- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
OSPF详解-3 邻接、度量值
3）两台路由器使用Hello分组建立邻接关系后，它们通过LSA来同步LSDB，并确认已收到邻接路由器的LSA。至此，两台邻接路由器知道它们的LSDB已经同步。 3.LAN链路中的邻接 LAN中不属于DR或BDR的路由器（DROTHER）之间维护部分邻居关系，这被称为双向邻居状态。 3）LSA有序列号和寿命，以确保每台路由器都知道自己有最新的LSA版本。 4）LSA被定期刷新以确保拓扑信息的有效性，直到LSA从LSDB中被删除。 二、OSPF度量值的计算 1.简介 Edsger Dijkstra(SPF算法的创始者) 设计了一种用于计算复杂网络中最佳路径的数学算法，供链路状态路由器选择协议使用。 3.SPF算法计算方式 下图是一个SPF计算示例，计算步骤如下。 1）路由器H向路由器E发送通告，以表明自己的存在。路由器E将路由器H和自己的通告传递给邻居（路由器C和G）。
1.2K10发布于 2020-01-08 - 来自专栏翻译scikit-learn Cookbook
3 Building Models with Distance Metrics建立距离度量的模型
这章将包含如下主题： 1、Using KMeans to cluster data 使用kmeans(k均值)分类数据 2、Optimizing the number of centroids 最优化形心数 3、
47230发布于 2019-11-20 - 来自专栏蓝桥杯历年省赛真题集
风险度量
例如： 用户输入： 7 6 1 3 2 3 3 4 3 5 4 5 5 6 1 6 则程序应该输出： 2 初次看到这个题，一下想到邻接矩阵，然后通过深度搜索找寻答案
87140发布于 2019-01-21 - 来自专栏图灵技术域
机器学习相似性度量（距离度量）
度量相似性（similarity measure）即距离度量，在生活中我们说差别小则相似，对应到多维样本，每个样本可以对应于高维空间中的一个数据点，若它们的距离相近，我们便可以称它们相似。 距离度量的基本性质 ? 注意最后一个可以理解为三角形两边之和大于第三边。 欧式距离 欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。 若我们定义的距离计算方法是用来度量相似性，例如下面将要讨论的聚类问题，即距离越小，相似性越大，反之距离越大，相似性越小。 这时距离的度量方法并不一定需要满足前面所说的四个基本性质，这样的方法称为：非度量距离（non-metric distance）。
2K20发布于 2021-05-21 - 来自专栏旅途散记
McCabe度量法
例5 采用McCabe度量法计算下列程序图的环路复杂性为（ ） 问题1选项 A.2 B.3 C.4 D.5 解: McCabe度量法先画出程序图，然后采用公式V（G）=m-n+2计算环路复杂度 采用McCabe度量法计算该程序图的环路复杂性为（ ） 问题1选项 A.3 B.4 C.5 D.6 问题2选项 A.3 B.4 C.5 D.6 解: 环形复杂度定量度量程序的逻辑复杂度 （3）流图G的环形复杂度V(G)=P+1，其中，P是流图中判定结点的数目。 这种环路度量法，计算的思路是这样的：它是考虑控制的复杂程度，即条件选择的分支繁杂程度。 图中有3次简单的判断。 故3条简单路径，形成3块环形区域，区域复杂度为3 例8 软件的复杂性主要体现在程序的复杂性。（ ）是度量软件复杂性的一个主要参数。 问题1选项 A.代码行数 B.常量的数量 C.变量的数量 D.调用的库函数的数量 问题2选项 A.2 B.3 C.4 D.5 解: 代码行数度量法以程序的总代码行数作为程序复杂性的度量值
2K30编辑于 2023-09-28 - 来自专栏AllTests软件测试
QA度量维度
QA度量维度 目录 1、执行过程质量 1.1、APP 1.2、Web 2、发布后质量反馈 2.1、APP 2.2、Web 1、执行过程质量 1.1、APP 1、安装测试 （1）首次安装测试 （2）升级安装测试 - 安装存储的位置：内存、SD卡 （3）下载安装包 - 不同网络下下载安装包：3G/4G/5G/wifi 2、业务功能测试 3、集成测试 4、易用性测试 5、性能测试 （1）下载时间统计 ，在3G/4G/5G/WiFi网络上下载时间，与同类软件下载时间对比分析 （2）安装时间统计，主流手机 （3）使用性能测试工具监控在随机压力下使用手机CPU、内存、耗电量、流量（3G/4G/5G/wifi ）等情况 （4）启动时间，首次启动和非首次启动 1.2、Web 1、业务功能测试 2、集成测试 3、易用性测试 4、性能测试 （1）测试环境下页面响应时间 （2）生产环境下页面详细时间 （3）压力测试 .内存满，安装不了（删除其他应用，安装完成；不装了，不装原因统计分析） a2.广告引导安装，不安装 b.安装 （3）用户启动 （4）总用户数 （5）流失用户数 - 分析流失原因 a.易用性原因引起 -
69610编辑于 2022-10-30 - 来自专栏机器学习算法与Python学习
距离度量，浅谈！
? ? ?
