- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术篇
IP地址定位的精准度都要看哪些指标？
IP地址定位的精准度都要看哪些指标？一般分为两个方面，第一个公共指标分为2种：汇聚率（统计产品的定位率）和误差距离（统计产品的准确度）。测试方法一般会有2种情况，位置已知和位置未知。 在位置已知的情况下，提供定位结果与实际位置之间的距离（即误差距离）；在位置未知的情况下，提供的定位结果之间的距离。 为了充分地了解IP地理位置定位产品的特性，引入4项自定义指标，分别是精度、覆盖半径、准确度和一致性。下面进行详细的阐述。 公共指标 对IP地理位置定位产品而言，2个公共指标：汇聚率和误差距离，其说明如表1。 图片 自定义指标 图片
80620编辑于 2022-10-17 机器人定位误差衡量新指标：重叠位移误差
一种更有用的衡量机器人定位误差的方法测量从不同相机视角得出的位置估计之间的位移，有助于强化对导航至关重要的局部一致性。 定位需要精确到什么程度才能确保轨迹规划可行？在今年的智能机器人与系统国际会议（IROS）上，我们发表了一篇论文，认为现有的衡量SLAM误差的指标并不适合导航问题。 着眼局部，影响全局下面的例子说明了为什么传统的SLAM指标对于导航目的来说并不理想。 右图显示了不同定位误差指标的曲线图。注意，ODE 关注地图一致性，在轨迹估计的不连续处（第100步）和轨迹自身不完全相交的区域（第40步和第220步）有明显的峰值。 而使用其他指标时，局部不一致性则更难推断。此处为配图：展示不同误差指标的对比，ODE清晰反映了局部不一致性ODE 衡量了定位的地图一致性，这是传统指标所不能提供的。
8310编辑于 2026-03-24- 来自专栏Python 学习
前端-part7-jQurey选择定位
移除指定样式类 hasClass(); // 判断是否具有样式类 toggleClass(); // 切换样式类，有的话就移除，没有的话就添加 6.一般的属性选择，跟 selenium 里面的 css 定位是一样的 ='text']") 7.筛选器 $("#id").next(); // 下一个 $("#id").nextAll(); // 从一下个开始往下到所有 $("#id").nextUntil(); //
70540发布于 2019-08-23 - 来自专栏Banber可视化云平台
如何用指标分析维度精准定位可视化图表？
如何确立指标分析维度？ 下图展示了数据分析常用的4个维度，我们在选定指标后，就需要确认：我们的各个指标主要想给大家展示什么，更进一步的讲，是我们想通过可视化表达什么样的规律和信息。 联系：数据之间的相关性 分布：指标里的数据主要集中在什么范围、表现出怎样的规律 比较：数据之间存在何种差异、差异主要体现在哪些方面 构成：指标里的数据都由哪几部分组成、每部分占比如何 接下来将依次介绍常用可视化图表类型 ，分析其适用场景和局限，确立指标分析维度，从而帮助大家精准定位自己所需的可视化图表。 箱线图就能很清晰的表示出上面的几个指标以及变化。 图表效果简单、直观，给人感觉就是有操控感展现某个指标的完成情况。 ?
4.6K30发布于 2021-03-15 - 来自专栏小火龙说数据
「经验」指标异动排查中，3种快速定位异常维度的方法
解决痛点：指标异动归因，各维度均有变化，如何快速定位最有可能出现问题的维度？ 00 序言 上一期，小火龙和大家分享了一种相对通用的「指标异动排查思路」，不知是否对你有所帮助。 本期会接着上期的内容，在排查问题的过程中，解决遗留的第一个问题「如何快速定位异常维度」。 有的小伙伴可能会有疑问： 什么是定位异常维度？ 定位异常维度与指标异动排查有什么关系？ 由此可见，指标变化分歧较大的维度，更有可能是异动问题的本质。 下面会和大家分享三种之前应用过的方式，快速定位分歧维度。各方式均有一定适用场景，大家可以参考比较，并在实际工作中给予应用。 D2 = (C2-B2)^2 / B2 D8 = SUM(D2:D7) ▲城市维度中维度值卡方值计算 步骤四：计算自由度 df = (6-1) × (2-1) = 5，根据自由度及显著性水平0.05查询对应临界值 4、方法劣势 劣势1：卡方检验的频数只能以整数形式出现，相对指标不可用。 劣势2：由于维度变化存在波浪效应，不同维度下的指标，很难源于同一分布。 劣势3：不适合进行分布差异的量化。
1.7K31编辑于 2022-06-30 - 来自专栏TestOps云层
测试人员7个悲剧且无用的kpi指标...
