精华内容
下载资源
问答
  • 度量

    2012-05-25 09:24:01
    只能按照特定纬度相加才有意义的度量值。 不无论按照那个纬度都不可以相加,或者相加后没有任意的度量值。 舉例: 不:温度、利率等 半:库存、结余等(按时间加无意义,按...
    数据仓库 度量的可加性
     
     

    可加性是指按照各个纬度都可以相加的度量值。
    半可加性是指只能按照特定纬度相加才有意义的度量值。
    不可加性是指无论按照那个纬度都不可以相加,或者相加后没有任意的度量值。

    舉例:
    不可加性:温度、利率等
    半可加性:库存、结余等(按时间加无意义,按地区加有意义)
    可加性:销售金额、销售量等

    展开全文
  • 软件维护主要针对一下几种(数据来源未知2333):纠错25%适应21%完善50%预防4%“变化”在软件生命周期中是不避免的!那么如何在最初的设计中充分考虑到未来的变化,避免因为频繁的变化导致软件复杂度增加...

    1.软件的维护与演化

    我们一直说软件维护,那么什么是软件维护呢?其实就是修改错误、改善性能的过程。运维是软件开发中最困难的工作之一,他需要处理各种来自用户报告的问题与故障。

    软件维护主要针对一下几种(数据来源未知2333):

    • 纠错性25%
    • 适应性21%
    • 完善性50%
    • 预防性4%

    “变化”在软件生命周期中是不可避免的!那么如何在最初的设计中充分考虑到未来的变化,避免因为频繁的变化导致软件复杂度增加和质量的下降呢?这就是我们这章要说的事情——提高软件的适应性,延续软件生命。注意软件维护不仅仅是运维工程师的工作,而是从设计和开发阶段就开始了。所以在设计开发的过程中就要考虑到将来的可维护性,使设计方案容易改变。

    这张将会着重讲解几个基于可维护性建设的例子:

    • 模块化
    • OO设计原则
    • OO设计模式
    • 基于状态的构造技术
    • 表驱动的构造技术
    • 基于语法的构造技术


    2.可维护性的度量

    首先来说几个常用的可维护性度量指标:

    • 圈复杂度(Cyclomatic Complexity):度量代码的结构复杂度。
    • 代码行数:……
    • 可维护性指数(Maintainnbility Index)MI:计算0到100之间的索引值。表示维护代码的相对容易性,高价值意味着更好地可维护性。
    • 继承的层次数(Depth of Inheritance):就是继承深度,英文更通俗些。
    • 类之间的耦合度(Class Coupling):通过参数,局部变量,返回类型,方法调用,泛型或模板实例化,基类,接口实现,在外部类型上定义的字段和属性修饰来测量耦合到唯一类。
    • 单元测试覆盖率(Unit test coverage):只是代码库的那些部分被自动化单元测试覆盖。

    3. 模块化设计和模块化原则

    其设计目的只有两点:

    • 模块内高内聚
    • 模块间低耦合

    至于如何评估模块化也有五个标准:

    1. 可分解性(Decomposability)
    2. 可组合性(Composability)
    3. 可理解性(Understandability)
    4. 可持续性(Continulity)
    5. 出现异常之后的保护(protection)

    模块化设计的五个规则:

    1. 直接映射
    2. 尽可能少的接口
    3. 尽可能小的接口
    4. 显示接口
    5. 信息隐藏

    然后我们来说一下耦合与内聚的概念(Coupling and Cohension)

    耦合是模块之间的依赖关系的度量。

    对“依赖关系”解释:如果两个模块之间的变化可能需要另一个模块的变更,这两个模块之间存在依赖关系。

    模块之间的耦合主要取决于:

    1. 模块之间接口的数量(质量)
    2. 每个接口的复杂度


    而聚合是指衡量一个模块的功能或责任的强烈程度的一个指标。如果一个模块的一切的结构都朝着相同的目标努力,那么他就具有很高的聚合度。


    模块化设计所追求的目标就是高内聚低耦合!


