查看: 689|回复: 5
如何分类统计复习率的正确率
阅读权限30
在线时间 小时
& & & & & & & &
各位高手，早上好！我想根据图一中B列的数据“复习内容标题”所对应I列的数据“正确率”，在图二的H列到AK列中，统计每次做题正确率的情况，举例说明：比如：“复习内容标题”为“概述（一）”，在图一的表格里，做题总次数为2次，第1次的正确数为83%，第2次的正确率为94%，则在图二的表格里，在单元格H4则填写83%，在单元格I4的表格里填写94%，如此类推！万分谢谢！
10:33 上传
点击文件名下载附件
359.79 KB, 下载次数: 13
阅读权限100
在线时间 小时
=IF(COLUMN(A:A)&$G4,&&,INDEX(做题情况!$I:$I,SMALL(IF(做题情况!$B$4:$B$110=$B4,ROW(做题情况!$4:$110),4^8),COLUMN(A:A))))复制代码数组公式按三键右拖下拉
(279.61 KB, 下载次数: 10)
10:55 上传
点击文件名下载附件
阅读权限30
在线时间 小时
感谢二楼楼主的回复，问题已经解决！谢谢！
阅读权限30
在线时间 小时
但我还想优化一下这个表格，还有一个问题还没解决！
我想根据图一中C列到F列的数据“复习内容”所对应A列的数据“日期”，在图二的H列到R列中，根据单元格H3到单元格R3，统计各月份“复习内容标题”的次数情况，简单来说，就是根据图一表格A列中日期的数据，相对应的复习内容（C列到F列），在图二表格中统计各个月份，B列“复习内容标题”的次数，万分谢谢！
12:24 上传
点击文件名下载附件
420.92 KB, 下载次数: 6
阅读权限30
在线时间 小时
可否帮我解决一下这个问题，谢谢各位高手！
阅读权限30
在线时间 小时
& & & & & & & &
跪求高手帮忙解决4楼所提的问题！万分感谢！
玩命加载中，请稍候
玩命加载中，请稍候
Powered by
本论坛言论纯属发表者个人意见，任何违反国家相关法律的言论，本站将协助国家相关部门追究发言者责任！ & & 本站特聘法律顾问：徐怀玉律师 李志群律师2012年医疗垃圾分类处理试卷答案_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
2012年医疗垃圾分类处理试卷答案
上传于||暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢关注今日：15 | 主题：172959
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【其他】分类指标准确率(Precision)和正确率(Accuracy)的区别
页码直达：
这个帖子发布于2年零146天前，其中的信息可能已发生改变或有所发展。
分类是一种重要的数据挖掘算法。分类的目的是构造一个分类函数或分类模型（即分类器），通过分类器将数据对象映射到某一个给定的类别中。分类器的主要评价指标有准确率(Precision)、召回率(Recall)、Fb-score、ROC、AOC等。准确率(Precision) 和召回率(Recall)是信息检索领域两个最基本的指标。准确率也称为查准率，召回率也称为查全率。它们的定义如下：Precision=系统检索到的相关文件数量/系统检索到的文件总数量Recall=系统检索到的相关文件数量/系统所有相关文件数量Fb-score是准确率和召回率的调和平均：Fb=[(1+b2)*P*R]/（b2*P+R），比较常用的是F1。
在信息检索中，准确率和召回率是互相影响的，虽然两者都高是一种期望的理想情况，然而实际中常常是准确率高、召回率就低，或者召回率低、但准确率高。所以在实际中常常需要根据具体情况做出取舍，例如对一般搜索的情况是在保证召回率的情况下提升准确率，而如果是疾病监测、反垃圾邮件等，则是在保证准确率的条件下，提升召回率。但有时候，需要兼顾两者，那么就可以用F-score指标。ROC和AUC是评价分类器的指标。ROC是受试者工作特征曲线 receiver operating characteristic curve ) 的简写，又称为感受性曲线(sensitivity curve)。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。ROC是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线。AUC是ROC曲线下面积(Area Under roc Curve)的简称，顾名思义，AUC的值就是处于ROC curve下方的那部分面积的大小。通常，AUC的值介于0.5到1.0之间，AUC越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。为了解释ROC的概念，让我们考虑一个二分类问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被预测成正类，即为真正类（True positive）,如果实例是负类被预测成正类，称之为假正类（False positive）。相应地，如果实例是负类被预测成负类，称之为真负类（Truenegative）,正类被预测成负类则为假负类（falsenegative）。列联表或混淆矩阵如下表所示，1代表正类，0代表负类。
10预测1True Positive (TP)真正False Positive (FP)假正0False Negative (FN)假负True Negative TN真负
基于该列联表，定义敏感性指标为：sensitivity=TP/(TP+FN)。敏感性指标又称为真正类率(truepositive rate ,TPR)，刻画的是分类器所识别出的正实例占所有正实例的比例。
另外定义负正类率(false positive rate, FPR),计算公式为：FPR=FP/(FP+TN).负正类率计算的是分类器错认为正类的负实例占所有负实例的比例
定义特异性指标为:Specificity=TN/(FP+TN)=1-FPR。特异性指标又称为真负类率（True Negative Rate，TNR）。
我们看，实际上，敏感性指标就是召回率，特异性指标=1-FPR。
ROC曲线由两个变量绘制。横坐标是1-specificity，即负正类率(FPR)，纵坐标是 Sensitivity，即真正类率(TPR)。
在此基础上，还可以定义正确率(Accuracy)和错误率(Error)。 Accuracy=(TP+TN)/(TP+FP+TN+FN) , Error= (FP+FN)/(TP+FP+TN+FN)。如果把预测为1看作检索结果，则准确率Precision= TP/(TP+FP)。 本文引用地址：
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园医疗垃圾怎样分类处理？_百度知道医疗垃圾分类_中国百科网
专题字母分类：  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  
您现在的位置： >
> 专题内容:
医疗垃圾分类
关键词：医疗垃圾；分类；标识 医疗垃圾是指从医院、诊所、卫生防疫保健等医疗单位排出的医疗废弃物。虽然医疗垃圾仅占城市固体废物的3%，但它含有多种病原微生物、有害的化学物质、易造成锐器损伤等，对人民健康构成极大的威胁，我国《危险废物分类...
73.4％)，江门市医疗机构分类如表1所示。 表1江门市医疗机构概况 由表1可以看出，非赢利性医疗机构的床位数占了总床位数的94.9％，是主要的医疗垃圾产生机构，这类医院的医疗垃圾较易集中收集和管理。赢利性小门诊及个体诊所，医疗垃圾管理、收集和...
摘要：医疗垃圾具有很大的危害性，不正确的运输和处理过程，可能通过病原体感染或造成放射性物质等伤害。对德国医疗垃圾分类、处理方式进行了介绍，从而达到垃圾废物稳定化、安全化和减量化的目的。 关键词：医疗垃圾；处呈处理；德国 医疗垃圾属特殊废物...
医疗垃圾的危害性已引起世界各国的高度重视。目前境外许多国家和地区对医疗废物的减量化、分类收集、储存、运输和处理处置各个方面、各个环节都有严格、明确的规定。在技术研究方面，投入大量人力、物力、财力对医疗废物的处理处置进行深入研究，主要方法有...
建设步伐。完善分类投放配套设施、生活垃圾处理设施、厨余垃圾综合利用设施、建筑垃圾综合利用设施、大件垃圾（家具类）拆解整理设施、加快推进工业危险废物、飞灰综合处理、废弃剧毒品应急处理、医疗废物处理；加快推进再生资源分拣项目，大件垃圾（电器类...
Mail: Copyright by ；All rights reserved.}