测试指标应该始终是有意义的、可执行的。问题是有些测试指标无法达到这一目标。许多指标都是误导，有些只是稍微还有点价值，而有些则毫无意义。 7个无用测试指标还统计？把这篇文章给老板看看！尤其是第二点！ 下面这些无用的测试指标的例子可以帮助你更好地判断，你现在所用的测试指标是否能够对软件质量彻底洞察。 3.通过率百分比 使用通过率作为度量指标这个主意不好，因为在软件开发团队中，很容易操纵这种指标——这是不鼓励的行为。 例如，测试团队可能会专注于执行更容易通过的测试，从而提高通过率。 换句话说，这个指标变化无常，易于操纵。 4.单元测试代码覆盖率 代码覆盖率是另一个常用的度量指标，但是这一指标常常被错误使用。 代码覆盖率是指单元测试覆盖的代码行百分比。 7.缺陷密度 缺陷密度是指软件中检测到的、得到确认的缺陷数量。通常认为较低的缺陷密度等同于较低的软件质量，但这并不是真的。
1.2K20编辑于 2022-04-04 - 来自专栏数据分析之旅
数据指标体系搭建的7个思考点
为了对现状进行监测和预警，我们常常会建立起一套数据指标体系，同时搭建和完善体系也应该是数据分析师的一项基本功，结合实际工作中经验，总结了这个搭建过程的7个思考点： 1. 目标 目标，不仅要求我们梳理好业务流程（例如常见的转化率漏斗、AARRR模块），也要求我们明确好目标受众对象，建立面向管理层的核心指标，面向业务部门的二级指标，面向个人KPI的三级指标，尽可能与 数据指标 数据指标，将业务问题量化为数字的变量。常见的有：数量、占比、比率等，一个好的指标通常是一个比率，因为这个比率通常可以连接分子、分母，而不是割裂来看 4. 数据字典 数据字典也是数据指标体系的一部分，可包括内容：指标名称、类型、统计周期、业务逻辑、数据源、数据逻辑等内容 7. 反馈闭环 数据指标体系的搭建不是一蹴而就的，需要结合业务部门的实际需求不断完善。
1.1K31发布于 2020-08-13 - 来自专栏云计算教程系列
如何在CentOS 7上使用InfluxDB分析系统指标
在本指南中，我们将介绍： 如何在CentOS 7上安装和配置InfluxDB。 如何将系统监视数据从collectd系统统计守护进程提供给InfluxDB。 先决条件 在开始之前，您需要以下内容： 一个64位CentOS 7 腾讯CVM。服务器所需的CPU，RAM和存储量取决于您要收集的数据量，但通常只需2GB RAM和2个CPU即可。 x86_64/e/epel-release-7-5.noarch.rpm 然后安装collectd。 这是一个例子： 第7步 - 安装和启动Grafana 我们可以使用InfluxDB的Web界面来探索数据并从时间序列数据中可视化系统趋势。 参考文献：《How To Analyze System Metrics with InfluxDB on CentOS 7》
4.6K10发布于 2018-09-19 - 来自专栏云计算教程系列
如何在CentOS 7上使用InfluxDB分析系统指标
在本指南中，我们将介绍： 如何在CentOS 7上安装和配置InfluxDB。 如何将系统监视数据从collectd系统统计守护进程提供给InfluxDB。 先决条件 在开始之前，您需要以下内容： 一个64位CentOS 7 腾讯CVM。服务器所需的CPU，RAM和存储量取决于您要收集的数据量，但通常只需2GB RAM和2个CPU即可。 x86_64/e/epel-release-7-5.noarch.rpm 然后安装collectd。 这是一个例子： [InfluxDB示例内存使用结果集] 第7步 - 安装和启动Grafana 我们可以使用InfluxDB的Web界面来探索数据并从时间序列数据中可视化系统趋势。 参考文献：《How To Analyze System Metrics with InfluxDB on CentOS 7》
