牛客题解官

分类

题解(475)

/ 注册

TA的专栏 869篇文章 60人订阅

牛客代码笔记-牛栋

74篇文章 532人学习

图解HTTP-牛客面经八股

15篇文章 309人学习

图解网络模型-牛客面经八股

21篇文章 362人学习

图解Java基础-牛客面经八股

24篇文章 316人学习

图解Java多线程牛客面经八股

28篇文章 429人学习

图解JVM-牛客面经八股

11篇文章 382人学习

图解Spring-牛客面经八股

17篇文章 482人学习

图解Mybatis牛客面经八股

10篇文章 283人学习

图解Redis-牛客面经八股

17篇文章 328人学习

图解分布式-牛客面经八股

19篇文章 342人学习

图解系统设计-牛客面经八股

17篇文章 350人学习

图解操作系统-牛客面经八股

75篇文章 432人学习

图解数据库基础-牛客面经八股

26篇文章 349人学习

图解SQL-牛客面经八股

32篇文章 363人学习

图解数据库锁-牛客面经八股

32篇文章 344人学习

图解C++基础-牛客面经八股

47篇文章 317人学习

图解C++高级-牛客面经八股

32篇文章 219人学习

图解C++STL-牛客面经八股

17篇文章 306人学习

图解大模型基础-牛客面经八股

53篇文章 397人学习

图解测试基础-牛客面经八股

12篇文章 301人学习

图解测试用例设计-牛客面经八股

18篇文章 336人学习

图解机器学习-牛客面经八股

36篇文章 378人学习

图解Elasticsearch

24篇文章 316人学习

图解机器学习应用-牛客面经八股

26篇文章 360人学习

图解大模型应用-牛客面经八股

23篇文章 299人学习

图解测试开发-牛客面经八股

17篇文章 354人学习

图解Vue-牛客面经八股

44篇文章 269人学习

图解前端开发-牛客面经八股

39篇文章 394人学习

图解TCP/UDP牛客面经八股

43篇文章 347人学习

提示词工程指南

20篇文章 267人学习

全部文章（共1142篇）

题解|计算分类的DICE得分

DICE得分是一种衡量分类模型性能的指标，具有良好的鲁棒性，其计算公式为：其中，TP是真阳性，FP是假阳性，FN是假阴性。 TP = True Positives (真正例): 正确预测为正类的样本数量 FP = False Positives (假阳性): 错误预测为正类的负类样本数量 FN ...

2025-02-05

0 235

题解|计算二元分类的Jaccard指数

Jaccard指数是一种衡量分类模型性能的指标，其计算公式为：其中，TP是真阳性，FP是假阳性，FN是假阴性。 TP = True Positives (真正例): 正确预测为正类的样本数量 FP = False Positives (假阳性): 错误预测为正类的负类样本数量 FN = Fals...

2025-02-05

0 202

题解|计算均方根误差（RMSE）

均方根误差（RMSE）是一种衡量回归模型性能的指标，其计算公式为：其中，是真实值，是预测值。标准代码如下 def rmse(y_true, y_pred): return round(np.sqrt(np.mean((y_true - y_pred) ** 2)), 3)

2025-02-05

0 165

题解|计算回归分析的R-squared

R-squared是一种衡量回归模型性能的指标，其计算公式为：其中，SSR是残差平方和，SST是总平方和。标准代码如下 def r_squared(y_true, y_pred): if np.array_equal(y_true, y_pred): return 1....

2025-02-05

0 118

题解|实现一组类别的基尼不纯度计算

基尼不纯度是一种衡量分类模型性能的指标，常用于决策树的剪枝。其计算公式为：其中，是每个类别的概率。标准代码如下 def gini_impurity(y: list[int]) -> float: classes = set(y) n = len(y) gini_...

2025-02-05

0 108

题解|实现二分类的F-Score

F-Score是一种衡量分类模型性能的指标，常用于二分类问题。其计算公式为：其中，Precision是精确率，Recall是召回率，是权重因子。 Precision是预测为正的样本中实际为正的比例，Recall是实际为正的样本中预测为正的比例。标准代码如下 def f_score(y_true...

2025-02-05

0 279

题解|实现二元分类中的召回率指标

召回率（Recall）是衡量二元分类模型在正样本上的表现指标，其计算公式为：其中，是真正例，是假反例。本题的一个小难点是对0的判断，不进行特判会导致除0错误。标准代码如下 def recall(y_true, y_pred): tp = np.sum((y_true == 1) &a...

2025-02-05

0 84

题解|计算精确率

精确率（Precision）是衡量二元分类模型在正样本上的表现指标，其计算公式为：其中，是真正例，是假正例。标准代码如下 def precision(y_true, y_pred): true_positives = np.sum((y_true == 1) & (y_pred...

2025-02-05

0 77

题解|线性核函数

线性核函数（Linear Kernel）是一种常用的核函数，其计算公式为：其中，和是两个向量。该算法的本质是计算两个向量的内积。标准代码如下 def kernel_function(x1, x2): return np.inner(x1, x2)

2025-02-05

0 85

题解|实现岭回归损失函数

岭回归损失函数（Ridge Regression Loss）是一种常用的损失函数，其计算公式为：其中，是模型参数，是输入特征，是输出标签，是正则化参数。该回归函数又称为L2正则化损失函数。标准代码如下 def ridge_loss(X, w, y_true, alpha): loss...

2025-02-05

0 97