62800发布于 2018-07-31 - 来自专栏PowerBI战友联盟
PowerBI DAX 度量值管理 - 驾驭度量值依赖关系，删除无效
上回写到：PowerBI DAX 度量值管理 - 基本编写到高级管理 很多小伙伴说跟着罗叔已经学习到了很多，一个报告写了几百个度量值了，现在想查找和删除没用的，怎么办呢。 度量值的依赖关系 度量值之间是有依赖关系的。 这样，对于 [Start:KPI.Sales]，我们就不敢轻易删除，因为一旦这个度量值被删除，依赖他的度量值就都完犊子了。 所以，大家对删除一个度量值有恐惧感，是可以理解的。 检测度量值依赖关系 我们可以借助 PowerBI 外挂 Tabular Editor 来检测度量值的依赖关系，如下： ? 如果我们想考察谁依赖了当前的度量值，则可以选择第二项： ? 既然有这么多内容依赖于这个度量值，因此，是不能删除这个度量值的。 再例如： ? 对于这个度量值，没有任何人依赖它，就可以放心的删除了。
1.6K30发布于 2020-07-24 - 来自专栏jiajia_deng
算法效率的度量
时间复杂度的小练习（参考算法的效率规则判断） O(5) = O(1) O(2n + 1) = O(n) O(n2 + n + 1) = O(n2) O(3n3 + 1) = O(n3) 总结：只关注最高次项
41810编辑于 2023-10-20 - 来自专栏用户画像
西瓜书-性能度量
这就是性能度量，例如：均方差，错误率等，即“测试误差”的一个评价标准。 有了评估方法和性能度量，就可以计算出学习器的“测试误差”，但由于“测试误差”受到很多因素的影响，例如：算法随机性或测试集本身的选择，那如何对两个或多个学习器的性能度量结果做比较呢？这就是比较检验。 2.5 性能度量 性能度量（performance measure）是衡量模型泛化能力的评价标准，在对比不同模型的能力时，使用不同的性能度量往往会导致不同的评判结果。 本节除2.5.1外，其它主要介绍分类模型的性能度量。 正如天下没有免费的午餐，查准率和查全率是一对矛盾的度量。
92210发布于 2019-11-04 - 来自专栏JNing的专栏
机器学习: 性能度量
介绍 在机器学习中，性能度量主要体现在三个指标： 查准率（P）、查全率（R）、F1 。 查全率 R = {:>.3f}, F1 = {:>.3f}'.format(P, R, F1).encode('gb18030') ... ... }， 预测值为 {:>.3f}， 损失比例为 {:>.3f}'.format(truth, predict, loss).encode('gb18030') P, R, F1 = performance (white_pixels, red_pixels, green_pixels, black_pixels) print '查准率 P = {:>.3f}, 查全率 R = {:>.3f}, F1 }， 预测值为 {:>.3f}， 损失比例为 {:>.3f}'.format(truth, predict, loss).encode('gb18030') P, R, F1 = performance
79720发布于 2018-09-28 - 来自专栏软件测试架构师俱乐部
质量内建，如何度量？