4.2K30发布于 2018-09-20 - 来自专栏云计算教程系列
如何使用CentOS 7上的TICK堆栈监控系统指标
准备 在开始之前，您需要以下内容： 一个CentOS 7服务器，包括可以使用sudo权限的非root用户和防火墙。 如果您希望按照步骤7中的说明保护Chronograf用户界面，则需要一个GitHub帐户，该帐户是GitHub组织的一部分。 第3步 - 安装和配置Telegraf Telegraf是一个开源代理，可以在其运行的系统或其他服务上收集指标和数据。然后，Telegraf将数据写入InfluxDB或其他输出。 第7步 - 使用OAuth保护Chronograf 默认情况下，任何知道运行Chronograf应用程序的服务器地址的人都可以查看数据。它适用于测试环境，但不适用于生产。 ---- 参考文献：《How To Monitor System Metrics with the TICK Stack on CentOS 7》
3.1K50发布于 2018-08-01 - 来自专栏安恒信息
iOS 7新漏洞：无需密码可禁用定位功能
如果用户的iOS设备丢失，那么可以通过Find My iPhone功能来定位设备，并采取安全措施保护设备信息安全。iOS 7中有一项新的Activation Lock特性。 在iOS 7中要关闭Find My iPhone或擦除设备信息需要Apple ID和密码。 但是近日iOS 7被曝存在严重的安全漏洞，用户可在完全不知道Apple ID以及iCloud账户密码情况下，轻松关闭“查找我的iPhone”选项。 这意味着丢失的iPhone无法通过iCloud.com进行定位。
1K100发布于 2018-04-10 - 来自专栏亦枫的大佬之路
前端性能优化(21种优化+7种定位方式)
2.定位： 2.1 技术上的选择 在前端日常开发中，技术上的选择是非常重要的。为什么要讲这个呢？因为现象频发。 前端工程化严重的当下，轻量化的框架慢慢被遗忘掉了。 这些指标就是我们需要重点关注的，当然performance的功能并不止于此。 先记住如何获取到这些指标，后面来一一进行解析优化。 PerformanceNavigationTiming 提供了用于存储和检索有关浏览器文档事件的指标的方法和属性。 例如，此接口可用于确定加载或卸载文档需要多少时间。 我们可以利用抓包工具进行对页面信息对抓取，上述我们通过chrome工具排查出来的指标，也可以通过抓包工具进行抓取。 这里我推荐一款抓包工具charles。 如上面Performance解析出的Javascript执行指标上，可以推测出来你的code执行效率如何，如果执行时间过长就要考虑一下是否要优化一下复杂度了。
13.2K76发布于 2020-10-28 - 来自专栏专知
【干货】7种最常用的机器学习算法衡量指标
当然，在进行实验的时候，一种或两种衡量指标并不能说明一个模型的好坏，因此我们需要了解常用的几种机器学习算法衡量指标。 本文整理介绍了7种最常用的机器学习算法衡量指标：分类精度、对数损失、混淆矩阵、曲线下面积、F1分数、平均绝对误差、均方误差。相信阅读之后你能对这些指标有系统的理解。 ? 你的模型可能在用一个指标来评论时能得到令人满意的结果，但用其他指标(如对数损失或其他指标)进行评估时，可能会给出较差的结果。 曲线下面积（Area Under Curve, AUC） ---- 曲线下面积（AUC）是评估中使用最广泛的指标之一。 它用于二分类问题。 7. 均方误差 ---- 均方误差（MSE）与平均绝对误差非常相似，唯一的区别是MSE取原始值与预测值之差的平方的平均值。
