內容
漢克醫師意外發現空腹血糖值似乎與某個新型病毒的發病率有關,他開始蒐集就診病人的資料,包括空腹血糖值以及檢驗結果(陽性或陰性) ,如下列表格所示。
漢克醫師認為能依據血糖值,預測病毒的檢測結果。這個分類規則很簡單:決定一個門檻值,依照血糖值與門檻值的大小關係將病人分為兩類。例如若血糖值大於門檻值,則判定為陽性,反之則判定為陰性。或是反過來,若血糖值大於門檻值,則判定為陰性,反之則判定為陽性。
以上面的表格為例,最佳的門檻值落於 85 至 95 之間,因為檢驗結果為陰性的血糖值全部都低於或等於 85,而檢驗結果為陽性的血糖值幾乎都高於或等於 95,只有一個例外(病人編號 3);因此,分類的準確率為 85.7%(6/7),是考慮所有門檻值中能達到最好的分類結果。給定上述表格資料,請你撰寫一個程式,找出最佳的門檻值,輸出分類正確的樣本個數。
輸入說明
每筆測試資料的第一行有一個正整數 N (1 ≤ N ≤ 105),代表樣本的個數。接下來有 N 行,每行有兩個數值,依序代表血糖值 x (60.00 ≤ x ≤300.00)和檢驗結果 y (陽性為 1,陰性為 0)。每筆測試資料中沒有重複的血糖值,同一行的兩個數值間以空白隔開。
輸出說明
每筆測試資料的輸出爲一整數,代表分類正確的樣本個數。
範例輸入
#1
7 125.00 1 100.00 1 70.00 1 95.00 1 60.00 0 85.00 0 75.00 0
範例輸出
#1
6
範例輸入
#2
4 80.5 1 90.5 0 100.5 0 110.5 0
範例輸出
#2
4
測資資訊：
記憶體限制：
64
MB
公開 測資點#0 (20%): 1.0s , <1K
公開 測資點#1 (20%): 1.0s , <1K
公開 測資點#2 (20%): 1.0s , <1K
公開 測資點#3 (20%): 1.0s , <1K
公開 測資點#4 (20%): 1.0s , <1K
公開 測資點#0 (20%): 1.0s , <1K
公開 測資點#1 (20%): 1.0s , <1K
公開 測資點#2 (20%): 1.0s , <1K
公開 測資點#3 (20%): 1.0s , <1K
公開 測資點#4 (20%): 1.0s , <1K
提示 ：
標籤:
出處:
2022 資訊學科能力競賽 新北區複賽
[管理者：
franklin(管理員)
]
| 編號 | 身分 | 題目 | 主題 | 人氣 | 發表日期 |
沒有發現任何「解題報告」 |
|||||