    4.OO设计原则:SOLID

    不不不!这可并不是固态原则……他是五个类设计原则的缩写:

    • (SRP)单一责任原则The Single Responsibility Principle
    • (OCP)开放-封闭原则The Open-Closed Principe
    • (LSP)Liskov替换原则The Liskov Substitution Principe
    • (ISP)接口聚合原则The Interface Segregation Principe
    • (DIP)依赖转置原则The Dependency Inversion Principe

    SOLID原则!剩下的将主要围绕这五个原则分别说明:


    A. 单一责任原则(SRP):

    原则内容很简单,总结就是做好自己的事,不要插手别人的事。

    什么意思?假设一个软件有一段代码,如果有维护软件的需求需要改动这段代码,那么也就可以理解为这段代码对这次改动负有责任。形象点说,如果软件如果出现了问题,通过改动这段代码修复了,那么这段代码就是要对这个问题负责。所以代码变化的根本原因是责任,代码负责的功能出现了问题才会变化。

    所以为了减少代码变化,最好让一个类有一个责任而不是多个,也就是说做好自己的事。

    反过来说如果一个类承担了多个责任,那么会引入额外的包,占据资源。同时会导致频繁的重新配置部署等。



    2. 开放-封闭原则(OCP)

    开放:指的是对拓展性开放,模块的行为应该是可拓展的,从而该模块可表现出新的行为以满足需求的变化。

    封闭:指的是对修改封闭,模块自身的代码是不应被修改的,拓展模块的行为的一般途径是通过修改模块内部实现实现的。如果一个模块不能被修改,那么它通常被认为是具有固定的行为。

    其核心思想就是抽象技术。

    但运用的时候也会有一些情况,我们来看一下的栗子:


    问题:


    修改后:



    3. Liskov替换原则(LSP)

    其原则主要是:子类型必须能够替换其基类型。而且派生类必须能够通过其基类的接口使用,客户端无需了解二者之间的差异。

    这个原则已经在第五章中的复用性结构中详细说明了,不了解的可以看这里


    4. 接口聚合原则(ISP)

    其原则内容是:客户端不应依赖于他们不需要的方法。也就是说要吝啬你的接口方法,除去无用的。

    如果接口过于庞大可以分解为多个小接口,不同的接口向不同的客户端提供服务,客户端只需要访问自己所需要的接口。



    5.依赖转置原则(DIP)

    其原则内容是:抽象的模块不应依赖于具体的模块,而是具体的模块应该依赖于抽象。

    觉得课程中的栗子不是很恰当,所以就不截图了,这篇博客讲解的很详细,感兴趣的大家可以看一下。



    5. OO设计原则GRASP

    General Responsibility Assignment Software Patterns(Principes)通用责任分配软件模式

    其是关于如何为“类”和“对象”指派“职责”的一系列原则。

    对象的职责与对象的义务是有关联的。

    大栗子:


    责任是使用方法来实现的,makepayment代表sale对象有责任创建payment对象。


    GRASP通常由以下几部分组成:

    • 控制器(Controller)
    • 信息专家(Information expert)
    • 创建者(Creators)
    • 低耦合(Low coupling)
    • 高内聚(High cohension)
    • 间接(Indirection)
    • 多态(polymorphism)
    • 受保护的变体(Protected variations)
    • 纯制造(Pure fabrication)


    展开全文
  • 维护的常见度量指标

    千次阅读 2019-06-21 20:48:25
    维护的常见度量指标 ***圈复杂度:衡量代码的结构复杂,通过计算程序流程中不同代码路径的数量。具有复杂控制流程的程序将需要更多的测试来实现良好的代码覆盖率,并且将不易维护。 ***代码行数:代码中的...

    可维护性的常见度量指标

    ***圈复杂度:衡量代码的结构复杂性,通过计算程序流程中不同代码路径的数量。具有复杂控制流程的程序将需要更多的测试来实现良好的代码覆盖率,并且将不易维护。

    ***代码行数:指代码中的行数。非常高的数值可能表明某种类型或方法试图做太多工作,应该将其分解为几个部分分别实现。同时,也表明类型或方法可能难以维护。

    ***可维护性指数:通过计算,得到一个0~100的索引值,用以表示维护代码的相对容易性,该索引值越大,表明程序越容易维护。该指数基于以下几点进行计算:Halstead卷(HC) + 环复杂性(CC) + 每个模块的平均代码行数(LOC)+ 每个模块注释行的百分比(COM)

    计算公式:

    ***继承的层次数:指扩展到类层次结构根目录的类定义的数量。等级越深,就越难理解待定方法和字段在何处被定义或重新定义

    ***类之间的耦合度:通过参数、局部变量、返回类型、方法调用、泛型或模板实例化、基类、接口实现,在外部类型上定义的字段以及属性修饰来测量队唯一类的耦合

    良好的软件设计应该具有高内聚性和低耦合度

    高耦合度表明难以重用和维护(表明其与其他类型指尖存在很多相互依赖关系)

    聚合度与耦合度

    ***耦合度:耦合指对模块之间的依赖关系的度量,如果两个模块之间的变化可能需要另一个模块的变更,则两个模块之间存在依赖关系。其基于以下两个因素:

    ①模块之间的接口数量(数量)②每个接口的复杂性(质量)

    ***聚合度:是衡量一个模块的功能或责任的强烈程度的一个指标。若一个模块内的所有元素都朝着相同的目标努力,那么它就具有很强的内聚力。

    ***最好的软件设计应该是具有高聚合度和低耦合度。

    SOLID

    *** (SRP) The Single Responsibility Principle 单一责任原则

    不应有多于1个的原因使得一个类发生变化;一个类,一个责任

    最简单的原则,却是最难做好的原则

    *** (OCP) The Open-Closed Principle 开放-封闭原则

    对扩展性的开放 + 对修改的封闭

    模块的行为应是可扩展的,从而该模块可表现出新的行为以满足需求的变化。

    但模块自身的代码是不应被修改的;扩展模块行为的一般途径是修改模块的

    内部实现

    如果一个模块不能被修改,那么它通常被认为是具有固定的行为

    关键的解决方案:抽象技术(inheritance和composition)

    *** (LSP) The Liskov Substitution Principle Liskov替换原则

    子类型必须能够替换其基类型,派生类必须能够通过其基类的接口使用,客户端无需了解二者之间的差异
    

    *** (DIP) The Dependency Inversion Principle 依赖转置原则

    高级模块不应该依赖于低级模块,两者都应该取决于抽象

    抽象的模块不应依赖于具体的模块;具体应依赖于抽象

    优点:将类合同正式化;根据前后置条件定义例行服务

    *** (ISP) The Interface Segregation Principle 接口聚合原则

    客户端不应依赖于它们不需要的方法,最主要的是解决“胖”接口,这是由于“胖”接口不够聚合。
    
    方法:“胖”接口可分解为多个小的接口;不同的接口向不同的客户端提供服务;客户端只访问自己所需要的端口
    
    展开全文
  • 相似性度量

    千次阅读 2014-03-21 20:14:10
    在模式识别、计算机视觉等多个领域,都会涉及到相似度量这一问题,用来衡量不同对象间的差异(距离)或相似(相似度)。这里的对象可以是网页,图像,也可以是文本,集合,但最终在数学上都可以表示为向量...

    转自:http://blog.csdn.net/zxia1/article/details/8624444

    在模式识别、计算机视觉等多个领域,都会涉及到相似性的度量这一问题,用来衡量不同对象间的差异性(距离)或相似性(相似度)。这里的对象可以是网页,图像,也可以是文本,集合,但最终在数学上都可以表示为向量或者向量的集合。对于不同大小的向量集合的相似性度量问题,这里先不展开讨论。对于相同长度的向量大小的度量,这里假设两个向量为xy,他们分别为n维的向量X=(x1,...,xn),Y=(y1,...,yn)。一般而言,对于一个距离函数d(x,y)或相似度函数s(x,y),需要满足的条件为:

    1. d(x,x) = 0 ;//到自己的距离为0 
    2.  d(x,y)>=0 // 距离要非负 
    3.  对称性,d(x,y) =d(y,x) //如果A到B距离是a,那么B到A的距离也应该是a 
    4.  三角形法则(两个之和大于第三边)d(x,k)+d(k,y) >=d(x,y)

    满足这几个条件的度量函数很多,如欧式距离。但最新提出的一些函数,不满足第四个特性,如Google距离。下面简单介绍下几种常用的度量函数。


    (1) 欧几里得距离(Euclidean Distance)

    欧氏距离是最常见的距离度量,衡量的是多维空间中各个点之间的绝对距离。公式如下:


