响。 本研究旨在提出一种定量分析PBSK的康普顿单散射(CSS...
  • 在很多领域都会用到谐波失真(Total Harmonic Distortion)测试,例如音频、电声、供电和振动等,其中音频行业对失真测量的准确度要求最高。谐波失真THD等参数的计算式不算复杂,采用数字信号分析的方法貌似很...
  • 模拟耦合 (46) 面向对象的设计方法与传统的的面向过程的方法有本质不同,它的基本原理是(C) A. 模拟现实世界中不同事物之间的联系 B. 强调模拟现实世界中的算法而不强调概念 C. 使用现实世界的概念抽象地思考问题...
  • 基于MCS51单片机温度控制系统

    热门讨论 2009-04-10 19:45:04
    其优点是准确度高,稳定性高,性能可靠,热惯性小、复现性好,价格适中。但电阻值与温度是非线性关系,Pt100热电阻,当0℃℃时可用下式表示: 其中A=3.9083╳10-3 /℃;B=-5.775╳10-7 /℃;由此可见,温度越高非...
  • 将数据分成大小相同的n组,第一次选择第一组为验证集另外n-1组为训练组,计算得到第一次的准确度。循环n次,选择准确度较高的模型 2:不均衡数据的评估 (1)评价点:精确度、召回率 (2)精确度、召回率的计算与...
  • 定义:总体的分类准确度,分类正确的点数和点云点数的比值 范围:0~100% 用途:这是最简单的度量分割准确性的方式 MPA(Mean Point Accuracy) 定义:平均分类准确度计算每一类分类正确的点数和该类的所有...
  • 移动端算法加速总结

    千次阅读 2018-09-04 18:03:44
    性能加速,即对于给定的输入,用更短...简化算法或模型,使得在牺牲部分准确度或效果的情况下速度能有大幅提升,看应用场景 算法本身不变,优化实现。或将算法中可能存在的重复计算抽离出来,结果进行复用,或其它...
  • 准确度计算速度没有Tensorflow的高,但是应该是自身算法问题。就不深究啦,原理正确就行。说明只要数学原理正确,什么语言都是能实现的。纪念一下: #实现手写数字识别 import numpy as np import pickle ...
  • 推荐系统判定标准

    2014-08-01 23:21:00
    预测准确度 描述推荐系统预测用户行为的能力。一般通过离线数据集上算法给出的推荐列表和用户行为的重合率来计算。重合率越大则准确率越高。 覆盖率 描述推荐系统对物品长尾的发掘能力。一般通过所有推荐物品占...
  • 本文总结了国内外储能源管理系统目前的发展状况,根据超级电容特点, 设计了一种集中—分布式储能源监测系统,此系统由分布式监测下位机和集中 运算控制上位机两部分构成,二者...压共同参与运算来保证测量的准确度
  • 3样本法抽样测定 特点:不作... E为准确度,P观测对象出现的概率 确定观测时刻:样本的代表性,随机抽样 研究期间,每隔两次或三次,用目前收集到的数据重新计算所要求的样本容量,如必要提高观察次数 工作抽样的应用 用等待
  • 但今天发现在listView同时加载不同的View的同时会导致ListView最底下有一块空白,可能是恰巧吧,导致这样的原因可能是加载了几个不同的View,而他们的高度不同,数量也不同,系统无法准确计算ListView的高度。...
  • 2019年影响因子还有2个月就将发布,由于现在引用情况已经确定,计算各期刊影响因子准确度已经非常高。已经有公众号开始进行各类预测了。 今天,比(xian)较(de)无(dan)聊(teng),我们另类统计一下对2019年...
  • Window系统 时间同步服务器IP地址

    万次阅读 2019-07-21 20:43:50
    大家都知道计算机电脑的时间是由一块电池供电保持的,而且准确度比较差经常出现走时不准的时候。通过互联网络上发布的一些公用网络时间服务器NTP server,就可以实现自动、定期的同步本机标准时间。 ...
  • 有效位数运算 间接测量的计算过程即为有效数字的运算过程,存在不...有效数字运算的原则是:运算结果只保留一位(最多两位)欠准确数字。 为了表述方便记函数 MUC(U)=n MUC(U)=n MUC(U)=n 其中UUU为不确定,nnn为...
  • 支持衡量的是给规则应验的比例,而置信衡量的则是规则准确率如何,即符合给定条件(即规则的"如果"语句所表示的前提条件)的所有规则里,跟当前规则结论一致有多大。计算方法首先统计当前规则的出现次数,再用它来...
  • 顾客需求既是方案设计的起点,也是方案设计的终点,...计算结果表明,与传统PROMETHEE群决策方法相比,所提方法无须确定专家权重,且避免了各方案净流量值区分变小的问题,有效提高了方案排序结果的客观性和准确性。
  • 为了保证煤矿井下正常生产,需要一个合理可靠的矿井通风系统。当矿井开采到一定深度,围岩温度逐渐上升,此时对通风系统进行...在实例中验证了考虑热交换的通风网络解算的准确性,达到了井下特定地点风量准确计算的目的。
  • 页岩气以吸附或游离态赋存与泥页岩中,...建议页岩气含气量测定在参考煤层气标准的同时,需要增加数据点、选用多阶解吸温度、选取稳定解吸数据计算损失气,然后根据损失时间进行修正,能有效提高页岩气含气量测定的准确性。

空空如也

空空如也

1 2 3 4 5 6
收藏数 113
精华内容 45
关键字:

总准确度计算