4.1K60发布于 2018-04-16 - 来自专栏韩曙亮的移动开发专栏
【CSS】定位 ② ( 静态定位 | 相对定位 )
一、静态定位 ---- CSS 中的 静态定位 是 默认的定位方式 , 就是无定位 , 设置该定位方式 , 定位盒子不生效 ; 为盒子模型 设置 静态定位 模式 , 该 盒子模型 就会按照标准流的方式 摆放布局 , 没有任何 边偏移 的效果 ; 在 使用 定位 时 , 几乎不适用 静态定位 ; 二、相对定位 ---- 相对定位 是 盒子模型 相对于 其在 标准流中的位置 设置的 ; 如 : 盒子模型 在标准流 中 , 原来的位置是 (0 , 0) , 设置了相对定位 , 就是 相对于原来的位置 (0, 0) 进行 边偏移 后的位置 ; 下面的示例中 , 盒子模型的初始位置是 在浏览器的 左上角 ( DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>相对定位</title> <style> div { = 定位模式 + 边偏移 */ /* 定位模式 : 相对定位; */ position: relative; /* 顶部偏移量 100 像素 */ top: 100px;
2.1K20编辑于 2023-04-16 - 来自专栏数据分析师小熊
数据分析师7大技能：梳理指标体系
其中最重要的，可能就是梳理指标体系了。在招聘的时候，这是数据分析师的一项硬技能要求。 那么该如何梳理呢？今天简单分享一下。 一、什么是指标体系 用一系列指标来描述业务，即为指标体系。 业务很复杂，用一两个指标很难说清楚的时候，就需要指标体系来描述。比如一个拉新活动：注册APP后领5元券购物，整个业务流程很长，因此需要很多指标才能描述（如下图）。 二、为什么要梳理指标体系 常见的有2种情况： 新上线的业务，要新设监控指标 老业务，有一堆零散的指标，没有条理 这时候，就需要数据分析师主动进行梳理，搞清楚： 到底哪个指标才是关键 到底指标之间是啥逻辑关系 因此设计指标体系就相对简单。 这样才能保证指标体系的可用性。 五、梳理指标体系要点 从上边两个例子对比可以看出，梳理指标体系要点在于：理解用户/业务流程。实际上，上边还是简单流程，因为它们都是相对独立的流程，和其他流程相关性小。
1.1K00编辑于 2022-03-09 7个关键指标评估YashanDB数据库性能表现
常见数据库性能指标涵盖响应时间、吞吐率、资源利用率等维度，但针对YashanDB的体系架构及其特征，有必要结合数据库的内部运行机制和部署形态设计出一套合理的性能评估指标。 本文将深入解析7个关键性能指标，帮助开发人员和数据库管理员科学判断和优化YashanDB系统的性能表现。1. 7. SQL执行计划稳定性SQL执行计划稳定性指优化器输出计划的变化幅度与预测准确度，间接影响数据库的整体性能表现。 结论本文围绕YashanDB数据库的技术架构和核心组件，详细解析了7个关键性能指标：吞吐率、查询响应时间、I/O延迟及吞吐量、事务延迟、缓存命中率、网络延迟与吞吐量及SQL执行计划稳定性。 通过深入理解这些指标背后的技术原理和关联子系统，结合数据库配置参数和部署架构，用户能够精准定位性能瓶颈并实施针对性优化。
20710编辑于 2025-11-15- 来自专栏Elastic Stack专栏
RAG评估指标：指标之旅
