精华内容
下载资源
问答
  • 这篇文章主要介绍了Python timer定时器两种常用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 方法一,使用线程中现成的: 这种一般比较常用,特别...
  • 软件测试用例常用七大方法

    万次阅读 多人点赞 2018-04-12 20:36:47
    第一:测试用例格式包括十大特点 用例编号 测试项 测试标题 用例属性 ...5,案例加以说明 第三:边界值 1,边界值的三点 2,边界值应用场景 3,边界值方法应用步骤 第四:判定...

    第一:测试用例格式包括十大特点

    1. 用例编号
    2. 测试项
    3. 测试标题
    4. 用例属性
    5. 重要级别:高中低
    6. 预置条件
    7. 测试输入
    8. 操作步骤
    9. 预期结果
    10. 实际结果

    第二:等价类

    1,等价类定义

    这里写图片描述

    2,等价类划分

    这里写图片描述

    3,等价类划分规则

    这里写图片描述

    4,进行等价类用例设计

    这里写图片描述

    5,案例加以说明

    这里写图片描述
    这里写图片描述

    第三:边界值

    1,边界值的三点

    这里写图片描述

    2,边界值应用场景

    这里写图片描述

    3,边界值方法应用步骤

    这里写图片描述

    第四:判定表

    1,定义

    这里写图片描述

    2,重要概念

    这里写图片描述

    3,判定表应用步骤

    这里写图片描述

    4,案例加以说明判断表

    这里写图片描述

    这里写图片描述

    第五,因果图

    1,输入与输入的关系

    这里写图片描述

    2,输入与输出的关系

    这里写图片描述

    3,案例加以说明

    这里写图片描述

    第六,正交试验

    1,因子和水平的定义

    这里写图片描述

    2,特点

    这里写图片描述

    3,设计流程

    这里写图片描述

    4,注意点

    这里写图片描述

    5,案例加以说明

    这里写图片描述

    这里写图片描述

    第七,状态迁移

    1,定义

    这里写图片描述

    2,状态

    这里写图片描述

    3,方法流程

    这里写图片描述

    4,案例加以说明

    这里写图片描述

    这里写图片描述

    第八,流程分析法(场景设计法)

    1,设计三个场景

    这里写图片描述

    2,使用方法

    这里写图片描述

    3,注意点

    这里写图片描述

    4,案例加以说明

    这里写图片描述

    这里写图片描述

    展开全文
  • 9种常用的数据分析方法

    千次阅读 2020-08-17 11:09:23
    对比法就是用两组或两组以上的数据进行比较,是最通用的方法。 我们知道孤立的数据没有意义,有对比才有差异。比如在时间维度上的同比和环比、增长率、定基比,与竞争对手的对比、类别之间的对比、特征和属性对比等...

    一、公式拆解

    所谓公式拆解法就是针对某个指标,用公式层层分解该指标的影响因素。
    举例:分析某产品的销售额较低的原因,用公式法分解

     

    图片.png

    二、对比分析

    对比法就是用两组或两组以上的数据进行比较,是最通用的方法。

    我们知道孤立的数据没有意义,有对比才有差异。比如在时间维度上的同比和环比、增长率、定基比,与竞争对手的对比、类别之间的对比、特征和属性对比等。对比法可以发现数据变化规律,使用频繁,经常和其他方法搭配使用。

    下图的AB公司销售额对比,虽然A公司销售额总体上涨且高于B公司,但是B公司的增速迅猛,高于A公司,即使后期增速下降了,最后的销售额还是赶超。

     

    图片.png

    三、A/Btest

    A/Btest,是将Web或App界面或流程的两个或多个版本,在同一时间维度,分别让类似访客群组来访问,收集各群组的用户体验数据和业务数据,最后分析评估出最好版本正式采用。A/Btest的流程如下:

    (1)现状分析并建立假设:分析业务数据,确定当前最关键的改进点,作出优化改进的假设,提出优化建议;比如说我们发现用户的转化率不高,我们假设是因为推广的着陆页面带来的转化率太低,下面就要想办法来进行改进了