可见，要想有效管理某个事务，就需要将它全面且有效地度量起来。 质量度量体系如何建设？ 大家都知道作为测试人员，主要任务是质量保障，保障线上环境没有故障和缺陷，最终交付给真实用户的质量，即交付质量。 那么，质量度量是不是只关注交付质量指标就足够了呢？答案显然是否定的。因为如果只关注交付质量，往往达不到提升交付质量的目的。 二、交付过程中的质量度量 1、需求阶段，可以通过以下维度进行度量 一般来说，需求质量 Bug 数应该占总 Bug 数的 5% 左右。需求评审打回的标准可以是发现 5 个逻辑类的问题。 3、在测试阶段，可以通过以下维度进行度量 4、在发布阶段，可以通过以下维度进行度量 通常情况下，构建失败率和发布回滚率应该控制在 1% 以内，所以每一次发布失败和发布回滚都值得深入分析。 三、质量度量的认知 追求单一或局部指标的提升比较容易，但很容易产生扭曲行为，构建指标体系并整体提升才是正确的路。
1.1K20编辑于 2022-09-20 - 来自专栏ThoughtWorks
如何度量软件架构
为什么要度量软件架构 不管是架构治理，还是团队管理，通过有效的度量都能找到问题并加以改进，指标也能反映改进后的效果。 “ 如果你无法度量它，你就无法管理它。 —— 彼得·德鲁克 ” 软件系统的维护者就是医生，指标度量的重要性不言而喻，一方面可以通过度量找到系统架构的问题，另一方面也可以通过度量，来指导改进并观察改进效果。 通过哪些指标度量软件架构 然而，值得强调的是，给出一套度量标准用来衡量所有的软件架构是不切实际的。 除了可度量的指标，实际软件架构治理的过程中，也会有很多不可度量且非常重要的指标。就像行军打仗，能打硬仗的队伍不一定所有的指标都好看，但不妨碍它的战绩。
75030编辑于 2023-08-08 - 来自专栏拓端tecdat
数据度量消费贷款
度量消费贷款的特征 我们分析了不同城市的产品平均申请人数，可以看到，消费金融在上海、北京、深圳、杭州等城市等更加火爆，而在其他城市则相对冷清。 图表3 从中我们可以看到 ，年龄限制的贷款产品由于整体贷款条件相对宽松，申请人数最多。同时可以看到，在其他条件不变情况下，需要身份证明和有车贷款条件的申请人数较多，需要婚姻证明的申请人数较少。
68030发布于 2020-08-05 - 来自专栏用户6296428的专栏
质量度量记实
质量度量是指我们采集了一些产品研发过程及上线后质量相关的数据，经过聚合计算，通过图表、质量分等方式呈现出来这件事。 在业界也有一些关于这方面的分享，比如“质量运营”，“数字化软件过程”，“质量罗盘”等，今天我们就来分享一下做质量度量的过程与思考。 一、背景与目标 为什么做这件事？ 之前关于质量相关的数据都是散落在各个系统，查看起来不方便，并且无法以我们关心的维度、指标去看这些数据，为管理与质量运营做支撑；因此想通过做质量度量，达到让关心质量的小伙伴查看部门、应用等维度产品的质量做的怎么样 横向与别人比：看数据top，平均水平等，举例：8月份，初级 bug 率top3的部门。 纵向与自己比：看数据趋势，举例：最近半年，A部门的月初级 bug 率趋势。 四、总结 质量度量在测试与效能团队共同努力下，经过前后三个迭代的不断完善，功能在9月份全部上线完成。总结经验教训，在产品设计上我们需要明确用户是谁？面临什么问题？具体场景是什么？
96930发布于 2020-08-25 - 来自专栏CKL的思考空间
度量平台落地实践
