- 综合排序
- 最热优先
- 最新优先
- 来自专栏阿黎逸阳的代码
模型稳定性指标—PSI
模型效果主要从两个方面衡量： 1.模型本身的效果，主要评价指标包括区分度、准确度等。 2.模型稳定性，主要评价指标包括PSI和CSI等。 之前阐述了模型本身的评价指标：混淆矩阵、F1值、KS曲线、count_table和ROC曲线AUC面积，本文介绍模型稳定性指标PSI。 模型PSI关注训练集和验证集，以及模型上线部署后，模型的分布是否稳定。 为什么要关注模型的稳定性？ 而且，在模型训练过程中，虽然有测试集衡量模型的稳定性，但仍不能排除模型存在过拟合的情况。 这些原因都可能导致模型在面对近期样本时，没有那么稳定。所以我们要关注模型的稳定性。 2 PSI计算公式 不管是变量PSI还是模型PSI，其底层逻辑是一样的。
4.7K11编辑于 2023-08-21 - 来自专栏老张的求知思考世界
全链路压测(11)：聊聊稳定性预案
前言 全链路压测出现的初衷是阿里为了解决双十一线上系统在峰值流量冲击下的稳定性和可用性问题，在后续落地及不断的演进过程中，出现了很多技术领域的最佳实践。 放在全链路压测领域，其实稳定性预案并非全链路压测体系中的一部分，而是可以看做一个独立的细小领域，但又和全链路压测有重要的联动关系。 线上服务负载过高的监控告警通知方案； 用户无感知的灰度发布、无损发布等方案； 限流、降级、熔断等服务治理领域的技术方案； 线上服务防止黑客攻击的各种高防和安全应对方案； 大促活动预案 一般大促活动都是指类似618、双11 而系统的稳定性，无论从用户体验还是业务目标达成的角度来看，都是不可忽视的一环。 因此预案的作用就呼之欲出：从技术的角度出发，为业务目标的达成提供多维度的稳定性保障。 如何制定预案？ 上面列举了很多常见的稳定性预案，在我看来制定预案是一个经验+评估的问题。
71720编辑于 2022-05-17 - 来自专栏老张的求知思考世界
双11在即，分享一些稳定性保障技术干货
每年一次的双十一大促临近，因此上周末公司组织了一次技术交流闭门会，邀请了电商、物流、文娱内容、生活服务等知名一线互联网公司的技术大牛，一起探讨了一些大促稳定性保障相关的技术话题。 大促典型场景及优化方案 1、云资源稳定性保障 单云模式存在一定稳定性风险，混合云架构在容灾方面效果更好； 核心链路梳理，可以将历史大促或者峰值的访问URL存储起来，经过处理后作为核心链路参考； 验证线上的性能容量搭建单独的仿真环境 等工具探测链路在哪个方法/代码块耗时大，不断压测优化验证； 2）业务优化(深库存场景) 为了应对秒杀场景高并发，可以通过缓存+数据库方式来解决； 90%库存放缓存应对高并发； 10%库存放数据库应对超卖； 3、数据库稳定性保障的 SOP 数据库的可用性底线：99.99%； 故障需要有严格的定义规则； 数据库稳定性三板斧： 1）扩容：DB是有状态服务，计算层便于扩容，将DB节点放到容器中，有需要扩容； 2）灾备：对于大流量读场景可通过流量切换方式 身份识别和业务隔离： 1）RPC group分组：假设有100个节点，40个给核心业务(交易)，60个给其他业务； 2）业务身份：中台架构可通过业务身份把订单秒杀等应用打上标记，便于隔离区分； 业务稳定性保障
3.3K20发布于 2021-11-16 - 来自专栏Python数据科学
风控模型：PSI 稳定性指标详解(Python)
这是对风控宏观层面的理解，将视角缩小至风控模型上，也是如此。风控模型人员在做模型时可能更关注效果AUC/KS等评估指标，效果胜过一切。但其实对于模型而言，稳定性的重要程度要胜过效果。 如果模型不稳定，即便离线效果比较好但线上稳定性差，那么对于整个风控决策结果而言就是致命的，因为此时你无法保证有大概率的胜算了。 本文将介绍风控中稳定性指标PSI的概念和理解，以及A卡模型上线后如何对模型分及入模变量进行稳定性观测。 ： 模型分数：对模型输出的概率结果或者分数结果进行PSI稳定性的检验，使用场景可以为以上三种 变量值：对入模变量进行PSI稳定性的检验，使用场景同样为以上三种 举个例子，比如模型已经正式上线，我们通过监控报表发现近期通过率在不断地升高 这种波动或者异常说明模型可能在衰减，结果在发生偏移。为了验证我们的猜想，就需要计算模型逐月的PSI稳定性指标。
6.3K11编辑于 2023-11-30 - 来自专栏Android 开发者
Android 11 新工具 | 提升应用私密性和稳定性