    (2)设定目标,制定方案:设置主要目标,用来衡量各优化版本的优劣;设置辅助目标,用来评估优化版本对其他方面的影响。

    (3)设计与开发:制作2个或多个优化版本的设计原型并完成技术实现。

    (4)分配流量:确定每个线上测试版本的分流比例,初始阶段,优化方案的流量设置可以较小,根据情况逐渐增加流量。

    (5)采集并分析数据:收集实验数据,进行有效性和效果判断:统计显著性达到95%或以上并且维持一段时间,实验可以结束;如果在95%以下,则可能需要延长测试时间;如果很长时间统计显著性不能达到95%甚至90%,则需要决定是否中止试验。

    (6)最后:根据试验结果确定发布新版本、调整分流比例继续测试或者在试验效果未达成的情况下继续优化迭代方案重新开发上线试验。
    流程图如下:

     

    image.png

    四、象限分析

    通过对两种及以上维度的划分,运用坐标的方式表达出想要的价值。由价值直接转变为策略,从而进行一些落地的推动。象限法是一种策略驱动的思维,常与产品分析、市场分析、客户管理、商品管理等。比如,下图是一个广告点击的四象限分布,X轴从左到右表示从低到高,Y轴从下到上表示从低到高。

     

    image.png

     

    高点击率高转化的广告,说明人群相对精准,是一个高效率的广告。高点击率低转化的广告,说明点击进来的人大多被广告吸引了,转化低说明广告内容针对的人群和产品实际受众有些不符。高转化低点击的广告,说明广告内容针对的人群和产品实际受众符合程度较高,但需要优化广告内容,吸引更多人点击。低点击率低转化的广告,可以放弃了。还有经典的RFM模型,把客户按最近一次消费(Recency)、消费频率(Frequency)、消费金额 (Monetary)三个维度分成八个象限。

     

    image.png


    象限法的优势:
    (1)找到问题的共性原因

    通过象限分析法,将有相同特征的事件进行归因分析,总结其中的共性原因。例如上面广告的案例中,第一象限的事件可以提炼出有效的推广渠道与推广策略,第三和第四象限可以排除一些无效的推广渠道;

    (2)建立分组优化策略
    针对投放的象限分析法可以针对不同象限建立优化策略,例如RFM客户管理模型中按照象限将客户分为重点发展客户、重点保持客户、一般发展客户、一般保持客户等不同类型。给重点发展客户倾斜更多的资源,比如VIP服务、个性化服务、附加销售等。给潜力客户销售价值更高的产品,或一些优惠措施来吸引他们回归。

    五、帕累托分析

    帕累托法则,源于经典的二八法则。比如在个人财富上可以说世界上20%的人掌握着80%的财富。而在数据分析中,则可以理解为20%的数据产生了80%的效果需要围绕这20%的数据进行挖掘。往往在使用二八法则的时候和排名有关系,排在前20%的才算是有效数据。二八法是抓重点分析,适用于任何行业。找到重点,发现其特征,然后可以思考如何让其余的80%向这20%转化,提高效果。

    一般地,会用在产品分类上,去测量并构建ABC模型。比如某零售企业有500个SKU以及这些SKU对应的销售额,那么哪些SKU是重要的呢,这就是在业务运营中分清主次的问题。

    常见的做法是将产品SKU作为维度,并将对应的销售额作为基础度量指标,将这些销售额指标从大到小排列,并计算截止当前产品SKU的销售额累计合计占总销售额的百分比。

    百分比在 70%(含)以内,划分为 A 类。百分比在 70~90%(含)以内,划分为 B 类。百分比在 90~100%(含)以内,划分为 C 类。以上百分比也可以根据自己的实际情况调整。

    ABC分析模型,不光可以用来划分产品和销售额,还可以划分客户及客户交易额等。比如给企业贡献80%利润的客户是哪些,占比多少。假设有20%,那么在资源有限的情况下,就知道要重点维护这20%类客户。

    image.png

    六、漏斗分析

    漏斗法即是漏斗图,有点像倒金字塔,是一个流程化的思考方式,常用于像新用户的开发、购物转化率这些有变化和一定流程的分析中。

     

    image.png

    上图是经典的营销漏斗,形象展示了从获取用户到最终转化成购买这整个流程中的一个个子环节。相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤,然后用转化率来衡量每一个步骤的表现,最后通过异常的数据指标找出有问题的环节,从而解决问题,优化该步骤,最终达到提升整体购买转化率的目的。