恰巧笔者在去年也负责了公司度量平台的研发，有一些收获，通过本文分享给大家，也算是自己对这个平台总结。为后续在新团队开展度量活动理清思路。 没有可靠的度量数据，只能凭借自己的感觉或者经验，无法弄成统一的大局观，看似解决了某一个痛点，但并未对团队的整体交付带来更高的价值 NO.3 度量指标的选择 明确了目标后，我们就可以有选择性的选择度量指标 放一些效果图给大家参考下： NO.5 测试活动只是开始，不是结束 度量平台搭建完成后，并不意味着度量活动的终结，恰恰相反，有了度量平台，反而是我们做持续改进的开始，度量的最终结果不是一个可视化的图表 同时，度量是动态变化的，在持持续改进的进程中，我们需要逐步提高标准。 同时，不要把度量反馈的数值直接和个人的KPI关联，这样会很容易把度量引导到不正确的方向。 细心的读者可能会发现，在第3小节中，我们选取的指标基本上都是基于团队导向的，很少会有个人的数据度量（业内常见的代码行数、个人缺陷数、千行BUG率之类），因为这类数据虽然很好统计，但缺乏指导性，团队成员容易提交大量重复
88720编辑于 2023-02-01 - 来自专栏软件测试经验与教训
软件质量度量
第二个原因是高层掌握的项目质量相关数据可能没有我们全面，如果我们提供了一些简单的、抽象的数据给高层，可能会导致他们做出错误的决策，也就是说通过度量信息有时候并不能完整的说明一个项目的整体情况。 在整理度量数据的时候，先把目的弄清楚，也要知道自己在统计什么数据，谁将看到这些数据，要了解度量的条件背景。。。我做度量的目的重要有两个：这个数据是否有助于提高质量，或者是否有助于提升开发的效率。 质量度量这个事可以多去尝试，多利用度量帮助项目干系人了解项目进展，以及各个方面的质量状况。
2.5K70发布于 2018-05-15 - 来自专栏博文视点Broadview
研发效能度量不要“你觉得”，而要这样的度量指标体系！
E3CI框架可以被抽象为简洁的公式：效能=认知+改进。 为了达到研发效能的目标，需要对团队研发效能的现状有清楚的认识，并提升团队对研发效能的认知。 ▊ 指标设计思路与建议 重点讨论3个关键维度：交付价值、交付质量与交付速率，效能指标体系架构图如下。 3 效能分析 ▊ 效能分析模型 效能分析模型是如何对效能问题进行分析的一系列方法论的表达，如下。 定性分析——利用效能判定表，判定度量周期内效能是否有提升。 ✸ 效能诊断分析 有效的研发效能提升可以被拆分为3个目标： 在不降低交付质量的前提下，增加单位研发成本的交付价值。在仅考虑人力成本的情况下，简单可以理解为“需求吞吐量/人力”。 （3）按任务类型下钻（针对价值类与质量类指标）。 ✸ 相关性分析 研发效能受到很多因素的影响，各个因素之间往往并不是因果关系。
5K20编辑于 2023-04-04 - 来自专栏Brian
机器学习性能度量
机器学习度量 error rate(错误率):把分类错误的样本数占样本总数的比例。E=a/m accuracy(精确度):分类正确的样本数占样本总数的比例。
745110发布于 2018-04-03 - 来自专栏xiaosen
机器学习距离度量方法
机器学习中为什么要度量距离？ 所以度量距离是很多算法中的关键步骤。 KNN算法中要求数据的所有特征都用数值表示。若在数据特征中存在非数值类型，必须采用手段将其进行量化为数值。 每个特征都用数值表示，样本之间就可以计算出彼此的距离来 接下来介绍几种距离度量方法 2. 欧式距离 3. 曼哈顿距离 4. 闵式距离 闵氏距离不是一种距离，而是一组距离的定义，是对多个距离度量公式的概括性的表述。 小结 欧式距离、曼哈顿距离、切比雪夫距离是最常用的距离 闵式距离是一组距离的度量，当 p = 1 时代表曼哈顿距离，当 p = 2 时代表欧式距离，当 p = ∞ 时代表切比雪夫距离
33910编辑于 2024-03-15
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