Android 11 中的数据访问审核 API 有助于追溯您代码中私有数据的使用情况 第二个 API 针对多功能的复杂应用。 关于这些 API 的实际使用情况，请查阅 代码示例: 除了帮助您识别私有数据访问之外，Android 11 还包含了另一个新的 API，用来辅助排查无法捕捉现场的崩溃。 为了诊断应用终止原因，一些开发者正在加入自定义代码，以构建自己的分析程序来改善应用的稳定性。 基于此想法，我们为您提供了一种简化诊断部分的方法。 Android 11 引入了一个新的 ActivityManager API 来上报应用进程终止相关的历史信息。 相关资源 我们希望您通过这些额外的工具可以提升应用的隐私意识和稳定性。
90030编辑于 2022-09-23 - 来自专栏ClearSeve
C++11内存模型
最近看了极客时间——《现代C++实战三十讲》中的内存模型与Atomic一节，感觉对C++的内存模型理解还不是很清楚，看了后面的参考文献以及看了一些好的博客，算是基本了解了，根据参考文献整合一下。 Thread-1: Thread-2: x = 100; // A std::cout << x; // B C++11 C++11的内存模型共有6种，分四类。其中一致性的减弱会伴随着性能的增强。 参考链接 【1】C++11中的内存模型上篇 – 内存模型基础 【2】C++11中的内存模型下篇 – C++11支持的几种内存模型 【3】理解 C++ 的 Memory Order 【4】如何理解 C++ 11 的六种 memory order 【5】《现代C++实战三十讲》中的内存模型与Atomic
1K30编辑于 2022-02-11 - 来自专栏LINUX阅码场
深入理解C11C++11内存模型
个人认为，内存模型表达为“内存顺序模型”可能更加贴切一点。 2011年发布的C11/C++11 ISO Standard为我们带来了memory order的支持， 引用C++11里的一段描述： The memory model means that C++ code C11/C++11使用memory order来描述memory model， 而用来联系memory order的是atomic变量， atomic操作可以用load()和release()语义来描述 C11/C++11内存模型 C/C++11标准中提供了6种memory order，来描述内存模型[6]: enum memory_order { memory_order_relaxed, - Frank Birbacher [ACCU 2017] C++11中的内存模型下篇 - C++11支持的几种内存模型 memory ordering, Gavin's blog c++11 内存模型解读
2.9K30发布于 2020-06-04 - 来自专栏算法工程师的学习日志
Matlab-二自由度汽车操纵稳定性模型
以前做的一个课堂作业，分享给有需求的读者 1 模型假设 1) 忽略转向系的影响，以前、后轮转角作为输入； 2) 汽车只进行平行于地面的平面运动，而忽略悬架的作用； 3) 汽车前进（纵轴）速度不变，只有沿 2 模型建立 根据模型假设建立如图1所示的二自由度汽车模型。 图1 二自由度汽车模型 对模型受力分析，存在3个方向的受力平衡，分别为x、y和绕Z的力矩平衡，建立力学方程如下。 3 模型仿真 下表为已知的车辆参数， 在MATLAB>Simulink中搭建状态空间模型，模型如图所示。 图2 状态空间模型 （1）在前轮偏转角为1°，后轮偏转角为0°，车速为40km/h的情况下，输出前后轮的横向位移情况，输出结果如图3。 4 结论 通过建立汽车动力学模型，对汽车操纵性进行饿模拟。根据仿真结果可以发现车速和前轮转角都对二自由度汽车的操纵稳定性有很大影响。汽车以较低速度、较小的前轮转角行驶时，是相对安全的。
1.2K20编辑于 2022-07-27 - 来自专栏阿甘的码路2
稳定性治理二，稳定性分析
支付宝2015年发生了大规模的宕机事件，原因是杭州市萧山区某地光纤被挖断导致，为确保异地容灾、多活，后面专门进行了全链路单元化改造，整个交易链路都进行了单元化改造，并且经常在大促前夕进行单机房演练；
90551编辑于 2023-08-17 - 来自专栏韩曙亮的移动开发专栏
【数字信号处理】离散时间系统稳定性 ( 稳定性概念 | 稳定性用法 )
文章目录 一、离散时间系统稳定性 二、离散时间系统稳定性实际用法 一、离散时间系统稳定性 ---- 线性时不变 LTI 系统 , 如果 " 输入序列 " 有界 , 则 " 输出序列 " 也有界 ; 充要条件 : \sum^{+\infty}_{m = -\infty} |h(n)| < \infty 二、离散时间系统稳定性实际用法 ---- 实际用途 : 设计一个 滤波器 , 设计完 滤波器参数 后 ,
3.9K30编辑于 2023-03-30 - 来自专栏机器学习炼丹之旅