    因为计算是基于各维度特征的绝对数值,所以欧氏度量需要保证各维度指标在相同的刻度级别,比如对身高(cm)和体重(kg)两个单位不同的指标使用欧式距离可能使结果失效。虽然欧式距离是下面介绍的明式距离的一种特例,但是应用极为广泛,很多度量函数都是由欧式距离演化而来,如马哈拉诺比斯距离(Mahalanobis Distance)。


    (2) 明可夫斯基距离(Minkowski Distance)

    明氏距离是欧氏距离的推广,是对多个距离度量公式的概括性的表述。公式如下:


    这里的p值是一个变量,取值范围为(0,infinite)。明式距离其实是就是数学上的范数。

    当p=1时,就是表示的曼哈顿距离(Manhattan Distance),数学上为L1范数。曼哈顿距离来源于城市区块距离,是将多个维度上的距离进行求和后的结果:


    当p=2的时候就得到了上面的欧氏距离,也就是L2范数;

    当p趋于无穷时,明式距离就变成了切比雪夫距离(Chebyshev Distance),即数学上的无穷范数。切比雪夫距离起源于国际象棋中国王的走法,我们知道国际象棋国王每次只能往周围的8格中走一步,那么如果要从棋盘中A格(x1, y1)走到B格(x2, y2)最少需要走几步?扩展到多维空间,其实切比雪夫距离就是当p趋向于无穷大时的明氏距离::


    因此,曼哈顿距离、欧氏距离和切比雪夫距离都是明可夫斯基距离在特殊条件下的应用。


    (3) 编辑距离(Levenshtein distance)

    编辑距离,是指两个字串之间,由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。
    例如将kitten一字转成sitting:
    1. sitten (k→s)
    2. sittin (e→i)
    3. sitting (→g)
    俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念,
    与之相关的字符串相似性方法还有Jaro-Winkler distance。


    (4) 向量空间余弦相似度(Cosine Similarity)

    余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比距离度量,余弦相似度更加注重两个向量在方向上的差异,而非距离或长度上。因此有学者对余弦相似度进行修正,以衡量不同维度上的差异,如调整余弦相似度(Adjusted Cosine Similarity)。余弦相似度的就算公式如下:


    分子是两个向量的点积,||A||是向量的长度,随着角度的变化的,函数是从-1到1变化的。向量夹角的余弦就是两个向量的相似度。根据cosine similarity的定义 ,如果两个向量的夹角定了,那么无论一个向量伸长多少倍,他们的相似性都是不变的。所以,应用cosine 相似性之前,要把对象的每一个维度归一化。在搜索引擎技术中,cosine 相似性在计算查询和文档的相似性的时得到了很好的应用。对查询语句而言(如:“明天天气如何”),它的每一个维度是对应词的tf-idf.

    Cosine Similarity应用方向相当广泛,尤其是在文本相似度的度量方面。对于余弦相似度与欧式距离之间的差别,这里借助三维坐标系来看下两者的不同:


      从图上可以看出距离度量衡量的是空间各点间的绝对距离,跟各个点所在的位置坐标(即个体特征维度的数值)直接相关;而余弦相似度衡量的是空间向量的夹角,更加的是体现在方向上的差异,而不是位置。如果保持A点的位置不变,B点朝原方向远离坐标轴原点,那么这个时候余弦相似度cosθ是保持不变的,因为夹角不变,而A、B两点的距离显然在发生改变,这就是欧氏距离和余弦相似度的不同之处。

      根据欧氏距离和余弦相似度各自的计算方式和衡量特征,分别适用于不同的数据分析模型:欧氏距离能够体现个体数值特征的绝对差异,所以更多的用于需要从维度的数值大小中体现差异的分析,如使用用户行为指标分析用户价值的相似度或差异;而余弦相似度更多的是从方向上区分差异,而对绝对的数值不敏感,更多的用于使用用户对内容评分来区分用户兴趣的相似度和差异,同时修正了用户间可能存在的度量标准不统一的问题(因为余弦相似度对绝对数值不敏感)。


    (5) Jaccard相似系数(Jaccard Coefficient)
      Jaccard系数主要用于计算符号度量或布尔值度量的个体间的相似度,因为个体的特征属性都是由符号度量或者布尔值标识,因此无法衡量差异具体值的大小,只能获得“是否相同”这个结果,所以Jaccard系数只关心个体间共同具有的特征是否一致这个问题。如果比较X与Y的Jaccard相似系数,只比较x
    n和yn中相同的个数,公式如下:



    (6) 皮尔森相关系数(Pearson Correlation Coefficient)

    即相关分析中的相关系数r,分别对X和Y基于自身总体标准化后计算空间向量的余弦夹角。公式如下:



    (7) SimRank 相似度
    SimRank来自图论,说两个变量相似,因为他们链接了同一个或相似的节点。


    展开全文
  • 信息度量

    千次阅读 2018-04-21 18:48:31
    生活中一直有无数消息在传播,但是重要不一致,大多的消息甚至谈不上信息,因此经常被忽略。消息作为信息被进行衡量的标准,依赖于两个方面: 1. 影响 如果和自身不相关,甚至从来不想去探究。对某则消息完全不想...
  • 归一化互信息度量两张图片相似度的一种表达方式,它的值越大代表两张图片的相似越高。通常用来作为图像配准中的评判准则或是目标函数。它在两幅图像的灰度级数相似的情况下有良好的配准精度,较高的可靠;但是...
  • 信息及其度量 信息消息中所包含的有效内容...可见,消息中所含的信息量与 不预测或不确定有关 根据概率论知识,事件的不确定可用事件出现的概率来描述。 故若用P(x)表示发生信息的概率,I表示消息中...
  • 程序复杂性度量

    千次阅读 2010-05-12 16:19:00
     减少程序复杂提高软件的简单和可理解,并使软件开发费用减少,开发周期缩短,软件内部潜藏错误减少 一、代码行度量法 度量程序的复杂,最简单的方法就是统计程序的源代码行数。此方法基于两个前提:...
  • 用户相似性度量

    千次阅读 2014-12-24 15:48:26
    原理:度量两个意义对应数列之间的线性相关程度,即度量两个数列中数字一起增大或一起减小的可能。 场景:用于度量两个用户之间的相似度量两个用户针对同一物品的偏好值变化趋势的一致。 优点:结果直观。...
  • 距离与相似性度量

    千次阅读 2013-11-05 10:14:40
    相关性是统计学上的概念.在机器学习中,经常要衡量两个变量的相关性,比如K-mean聚类算法等.这里做一个简单的小结. 1,距离 最常见的距离就是平面上两点间的距离,也就是...2.相似性度量 衡量两个变量的相关相似程度的方式.
  • 距离和相似度度量方法

    万次阅读 多人点赞 2015-05-11 23:05:12
    在机器学习和数据挖掘中,我们经常需要知道个体间差异的大小,进而评价个体的相似和类别。最常见的是数据分析中的相关分析,数据挖掘中的分类和聚类算法,如 K 最近邻(KNN)和 K 均值(K-Means)等等。 不同距离...
  • 【转载】社会网络中心性度量

    千次阅读 2015-11-28 20:29:16
    社会网络中心性度量
  • 为了确保所构建的信息系统需求变更度量框架 的合理 ,我们迫切 的需要一种科学 的方法来指导 它。 目前 业 界 比较 流 行 的 导 方 法 有ISO9000,全 面 质 量 管 理 (TQM)、六 西 格 玛(6sigama)和 CMMI等。IS...
  • 开发出复用的软件(for reuse) 利用已有的软件系统搭建出软件系统(with reuse) 为什么复用 降低成本和开发时间 经过了充分的测试 标准化,能够在不同的一个用中保持一致 复用的代价 做到复用需要有清晰的定义、...
  • 常用的相似性度量指标

    千次阅读 2019-05-14 19:36:01
    相似性度量,即综合评定两个事物之间相近程度的一种度量。两个事物越接近,它们的相似性度量也就越大,而两个事物越疏远,它们的相似性度量也就越小。相似性度量的给法种类繁多,一般根据实际问题进行选用。 1. ...
  • 消息的定义:是包含信息的语言,文字和图像等,表达客观事物和主观思维活动的状态 信号:是把消息变换成电信号,声信号等适合信道传输的物理量 那什么是信息呢? 1)事物中包含的内容 2)是事物在运动状态或...
  • 轨迹相似性度量方法

    千次阅读 多人点赞 2020-10-28 15:37:19
    轨迹作为一种时空数据[1],的是某物体在空间中的移动路径,通常表示为GPS点的序列,例如tr=<p1→p2…pn>,其中点pi=(lat,lng,t),表示该物体在t时刻位于地理坐标位置(lat,lng)上,lat和lng分别表示纬度和...
  • 10 网站可用度量与考核