由于这些缺点，NLP 社区探索了更高级的外在指标来解决这些问题。基于模型的指标内在指标和 N-gram 指标的一个显著缺陷在于它们没有利用语义理解来评估生成内容的准确性。 我们对 Mistral-7b-Instruct 和 Falcon-7b-Instruct 进行了基准测试，以评估它们在流畅性、一致性、连贯性和相关性方面的可区分性。 接下来，我们使用 UniEval 评估一个模型（在这种情况下是 Mistral-7B-Instruct-v0.1，但它可以是任何模型）。然后，我们手动检查和标注显示幻觉的生成文本。 在这个实验中，我们想比较 Falcon-7b-Instruct 中不同的信息解码方法。 图7 - 使用 UniEval 进行的解码策略基准测试根据先前的研究，最有效的方法是对比解码。需要注意的是，尽管贪婪解码被认为是一种受限策略，但在这种情况下表现得相当不错。
1.2K22编辑于 2024-12-11 - 来自专栏艾编程
CSS绝对定位7大应用场景实战案例分享
今天我们来分享web前端CSS定位中的position：absolute绝对定位的应用场景案例的相关场景！ 绝对定位是CSS中非常中啊哟的知识点，接下来我我们会通过7个不同的层面结合7个不同的案例来展开讲解！ 绝对定位元素的特性 使元素完全脱离文档流,将释放自己的位置 元素的层级提升，会覆盖在其它元素上 离自己最近的定位父元素进行位置调整，如果没有定位的父元素，则相对body进行位置调整 元素支持宽高设置 margin （案例6） 改变元素的层级关系（案例7） 1、top、bottom以及left、right 优先级 如果元素添加宽高，同时设置top与bottom属性，会以top值为主。 margin-left:-10px; top:-20px; } </style> <body>
</body> 7、1.5K20编辑于 2022-12-09 - 来自专栏公众号PowerBI大师
好指标与坏指标
下层基础决定上层建筑，写出一个好的度量值的前提是有好的指标设计。什么样的指标才是好指标呢？ 这是一个很重要的问题，你设计的指标是评价一段时间的发生值，还是某一时点值? ? 前天出版社的编辑老师告诉我新书的第一批库存快卖光了，要开始加印。让我在关注销售册数的同时又加入了一个库存量指标。 显然销售册数是时间段指标，库存量是时间点指标。 ? 对于时间段指标通过日期表可以得到年、季度、月、周的对应值，并且利用时间智能函数可以轻松求得环比、同比等等，这并不难。 基本的思路就是把指标拆解成流入和流出，再分别求累计至今的发生值。 ? 以上是目标管理的SMART原则，也可以作为判断指标好坏的参考。简而言之，能够解决问题的就是好指标。
1.8K30发布于 2019-08-07 - 来自专栏后台全栈之路
腾讯 tRPC-Go 教学——（7）服务配置和指标上报
这篇文章我们就来讲一讲 tRPC 的配置功能，以及自定义指标监控功能吧。 tRPC-Go 教学——（4）tRPC 组件生态和使用 腾讯 tRPC-Go 教学——（5）filter、context 和日志组件 腾讯 tRPC-Go 教学——（6）服务发现 腾讯 tRPC-Go 教学——（7） 如果你只是简单地作为配置来看待的话，那更简单，直接用我提供的 plugins.Bind() 函数，工具还自动将解析好的数据 new 到指定位置中。 指标监控 指标监控嘛，这个是笔者的弱项，因此只能简单提一嘴了。在腾讯内网中，我们团队几位开发者一致同意：针对 trpc 生态的最好的监控系统，是内部一个名叫 “伽利略” 的可观测系统、监控和治理中心。 原文标题：《腾讯 tRPC-Go 教学——（7）服务配置和指标上报》 发布日期：2024-05-19 原文链接：https://cloud.tencent.com/developer/article/2418601
2.2K52编辑于 2025-04-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号