CS231n：11 生成模型
生成模型 生成模型的定义就是给定一个训练数据，然后生成一些新的样本，保证和所给的训练集有一样的分布。 生成模型主要有以下这些应用场景： 生成逼真的艺术品图片，拥有超高的分辨率，着色等。 时间序列数据的生成模型可以用于仿真和规划（在强化学习中应用）。 训练生成模型还可以使隐式表征的推断成为有用的通用特征。 需要一提的是，可以将生成模型分成两大类，即隐式密度模型和显式密度模型，显式密度模型会显式地给出一个分布 使其和输入数据的分布相同。 而隐式密度模型则不会给出一个分布，而是训练一个模型从输入数据中采样，并直接输出样本，而不用显式地给出分布的表达式。 ）获得一个高斯分布的参数 ，这其实就对应了混合高斯模型中的一个高斯分布组件，也就是说，由于 是一个连续值，所以理论上这里的混合高斯模型中存在无限个高斯组件。
76610编辑于 2022-08-08 - 来自专栏JAVA
解决AI训练中的“Convergence Warning”报错：提高模型稳定性 ️♂️
解决AI训练中的“Convergence Warning”报错：提高模型稳定性 ️♂️ 大家好，我是默语，擅长全栈开发、运维和人工智能技术。 今天，我们将深入探讨AI训练中的一个常见问题——“Convergence Warning”报错，并提供提高模型稳定性的解决方案。 本文将详细分析“Convergence Warning”报错的成因，并提供一系列提高模型稳定性的技巧和方法，以帮助大家优化模型训练过程。 理解并解决这一问题对于提升模型的稳定性和准确性至关重要。 “Convergence Warning”报错的成因分析 1. 学习率设置不当 学习率是影响模型训练速度和稳定性的重要参数。 A: 数据增强技术通过增加训练数据的多样性，提升模型的泛化能力，防止过拟合，从而提高模型的收敛性和稳定性。
52510编辑于 2024-11-22 - 来自专栏数据STUDIO
原理+代码，总结了 11 种回归模型
导读： 上篇总结了八种线性回归模型，介绍了主流的线性回归模型及python实操代码，而本文将继续修炼回归模型算法，并总结了一些常用的除线性回归模型之外的模型，其中包括一些单模型及集成学习器。 需要面试或者需要总体了解/复习机器学习回归模型的小伙伴可以通读下本文，理论总结加代码实操，有助于理解模型。 ---- ? 本文所用数据说明：所有模型使用数据为股市数据，与线性回归模型中的数据一样，可以做参考，此处将不重复给出。 2)) Actual Predicted Date 2017-08-09 12.83 12.63 2017-11 因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。 回归树的生成步骤如下 从根节点开始分裂。
5.2K42发布于 2021-06-24 - 来自专栏DeepHub IMBA
5种常用的交叉验证技术，保证评估模型的稳定性
换句话说，为什么一个模型在私有排行榜上评估时会失去稳定性? 在本文中，我们将讨论可能的原因。我们还将学习交叉验证和执行它的各种方法。 模型的稳定性? 总是需要验证你的机器学习模型的稳定性。 让我们通过一个例子来进一步了解模型的稳定性。 在这个例子中，我们试图找出一个人购买汽车与否的关系，这取决于他的收入。为此，我们采取了以下步骤: 我们用一个线性方程建立了买车与否和个人收入之间的关系。 这有助于实现更一般化的关系，并维护模型的稳定性。 交叉验证是什么? 交叉验证是一种在机器学习中用于评估机器学习模型性能的统计验证技术。 这个度量将有助于更好地一般化模型，并增加模型的稳定性。 交叉验证(LOOCV) 在这种方法中，我们将现有数据集中的一个数据点放在一边，并在其余数据上训练模型。这个过程迭代，直到每个数据点被用作测试集。 我们选择一个列车集，它具有最小的观测量来拟合模型。逐步地，我们在每个折叠中改变我们的列车和测试集。 总结 在本文中，我们讨论了过拟合、欠拟合、模型稳定性和各种交叉验证技术，以避免过拟合和欠拟合。
1.8K20发布于 2020-06-17 - 来自专栏圆圆的算法笔记
谷歌KDD23工作：如何提升推荐系统ranking模型训练稳定性
谷歌在KDD 2023发表了一篇工作，探索了推荐系统ranking模型的训练稳定性问题，分析了造成训练稳定性存在问题的潜在原因，以及现有的一些提升模型稳定性方法的不足，并提出了一种新的梯度裁剪方式，提升了 ranking模型的训练稳定性。 1、模型背景 本文以Youtube中的ranking模型为例，进行推荐系统ranking模型训练稳定性的分析。 2、影响稳定性的因素 为什么推荐系统中的模型，存在这样的训练稳定性问题呢？ 虽然上述梯度裁剪方法有助于提升ranking模型训练稳定性，但是文中发现这类方法对于推荐系统中的ranking模型并不能起到有效作用。