    整体漏斗模型的核心思想其实可以归为分解和量化。比如分析电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化模型,缩短路径提升用户体验。

    还有经典的黑客增长模型,AARRR模型,指Acquisition、Activation、Retention、Revenue、Referral,即用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中比较常见的一个模型,结合产品本身的特点以及产品的生命周期位置,来关注不同的数据指标,最终制定不同的运营策略。

    从下面这幅AARRR模型图中,能够比较明显的看出来整个用户的生命周期是呈现逐渐递减趋势的。通过拆解和量化整个用户生命周期各环节,可以进行数据的横向和纵向对比,从而发现对应的问题,最终进行不断的优化迭代。

     

    image.png

    七、路径分析

    用户路径分析追踪用户从某个开始事件直到结束事件的行为路径,即对用户流向进行监测,可以用来衡量网站优化的效果或营销推广的效果,以及了解用户行为偏好,其最终目的是达成业务目标,引导用户更高效地完成产品的最优路径,最终促使用户付费。如何进行用户行为路径分析?

    (1)计算用户使用网站或APP时的每个第一步,然后依次计算每一步的流向和转化,通过数据,真实地再现用户从打开APP到离开的整个过程。
    (2)查看用户在使用产品时的路径分布情况。例如:在访问了某个电商产品首页的用户后,有多大比例的用户进行了搜索,有多大比例的用户访问了分类页,有多大比例的用户直接访问的商品详情页。
    (3)进行路径优化分析。例如:哪条路径是用户最多访问的;走到哪一步时,用户最容易流失。
    (4)通过路径识别用户行为特征。例如:分析用户是用完即走的目标导向型,还是无目的浏览型。
    (5)对用户进行细分。通常按照APP的使用目的来对用户进行分类。如汽车APP的用户可以细分为关注型、意向型、购买型用户,并对每类用户进行不同访问任务的路径分析,比如意向型的用户,他进行不同车型的比较都有哪些路径,存在什么问题。还有一种方法是利用算法,基于用户所有访问路径进行聚类分析,依据访问路径的相似性对用户进行分类,再对每类用户进行分析。

    以电商为例,买家从登录网站/APP到支付成功要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。而在用户真实的选购过程是一个交缠反复的过程,例如提交订单后,用户可能会返回首页继续搜索商品,也可能去取消订单,每一个路径背后都有不同的动机。与其他分析模型配合进行深入分析后,能为找到快速用户动机,从而引领用户走向最优路径或者期望中的路径。
    用户行为路径图示例:

     

    image.png

    八、留存分析

    用户留存指的是新会员/用户在经过一定时间之后,仍然具有访问、登录、使用或转化等特定属性和行为,留存用户占当时新用户的比例就是留存率。留存率按照不同的周期分为三类,以登录行为认定的留存为例:
    第一种 日留存,日留存又可以细分为以下几种:
    (1)次日留存率:(当天新增的用户中,第2天还登录的用户数)/第一天新增总用户数
    (2)第3日留存率:(第一天新增用户中,第3天还有登录的用户数)/第一天新增总用户数
    (3)第7日留存率:(第一天新增用户中,第7天还有登录的用户数)/第一天新增总用户数
    (4)第14日留存率:(第一天新增用户中,第14天还有登录的用户数)/第一天新增总用户数
    (5)第30日留存率:(第一天新增用户中,第30天还有登录的用户数)/第一天新增总用户数

    第二种 周留存,以周度为单位的留存率,指的是每个周相对于第一个周的新增用户中,仍然还有登录的用户数。

    第三种 月留存,以月度为单位的留存率,指的是每个月相对于第一个周的新增用户中,仍然还有登录的用户数。留存率是针对新用户的,其结果是一个矩阵式半面报告(只有一半有数据),每个数据记录行是日期、列为对应的不同时间周期下的留存率。正常情况下,留存率会随着时间周期的推移而逐渐降低。下面以月留存为例生成的月用户留存曲线:

     

    image.png

    九、聚类分析

    聚类分析属于探索性的数据分析方法。通常,我们利用聚类分析将看似无序的对象进行分组、归类,以达到更好地理解研究对象的目的。聚类结果要求组内对象相似性较高,组间对象相似性较低。在用户研究中,很多问题可以借助聚类分析来解决,比如,网站的信息分类问题、网页的点击行为关联性问题以及用户分类问题等等。其中,用户分类是最常见的情况。

    常见的聚类方法有不少,比如K均值(K-Means),谱聚类(Spectral Clustering),层次聚类(Hierarchical Clustering)。以最为常见的K-means为例,如下图:

    image.png

    可以看到,数据可以被分到红蓝绿三个不同的簇(cluster)中,每个簇应有其特有的性质。显然,聚类分析是一种无监督学习,是在缺乏标签的前提下的一种分类模型。当我们对数据进行聚类后并得到簇后,一般会单独对每个簇进行深入分析,从而得到更加细致的结果。



    作者:数据蝉
    链接:https://www.jianshu.com/p/d27563e492a0
    来源:简书
    著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

    展开全文
  • 常用八大测试用例设计方法

    千次阅读 多人点赞 2020-07-02 21:46:24
    方法常用的黑盒(Blackbox Testing)测试用例(Testcase)设计方法。 等价类划分可有两不同的情况:有效等价类和无效等价类。有效等价类是指对于程序的规格说明来说是合理的、有意义的输入数据构成的集合,它...

    1、等价类划分(Equivalance Partitioning)测试的思想:将程序的输入域划分为若干个区域(等价类),并在每个等价类中选择一个具有代表性的元素生成测试用例。该方法是常用的黑盒(Blackbox Testing)测试用例(Testcase)设计方法。

    等价类划分可有两种不同的情况:有效等价类和无效等价类。有效等价类是指对于程序的规格说明来说是合理的、有意义的输入数据构成的集合,它能检验程序是否可以实现规格说明中所规定的功能需求。无效等价类是指对程序的规格说明是不合理的或无意义的输入数据所构成的集合,它能检验程序在不符合规则的数据输入下,是否会有异常;无效等价类至少应有一个,也可能有多个,视具体情况而定。因此,设计测试用例时,要同时考虑这两种等价类。因为软件不仅要能接收合理的数据,也要能经受意外的考验,这样的测试才能确保软件具有更高的可靠性。

    划分标准要遵循:完备测试、避免冗余的原则。

    2、边界值分析法就是对输入或输出的边界值进行测试的一种黑盒测试方法。通常边界值分析法是作为对等价类划分法的补充,这种情况下,其测试用例来自等价类的边界。

    1)边界值分析不是从某等价类中随便挑一个作为代表,而是使这个等价类的每个边界都要作为测试条件。

    2)边界值分析不仅考虑输入条件,还要考虑输出空间产生的测试情况。

    3、正交试验法是研究多因素、多水平的一种试验法,它是利用正交表来对试验进行设计,通过少数的试验替代全面试验,根据正交表的正交性从全面试验中挑选适量的、有代表性的点进行试验,这些有代表性的点具备了“均匀分散,整齐可比”的特点,用例设计只讨论各因素是相互独立的正交试验法。正交表查询网站https://www.york.ac.uk/depts/maths/tables/orthogonal.htm

     

    正交试验设计法(Orthogonal Experimental Design)是从大量的试验点中挑选出适量的、有代表性的点,应用依据伽罗瓦理论导出的“正交表”,合理地安排试验的一种科学的试验设计方法,是研究多因素、多水平的一种设计方法。它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备“均匀分散、齐整可比”的特点,正交试验是一种基于正交表的,高效率、快速、经济的试验设计方法。

    正交试验分析法包括以下常用术语:

    (1)指标:通常把判断试验结果优劣的标准叫做试验的指标。

    (2)因子:是指所有影响试验指标的条件。

    (3)因子的状态:是指影响试验因子的因素,也称之为因子的水平。

    正交表达式

    正交试验分析法的步骤如下:

    (1)提取功能说明,构造因子-状态表。

    分析规格说明书,通过规格说明书提取影响该功能的因子以及每个因子可能取值的最大数,即因子状态。

    (2)加权筛选,生成因素分析表。

    计算各因子和状态的权值,删去一部分权值较小即重要性较小的因子或状态,使最后生成的测试用例集缩减到允许范围。

    (3)画出布尔图。

    如果各个因子的状态数是不统一的,几乎不可能出现均匀的情况,必须先用逻辑命令来组合各因子的状态,作出布尔图。

    (4)查找最接近的相应阶数的正交表。

    根据布尔图选择最接近的相应阶数的正交表,实际的测试工作中,因子和因子状态很难与正交表完全符合,所以只能选择一个阶数最接近的正交表。

    (5)将实际的因子和状态带入正交表中,得到最终的正交表。

    选择好正交表后,应该将实际的因子和因子水平带入正交表中,此时可能出现以下三种情况:

    第一种情况:因子的状态数正好和正交表的状态数相等,那么此时只需要直接替换正交表中的值即可。

    第二种情况:因子的状态数多于正交表中的状态数,那么此时需要先将多余的状态合并,带入正交表中,然后再将合并的中间状态展开。

    第三种情况:因子的状态数少于正交表中的状态数,那么只要将正交表中多出来的状态,使用实际状态中的任意值替换即可。

    (6)利用正交表每行数据构造测试用例。

    在使用实际因子和状态替换过的正交表中的每一行,选择数据构造测试用例即可。

    【实例】某数据库查询系统的测试。

    步骤1:分析规格说明书,生成因子-状态表,见表8-13

    步骤2:对因子—状态表进行加权筛选,本实例中加权筛选时,将打印方式和查询类别中的逻辑符号删掉,不进行分析,加权筛选后的因素分析表见表8-14。使用字母表示因素分析表中各种因子和状态见表8-15

    步骤3:根据因子和状态分析表画出布尔图,如图8-16 所示

     

    (1)首先下载Allpairs 工具,该工具是一款开源的工具。

    (2)将因子和因子状态写入Excel 文件中,见表8-19

    (3)将Excel 文件另存为以Tab 键作为分隔符的文本文件(假设保存的文件名为test.txt),保存的路径为Allpairs 工具所在的目录。

    (4)运行cmd 程序,进入Allpairs 工具所在的目录,执行命令appairs.exe test.txt > output.txt;

    output.txt 为正交表输出的文件,内容如图8-17 所示

    只有TEST CASES 的内容是正交表的内容,PAIRING DETAILS 的内容不需要关注。

    因果图:

    1,输入与输入的关系

    2,输入与输出的关系

    3,案例

    状态迁移

    1,定义

    2,状态

    3,方法流程

    4,案例

    流程分析法(场景设计法)

    1,设计三个场景

    2,使用方法

    3,注意点

    4,案例

    展开全文
  • 种常用的滤波方法

    万次阅读 2017-08-08 10:44:17
    第1种方法:限幅滤波法(又称程序判断滤波法) A方法: 根据经验判断,确定两次采样允许的最大偏差值(设为A),每次检测到新值时判断: 如果本次值与上次值之差A,则本次值无效,放弃本次值,用上次值代替本次值...
    几种常用的滤波方法
     
    

    几种软件滤波算法的原理和比较

    第1种方法:限幅滤波法(又称程序判断滤波法)

    A方法: 根据经验判断,确定两次采样允许的最大偏差值(设为A),每次检测到新值时判断: 如果本次值与上次值之差<=A,则本次值有效,如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值。

    B优点: 能有效克服因偶然因素引起的脉冲干扰。

    C缺点: 无法抑制那种周期性的干扰,平滑度差。

    第2种方法:中位值滤波法

    A方法: 连续采样N次(N取奇数),把N次采样值按大小排列,取中间值为本次有效值。

    B优点: 能有效克服因偶然因素引起的波动干扰,对温度、液位的变化缓慢的被测参数有良好的滤波效果。

    C缺点: 对流量、速度等快速变化的参数不宜。

    第3种方法:算术平均滤波法

    A方法: 连续取N个采样值进行算术平均运算,N值较大时:信号平滑度较高,但灵敏度较低;N值较小时:信号平滑度较低,但灵敏度较高。N值的选取:一般流量,N=12;压力:N=4。