    千次阅读 2021-05-08 14:55:45
    这一故障导致美国许多使用亚马逊云服务的知名网站(如:Foursquare, Quora )受 到影响,并引发了人们对使用云计算安全、可靠的大规模讨论。 2010年1月12日,百度被黑客攻击,其DNS域名被劫持,导致百度全站长达数...
  • 数据的概括性度量 数据分布的特征可以从三个方面进行测度和描述: ①分布的集中趋势,反映各数据向其中心值靠拢或聚集的程度 ②分布的离散程度,反映各数据远离其中心值的趋势 ③分布的形状,反映数据分布的偏态和峰...
  • 数据的描述分析:概括性度量

    千次阅读 2018-06-12 23:32:31
    数据的水平(集中趋势或位置度量),它反映全部数据的数值大小2. 数据的差异,反映各数据间的离散程度;3. 分布的形状,反映数据分布的偏态和峰度。一、数据水平的描述数据水平是其取值的大小,描述数据水平的...
  • 信息熵--信息度量和作用

    千次阅读 2016-07-09 11:05:21
    一直对信息的作用感到不慎了解...所以信息熵的大小描述了信息的不确定也就描述了信息中所包含的信息量。不确定程度越高,信息量就越少比如有32支球队,由于没有看比赛我们需要去问别人才会知道结果,在所有球队夺冠
  • 度量空间

    千次阅读 2019-09-20 18:33:35
    度量空间的相关概念度量空间的数学意义定义例子开集、闭集、拓扑与收敛性度量空间的类型1. 完备空间2. 有界与完全有界空间3. 紧致空间4. 局部紧致与常态空间5. 连通6. 分空间 度量空间的数学意义 在数学中,...
  • 统计学 数据的概括性度量

    千次阅读 2017-10-18 18:07:03
    第四章 数据的概括性度量数据分布的特征可以从三个方面进行测度和描述:一是分布的集中趋势,反映各数据向其中心值靠拢或聚集的程度;二是分布的离散程度,反映各数据远离其中心的趋势;三是分布的形状,反映数据...
  • 网络分析中,经常会用到中心这个概念。通常在中心的分析角度上有两种出发点:中心度和中心势。 &amp;amp;amp;amp;amp;npsb;&amp;amp;amp;amp;amp;npsb;中心度表示一个节点在网络中处于核心地位的程度;...
  • 样本数据相似距离度量算法

    千次阅读 2017-11-15 16:02:03
    1. 欧氏距离 ...11. 信息熵 12.皮尔逊相关系数 13.编辑距离 14.DTW 距离 15.KL 散度 其他方法: 卡方检验 Chi-Square 衡量 categorical attributes 相关性的 mutualinformation Spearman's rank coefficie
  • 度量空间和稠密

    千次阅读 2008-11-12 10:30:00
    度量空间(Metric Space),又称(赋范向量空间normed vector space)在数学中是一个集合,并且该集合中的任意元素之间的距离是定义的。度量空间中最符合我们对于现实直观理解的是三维欧氏空间。这个空间中的...
  • 字符串相似的几种度量方法

    万次阅读 2016-11-09 21:58:57
    度量的方法有很多,到底使用哪一种方法来计算相似,这就需要我们根据情况选择合适的方法来计算。这里把几种常用到的度量字符串相似的方法罗列一下,仅供参考,欢迎大家补充指正。1、余弦相似(cosine ...
  • zipf定律与相似性度量

    千次阅读 2018-03-02 19:17:13
    zipf定律与相似性度量 Zipf定律指出,在文本中,标识符出现的频率与其在排序列表中的排名或位置成反比。这个定律描述了标识符在文本中是如何分布的,即一些标志符出现的频次很大,另一些出现的频次较低,还有一些...
  • Python统计学一数据的概括性度量

    万次阅读 2016-10-20 14:50:34
    一、数据的概括性度量 1、统计学概述:  统计学是应用数学的一个分支,主要通过利用概率论建立数学模型,收集所观察系统的数据,进行量化的分析、总结,并进而进行推断和预测,为相关决策提供依据和参考。  ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 73,465
精华内容 29,386
关键字:

信息的可度量性是指