标签: metrics

其潜在员工要求其中一家公司使用某种编程语言(如Java或C#)提供一生中编写的代码行数.因为,我们大多数人在多种语言的不同项目中都有多年的经验,我们很难记录这一点,这是计算这些指标的最佳方法.我相信stackoverlow.com的聪明人会有一些想法.

这是一个在其领域非常受尊敬的公司,我相信他们有一个很好的理由提出这个问题.但令人难以回答的是需要考虑的代码类型.我应该只包括我实现的难度算法或我为其编写的任何代码,例如具有300个属性且其getter/setter是使用IDE生成的POJO!

我想知道如何解释 YOLOv8 模型中的不同损失。我很容易找到有关 box_loss 和 cls_loss 的解释。关于 dfl_loss 我在互联网上没有找到任何信息。我还检查了 YOLOv8 文档。

我找到了一篇关于双焦点损失的文章，但不确定它是否对应于 YOLOv8 dfl_loss ：双焦点损失来解决语义分割中的类不平衡问题

有人可以向我解释什么是 dfl_loss 以及如何分析它吗？谢谢 ！

您可以使用当前字体获取字符串的宽度,stringwidth虽然这实际上会推动堆栈上的偏移坐标,但y值似乎总是无用的.有没有办法确定字符串的确切高度,可能包括也可能不包括下行链接？

有没有人知道适用于C++的 Eclipse的良好度量插件？

我主要是寻找代码行.谢谢.

在https://developers.facebook.com/docs/reference/fql/insights/ Facebook上说明::

We are deprecating some old insights. These metrics are marked as __deprecated__
throughout this document. After 12/21/2011, data for these metrics won't be available
prior to 07/19/2011 -- please download this data before this 12/21/2011. These insights
will be completely removed from API after 02/15/2012.

奇怪的是,在https://developers.facebook.com/roadmap/上的开发者路线图中没有注意到这一点.

在弃用列表上是(ao):

• page_active_users
• page_wall_posts
• page_comment_adds
• page_like_adds
• page_fans_gender_age
• page_fans_country

我的问题是,哪些新指标取代了上面列出的指标？

我一直在使用grafana或者涌流等工具,这些都是很棒的项目,可以帮助创建带有图表和各种图形的仪表板.

我想知道,是否可以在独立的javascript库中分离这些应用程序的2个核心功能,这些功能可以在现有的Web应用程序中重用(最终用户也可以轻松使用)？

2个主要功能是:

• 图形编辑器(查询,标签,颜色,ecc.)
• 图表视图(参见图表,更改日期范围,放大和缩小,ecc)

grafana和类似解决方案的问题在于它们不容易与现有的Web应用程序集成,并且这些项目的复杂性和新功能都在增加,而许多人可能需要的是现有Web应用程序中的某种集成.

有人在研究这个吗？如果是,那么最有希望的两个项目是什么？

确保我做对了:

如果我们单独使用sklearn.metrics.log_loss,即log_loss(y_true,y_pred),它会产生一个正分数 - 分数越小,性能越好.

但是,如果我们使用'neg_log_loss'作为'cross_val_score'中的评分方案,则得分为负 - 得分越大,表现越好.

这是因为评分方案的建立与其他评分方案一致.通常,越高越好,我们否定通常的log_loss与趋势一致.它只是为了这个目的而完成的.这种理解是否正确？

[背景:对于metric.log_loss获得正分数,为'neg_los_loss'获得负分数,并且两者都引用相同的文档页面.]

如何在Keras中实施此指标？我的代码下面给出了错误的结果!请注意,我正在通过exp(x) - 1撤消先前的log(x + 1)变换,负面预测也会被剪切为0:

def rmsle_cust(y_true, y_pred):
    first_log = K.clip(K.exp(y_pred) - 1.0, 0, None)
    second_log = K.clip(K.exp(y_true) - 1.0, 0, None)
    return K.sqrt(K.mean(K.square(K.log(first_log + 1.) - K.log(second_log + 1.)), axis=-1)

为了比较,这是标准的numpy实现:

def rmsle_cust_py(y, y_pred, **kwargs):
    # undo 1 + log
    y = np.exp(y) - 1
    y_pred = np.exp(y_pred) - 1

    y_pred[y_pred < 0] = 0.0
    to_sum = [(math.log(y_pred[i] + 1) - math.log(y[i] + 1)) ** 2.0 for i,pred in enumerate(y_pred)]
    return (sum(to_sum) * (1.0/len(y))) ** 0.5

我做错了什么？谢谢!

编辑:设置axis=0 …

我们有 10000 行ages (float), titles (enum/int), scores (float), ....

• 我们有 N 列，每列都有一个表中的 int/float 值。
• 你可以把它想象成 ND 空间中的点
• 我们想选择 K 个点，它们之间的距离最大化。

因此，如果我们在一个紧密排列的集群中有 100 个点，而在远处有 1 个点，我们将得到如下三个点的结果： 或这个

对于 4 点，它会变得更有趣并在中间选择一些点。

那么如何从 N（具有任何复杂性）中选择 K 个最远的行（点）？它看起来像一个具有给定分辨率的 ND 点云“三角测量”，但不适用于 3d 点。

我为 K=200 和 N=100000 和 ND=6（可能是基于 KDTree、SOM 或三角剖分的多重网格或人工神经网络......）寻找一种相当快速的方法（近似 - 不需要精确的解决方案）。

我试图找出应用程序内修饰符 as_rate()和汇总函数 per_second()之间的区别。

我想要一个包含两列的表：左列显示提交给分发的事件总数（用查询来说：）count:METRIC{*} by {tag}，右列显示每秒事件的平均速率。表格可视化在左列上应用总和汇总，在右列上应用平均汇总，以便左列应等于右列乘以所选时间段内的总秒数。

通过阅读文档，我预计这些查询中的任何一个都适用于右列：

count:DISTRIBUTION_METRIC{*} by {tag}.as_rate()

per_second(count:DISTRIBUTION_METRIC{*} by {tag})

但是，事实证明这两个查询并不相同。as_rate()是唯一找到预期平均速率的函数，其中left = right * num_seconds. 事实上，per_second()汇总会做这种额外奇怪的事情，其中​​总事件数较低的指标具有较高的平均率。

有人能够澄清为什么这两个函数不是同义词以及per_second()有什么不同吗？