    B优点: 适用于对一般具有随机干扰的信号进行滤波,这样信号的特点是有一个平均值,信号在某一数值范围附近上下波动。

    C缺点: 对于测量速度较慢或要求数据计算速度较快的实时控制不适用,比较浪费RAM 。

    第4种方法:递推平均滤波法(又称滑动平均滤波法)

    A方法: 把连续取N个采样值看成一个队列,队列的长度固定为N,每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据(先进先出原则) 。把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。N值的选取:流量,N=12;压力:N=4;液面,N=4~12;温度,N=1~4。

    B优点: 对周期性干扰有良好的抑制作用,平滑度高,适用于高频振荡的系统。

    C缺点: 灵敏度低,对偶然出现的脉冲性干扰的抑制作用较差,不易消除由于脉冲干扰所引起的采样值偏差,不适用于脉冲干扰比较严重的场合,比较浪费RAM。

    第5种方法:中位值平均滤波法(又称防脉冲干扰平均滤波法)

    A方法: 相当于“中位值滤波法” “算术平均滤波法”,连续采样N个数据,去掉一个最大值和一个最小值,然后计算N-2个数据的算术平均值。N值的选取:3~14。

    B优点: 融合了两种滤波法的优点,对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差。

    C缺点: 测量速度较慢,和算术平均滤波法一样,比较浪费RAM。

    第6种方法:限幅平均滤波法

    A方法: 相当于“限幅滤波法” “递推平均滤波法”,每次采样到的新数据先进行限幅处理,再送入队列进行递推平均滤波处理。

    B优点: 融合了两种滤波法的优点,对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差。

    C缺点: 比较浪费RAM 。

    第7种方法:一阶滞后滤波法

    A方法: 取a=0~1,本次滤波结果=(1-a)*本次采样值 a*上次滤波结果。

    B优点: 对周期性干扰具有良好的抑制作用,适用于波动频率较高的场合。

    C缺点:相位滞后,灵敏度低,滞后程度取决于a值大小,不能消除滤波频率高于采样频率的1/2的干扰信号。

    第8种方法:加权递推平均滤波法

    A方法: 是对递推平均滤波法的改进,即不同时刻的数据加以不同的权,通常是,越接近现时刻的资料,权取得越大,给予新采样值的权系数越大,则灵敏度越高,但信号平滑度越低。

    B优点: 适用于有较大纯滞后时间常数的对象和采样周期较短的系统。

    C缺点: 对于纯滞后时间常数较小,采样周期较长,变化缓慢的信号,不能迅速反应系统当前所受干扰的严重程度,滤波效果差。

    第9种方法:消抖滤波法

    A方法: 设置一个滤波计数器,将每次采样值与当前有效值比较: 如果采样值=当前有效值,则计数器清零。如果采样值<>当前有效值,则计数器 1,并判断计数器是否>=上限N(溢出),如果计数器溢出,则将本次值替换当前有效值,并清计数器。

    B优点: 对于变化缓慢的被测参数有较好的滤波效果,可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动。

    C缺点: 对于快速变化的参数不宜,如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统。

    第10种方法:限幅消抖滤波法

    A方法: 相当于“限幅滤波法” “消抖滤波法”,先限幅后消抖。

    B优点: 继承了“限幅”和“消抖”的优点,改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统。

    C缺点: 对于快速变化的参数不宜。

    第11种方法:IIR 数字滤波器

    A方法: 确定信号带宽, 滤之。 Y(n) = a1*Y(n-1) a2*Y(n-2) ... ak*Y(n-k) b0*X(n) b1*X(n-1) b2*X(n-2) ... bk*X(n-k)。