89540编辑于 2023-08-17 - 来自专栏贰叁壹运维
持续稳定性考察
药品的稳定性是指药品稳定保持其物理、化学、生物学性质及其疗效和安全性的能力。对药品的稳定性要求属于药品管理法规规范重点，各国的药典和新药注册审批等都对药品的稳定性研究有详细的规定。 依据考察目的的不同，上市产品稳定性考察可分为常规稳定性考察、刚上市产品的稳定性考察和特殊稳定性考察。 常规稳定性考察：针对正常生产条件下的常规产品而进行的持续稳定性考察。 新上市产品的稳定性考察：新产品上市，对正式生产销售前三批产品进行持续稳定性考察。 稳定性考察批次和取样时间点 常规稳定性考察：通常要求同一品种每个规格至少考察1批。对于稳定性较差（如容易降解）的产品，应该根据该产品历史稳定性数据适当增加考察批数。 稳定性数据的评价 稳定性考察有助于发现产品稳定性变化趋势，确保产品在运输、储存和使用过程中的质量。
2.6K40发布于 2021-05-06 - 来自专栏程序员升级之路
Redis稳定性实践
二、大促时稳定性保障 大促的时候因为流量比往常高几倍，甚至是几十倍，更需要保证系统稳定性。
1.6K31发布于 2020-09-11 - 来自专栏智能大数据分析
【深度学习基础】多层感知机 | 数值稳定性和模型初始化
到目前为止，我们实现的每个模型都是根据某个预先指定的分布来初始化模型的参数。有人会认为初始化方案是理所当然的，忽略了如何做出这些选择的细节。甚至有人可能会觉得，初始化方案的选择并不是特别重要。 相反，初始化方案的选择在神经网络学习中起着举足轻重的作用，它对保持数值稳定性至关重要。此外，这些初始化方案的选择可以与非线性激活函数的选择有趣的结合在一起。 不稳定梯度带来的风险不止在于数值表示；不稳定梯度也威胁到我们优化算法的稳定性。我们可能面临一些问题。 要么是梯度爆炸（gradient exploding）问题：参数更新过大，破坏了模型的稳定收敛；要么是梯度消失（gradient vanishing）问题：参数更新过小，在每次更新时几乎不会移动，导致模型无法学习 二、参数初始化 解决（或至少减轻）上述问题的一种方法是进行参数初始化，优化期间的注意和适当的正则化也可以进一步提高稳定性。
39910编辑于 2025-01-25 - 来自专栏用户10025783的专栏
深入理解C11C++11内存模型(白嫖新知识~)
什么是内存模型？ 到底什么是内存模型呢？看到有两种不同的观点： A：内存模型是从来描述编程语言在支持多线程编程中对共享内存访问的顺序。 个人认为，内存模型表达为“内存顺序模型”可能更加贴切一点。 2011年发布的C11/C++11 ISO Standard为我们带来了memory order的支持， 引用C++11里的一段描述： The memory model means that C++ code 真棒，简直不要太优秀~ C11/C++11使用memory order来描述memory model， 而用来联系memory order的是atomic变量， atomic操作可以用load()和release C11/C++11内存模型 C/C++11标准中提供了6种memory order，来描述内存模型[6]: enum memory_order { memory_order_relaxed,
70321编辑于 2022-09-23 - 来自专栏肉眼品世界
11种全球著名商业分析模型（值得收藏）
1、波特五力模型 被广泛应用于很多行业的战略制定 波特的五种竞争力分析模型被广泛应用于很多行业的战略制定。 这个矩阵的两个数轴分别代表了企业的两个内部因素——财务优势(FS)和竞争优势(CA);两个外部因素——环境稳定性(ES)和产业优势(IS)。这四个因素对于企业的总体战略地位是最为重要的。 建立SPACE矩阵的步骤如下： (1)选择构成财务优势(FS)、竞争优势(CA)、环境稳定性(ES)和产业优势(IS)的一组变量; (2)对构成FS和IS的各变量给予从+1(最差)到+6(最好)的评分值 10、价值链模型 将一个企业的行为分解为战略性相关的许多活动 价值链模型最早是由波特提出的。 11、ROS/RMS矩阵 用来分析企业的不同业务单元或产品的发展战略 ROS/RMS(Return Of Sales/Relative Market Share)矩阵也称做销售回报和相对市场份额矩阵，
1.8K61发布于 2021-06-08
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