|
pred[u] && !(distance[u] == 1000)) {/*발견되지 않은 정점*/
temp = (node_pointer)malloc(sizeof(node));
temp->vertex = v;
temp->link = NULL;
pred[u] = temp;
}
for(w = 0; w < n; w++)
if(!found[w]) {
if(distance[u] + cost[u][w] < distance[w]) {
distance[w] = distance[u] + cost[u][w];
/*기존
|
|
|
UE, use.n = TRUE, fancy = TRUE, cex=1.5)
pred <- predict(c, newdata = redata1, type=\"class\")
acc <- mean(pred==redata1$Y)
prp(c, type=4, extra=2, digits = 2, box.palette = \"auto\" )
set.seed(1234)
my.control = rpart.control(xval=10, cp=0, minsplit=20)
tree.redata1 = rpart(Y ~ X1 + X2, data=
|
|
|
predictive Distribution
par(mfrow=c(1,1))
m=56; z=0:56
pred.z=(gamma(m+1)/(gamma(z+1)*gamma(m-z+1)))*beta(a+x+z,b+n-x+m-z)/beta(a+x,b+n-x)
plot(z,pred.z,xlab=\'z\',ylab=\'probability\',type=\'h\')
title(\'Predictive Distribution: a=1/2, b=1/2, n=170, x=31, m=56\')
#예측 평균
(m.z<-sum(z*pred.z))
|
|
|
PRED= predictive의 약자로 그 나이 등을 고려 할때 예상된 수치임
검사일:
4/28
(BTPS)
PRED
PRE-Rx
결과해석
BEST
%PRED
항목
의미
정상치
폐쇄성질환시
FVC
Liters
2.92
1.29
44
강제폐활량
최대 흡기 후 최대한 빠르고 강하게 내쉴 수 있는 공기량
예측값의 80%이
|
|
|
pred = model.predict(x_train)
y_label = np.argmax(y_pred, axis = 1)
C = tf.math.confusion_matrix(np.argmax(y_train, axis = 1), y_label)
print(\"confusion_matrix(C):\", C) 1. 삼목게임 학습 ------------------------------- 1
- 서론 (문제설명) ------------------------------ 1
- 본론 (코드내용 설
|
|
메뉴펼치기