    B优点: 高通,低通,带通,带阻任意。设计简单(用matlab)。

    C缺点: 运算量大。

    展开全文
  • 数据仓库常用建模方法

    万次阅读 2019-02-18 14:43:31
    数据模型是抽象描述现实世界的一工具和方法,是通过抽象的实体及实体之间联系的形式,来表示现实世界中事务的相互关系的一映射。在这里,数据模型表现的抽象的是实体和实体之间的关系,通过...
  • 种常用异常值检测方法

    千次阅读 2020-06-22 14:46:37
    Toggle navigation 首页 产业趋势 专家观察 CISO洞察 决策研究 登录 APP下载 数据挖掘最前线:五种常用异常值检测方法 安全运营 机器之心 2019-07-05 通过鉴别故障来检测异常对任何业务来说都很重要。本文作者总结了...
  • 精心整理了7种常用数据分析方法(建议收藏)

    万次阅读 多人点赞 2019-11-08 08:30:00
    有一位朋友最近吐槽,他...今天DataHunter数猎哥就来给大家分享7常用的数据分析方法,让你轻松运用数据分析解决实际工作问题,提升核心竞争力。一、漏斗分析法漏斗分析法能够科学反映用户行为状态,以及从起点...
  • 10种常用数据分析方法

    万次阅读 2018-12-07 16:15:57
    道家强调四个字,叫“道、法、术、器”。   层次区别:   “器”是指物品或工具,在数据分析...“法”是指选择的方法,有句话说“选择比努力重要”;   “道”是指方向,是指导思想,是战略。   在数...
  • 一、String String类的基本特点 1、String类的两实例化方式 String类是一个类,所以使用时候就要依靠对象,而String...(2)、使用构造方法完成:public String(new String) String str = new String(“Hello Wor
  • R中五种常用的统计分析方法

    万次阅读 2017-07-17 22:59:56
    根据分组字段,将分析对象划分为不同的部分,以进行对比分析各组之间差异性的一分析方法常用统计指标: 计数 length 求和 sum  平均值 mean 标准差 var 方差 sd 分组统计函数 aggregate(分组表达式,data=需要...
  • halcon视觉缺陷检测系列(1)常用的6种方法

    万次阅读 多人点赞 2020-01-08 00:12:31
    常用的手法有六大金刚(在halcon中的ocv和印刷检测是针对印刷行业的检测,有对应算子封装): 1.blob+特征 2.blob+差分+特征 3.光度立体 4.特征训练 5.测量拟合 6.频域+空间结合 二、频域+空间结合法 1、...
  • Android常用8种设计模式(一)

    千次阅读 2016-12-01 20:06:29
    对于开发者来说设计模式在Android起到的作用是不容小视的,最基本的模式有八种:单例、工厂、观察者、代理、命令、适配器、合成、访问者。 首先来大话一下概念 单例模式:目的是为了让系统中只有一个调用对象,缺点...
  • 中文“预测”的含义在“英语”情境下则有两含义:evaluate,“估算”,前文归因的方法中,是从因变量Y发现自变量X,也就是Y-->X,“估算”则是“归因”的逆操...
  • 本文作者总结了五用于检测异常的方法,下面一起来看看吧。 什么是异常/离群点? 在统计学中,离群点是并不属于特定族群的数据点,是与其它值相距甚远的异常观测。离群点是一与其它结构良好的数据不同的观测值。...
  • 入门学习Linux常用必会60个命令实例详解doc/txt

    千次下载 热门讨论 2011-06-09 00:08:45
    在使用mount这个指令时,至少要先知道下列三信息:要加载对象的文件系统类型、要加载对象的设备名称及要将设备加载到哪个目录下。 (1)Linux可以识别的文件系统 ◆ Windows 95/98常用的FAT 32文件系统:vfat ;...
  • HTTP常用方法

    万次阅读 2018-05-30 14:55:04
    1.GET:获取资源GET方法用来请求URL指定的资源。指定的资源经服务器端解析后返回响应内容。例子:请求响应GET /index.html HTTP/1.1Host: www.hackr.cn返回index.html的页面资源2.POST:传输实体主题POST方法用来传输...
  • response对象常用方法

    千次阅读 2019-01-23 15:54:46
    //方法2:转发采用 RequestDispatcher rd =request.getRequestDispatcher("welcome.jsp"); rd.forward(request, response); }else{ out.print("用户名或密码不正确!!!"); } %> ; charset=...
  • JDK8+Java+常用版本

