Scrollout F1 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
Scrollout F1 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
Scrollout F1 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
Scrollout F1 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
Scrollout F1 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

Scrollout F1 是个易用的反垃圾邮件网关。

主要特性:

  • 支持 Linux 和 Windows 的邮件系统管理器

  • 内置多层安全级别

  • 支持 32 位和 64 位


最低要求 (for 5,000 messages/day):
1 GB of RAM
30 GB storage drive
1 Processor x86/AMD64
1 Ethernet x 1 IPv4 address
UDP ports: 53 123 4500 6277 24441
TCP ports: 25 80 443 2703

展开阅读全文

评论 (0)

加载中
更多评论
暂无内容
2020/08/01 07:00

【评价指标】详解F1-score与多分类F1

基本概念 首先,要背住的几个概念就是:accuracy,precision,recal, TP,FP,TN,FN TP:true positive。预测是正确的正样本 FP:false positive。预测是错误的正样本 TN:true negative。预测是正确的负样本 FP:false positive。预测是错误的负样本 通常我们会做出这样的一个混淆矩阵:左边的positive,negative表示样本真实值,表格上边的positive,negative表示样本的预测结果。 现在我们有这样的一个例子:图中的TP,FP等是一个比...

0
0
发表了博客
2018/10/18 21:54

分类问题的几个评价指标(Precision、Recall、F1-Score、Micro-F1、Macro-F1

轉自 https://blog.csdn.net/sinat_28576553/article/details/80258619 四个基本概念 TP、True Positive 真阳性:预测为正,实际也为正 FP、False Positive 假阳性:预测为正,实际为负 FN、False Negative 假阴性:预测与负、实际为正 TN、True Negative 真阴性:预测为负、实际也为负。 【一致判真假,预测判阴阳。】 以分类问题为例: 首先看真阳性:真阳性的定义是“预测为正,实际也是正”,这个最好理解,就是指预测正确,...

0
0
发表了博客
2018/04/27 21:08

(原创)sklearn中 F1-micro 与 F1-macro区别和计算原理

最近在使用sklearn做分类时候,用到metrics中的评价函数,其中有一个非常重要的评价函数是F1值,(关于这个值的原理自行google或者百度) 在sklearn中的计算F1的函数为 f1_score ,其中有一个参数average用来控制F1的计算方式,今天我们就说说当参数取micro和macro时候的区别 1、F1公式描述:   F1-score: 2*(P*R)/(P+R) 准确率(P): TP/ (TP+FP) 召回率(R): TP(TP + FN) 对于数据测试结果有下面4种情况: 真阳性(TP): 预...

0
0
发表了博客
2019/03/19 12:35

如何成为F1车手?

sorry,玩了几天的GT sport才发现赛车有多难,理论的最佳走线是存在的,但是真实的赛道实在是千变万化,弯道形状角度、高低差、F1还有温度和风速,甚至是路面上的一个碎石都会极大地影响你的成绩。赛车的不确定性太大,玩了这么几天发现,只有提高自己的技艺才能减少这种不确定性。极限是存在的,如何控制住所有的不确定性达到那个极限,这才是赛车运动最吸引人的地方。 哈哈,想赛车很现实,首先你必须有赛车执照。http://www....

0
0
2019/07/11 10:52

ABAP help document F1

Created by Wang, Jerry, last modified on Aug 15, 2012 click F1 in keyword: 本文同步分享在 博客“汪子熙”(CSDN)。 如有侵权,请联系 support@oschina.cn 删除。 本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

0
0
2018/07/03 16:17

Google Spanner和F1介绍

zz from: http://blog.sina.com.cn/s/blog_4a1f59bf01017xiv.html ZZ From http://qing.weibo.com/2294942122/88ca09aa3300221n.html Google Spanner原理- 全球级的分布式数据库 标签:大数据云计算 Google Spanner简介 Spanner 是Google的全球级的分布式数据库 (Globally-Distributed Database) 。Spanner的扩展性达到了令人咋舌的全球级,可以扩展到数百万的机器,数已百计的数据中心,上万亿的行。更给力的是,除了夸张的扩展...

0
0
2020/03/05 17:40

正确率,召回率,F1指标

正确率(Precision)检索出来的条目有多少时正确的。(即检索的目标条目/检索的所有条目) ,召回率(Recall)所有正确的条目中有多少被检索出来了。(即检索的目标条目/所有的目标条目) F1值 = 2_正确率_召回率/正确率+召回率。用于综合反映整体的指标。 这几个指标的取值都在0-1之间。数值越接近于1,效果越好。 某池塘1400条鲤鱼,300只虾子,300只鳖。现在以捕捞鲤鱼为目的。撒一大网,逮着700条鲤鱼,200只虾,100只鳖。 ...

0
0
发表了博客
2019/03/14 09:34

F1 P R的理解

F1 P R的理解 precision:查准率 recall:查全率,召回率 查准率,基于预测的结果,预测为正的样本中 由多少真正的正样本。即,真正为正的越多越好。 查全率,针对原来的正样本,有多少正样本被预测正确了。 $$ Precision = \frac{True \ positives}{predictied \ as \ positives} = \frac{TP}{TP+FP} $$ $$ Recall = \frac{True \ positives}{actual \ positives} = \frac{TP}{TP+FN} $$ 举个例子: 我们用一个模型去判断一段时间...

0
0
2019/08/05 11:19

ABAP help click F1

Created by Wang, Jerry, last modified on Dec 20, 2014 要获取更多Jerry的原创文章,请关注公众号"汪子熙": 本文同步分享在 博客“汪子熙”(CSDN)。 如有侵权,请联系 support@oschina.cn 删除。 本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

0
0
发表了博客
2015/11/15 11:12

with open() as f1, open() as f2

with open() as 简单的说with/as语句的设计是作为常见的try/finally用法的模式替代方案. 用于定义必须执行的终止或清理行为. 例如下面的用法可以确保文件打开之后一定自动关闭,无论是否发生异常 with open(r'c:\mis.data') as myfile:      do something 案例: with open('abc.txt', 'r') as f:  balabalabala 等价于 try:  f = open('abc.txt', 'r') except:  pass else:  balabalabala finally:  f.clo...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
5 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部