    2020-10-26 15:44:22
    jdk8虽然出现很久了,但是可能我们还是有很多人并不太熟悉,本文主要就是介绍说明一些jdk8相关的内容。 主要会讲解: lambda表达式 方法引用 默认方法 Stream 用Optional取代null 新的日志和时间 ...
  • Java Math类的常用方法

    千次阅读 2020-03-04 19:28:46
    在 Java 中 Math 类封装了常用的数学运算,提供了基本的数学操作,如指数、对数、平方根和三角函数等。Math 类位于 java.lang 包,它的构造方法是 private 的,因此无法创建 Math 类的对象,并且 Math 类中的所有...
  • Java——String类中常用方法的总结

    千次阅读 2020-07-08 13:17:49
    在Java语言中,定义了String 和 StringBuffer 两个类来封装字符串,并提供了一系列操作字符串的方法。由于他们都位于java.lang 包中,因此不需要导包就可以直接使用。 2.String类的初始化方式 2.1 使用字符串...
  • 常用的数据校验方法

    千次阅读 2018-06-11 16:26:57
    1.什么是数据校验&nbsp; 通俗的说,就是为保证数据的完整性,用一指定的算法对原始数据计算出的一个...实现方法:最简单的校验就是把原始数据和待比较数据直接进行比较,看是否完全一样这种方法是最安全最准...
  • SearchRequestBuilder常用方法说明

    千次阅读 2017-05-10 16:01:08
    SearchRequestBuilder常用方法说明 (1) setIndices(String... indices):上文中描述过,参数可为一个或多个字符串,表示要进行检索的index;(2) setTypes(String... types):参数可为一个或多个字符串,表示要进行...
  • 常用数据科学方法总结梳理笔记

    千次阅读 2019-05-10 16:27:06
    常用数据科学方法 【未经允许,不得转载】 ...
  • 详述Java中HashMap常用方法

    万次阅读 多人点赞 2019-08-09 17:49:06
    三、HashMap类常用方法 (1)put(Kkey,V value) (2)get(Object key) (3)size() (4)clear() (5)isEmpty () (6)remove(Object key) (7)values() (8)keySet() (9)entrySet() (10...
  • MybatisPlus常用方法

    千次阅读 2019-01-18 23:05:46
    优点:1.mybatis-plus这样一个框架,一集mybatis与hibernate的优点一起的框架。它提供了hibernate的单表CRUD操作的方便同时,又保留了mybatis的特性。 2.内置sql注入玻璃器,有效防止sql注入 3.多种主键策略,...
  • 相关分析-5种常用相关分析方法

    万次阅读 2016-11-02 10:57:26
    http://sanwen8.cn/p/2c62mIw.html 相关分析(Analysis of Correlation)是网站分析中经常使用的分析方法...本篇文章将介绍5种常用的分析方法。在开始介绍相关分析之前,需要特别说明的是相关关系不等于因果关系。
  • redis五大类型常用方法

    千次阅读 2018-08-14 16:18:45
    Redis五大类型:字符串(String)、哈希/散列/字典(Hash)、列表(List)、集合(Set)、有序集合(sorted set)五 Controller:@Resource RedisTemplate&lt;String, String&gt; redi...
  • 测试常见几种方法

    千次阅读 2019-12-14 00:12:07
    测试用例常见的设计方法有:等价类划分法、边界值分析法、错误推测法、判定表法、正交实验法。 一、等价类划分法 顾名思义,顾名思义,等价类划分,就是将测试的范围划分成几个互不相交的子集,他们的并集是全集,从...
  • 列举几个常用的linux命令以及说明

    千次阅读 2018-11-27 12:07:13
    在这里,为大家整理了一些经常用到的Linux命令,及常用参数,希望大家有用!如有偏颇,请指正! LS命令 -作用:显示目录内容,类似DOS下的DIR -格式:LS【options】【filename】 -常用参数:  &gt;-a:all,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 620,473
精华内容 248,189
关键字:

常用的8种说明方法