3回答
测试分布
java、testing、enterprise
在我的工作中，我们正在运行一组测试，其中包括大约3,000个单独的测试用例。以前，我们在一台机器上运行了整个测试套件，这花费了24到72小时才完成整个测试运行。我们现在已经创建了自己的系统，用于在大约三台独立的机器上分组和分发测试，并对测试进行优先排序，以便首先运行核心测试以获得更即时的结果，并在有可用的机器时运行额外的测试。我很好奇是否有人找到了一种很好的方法将他们的测试分发到多台机器上，以减少完整运行的总测试时间
浏览 7提问于2008-08-11得票数 10
回答已采纳
3回答
训练数据的分布与测试/预测的分布
validation、machine-learning、cross-validation、training-data
培训数据所表示的分布是否需要反映测试数据和您预测的数据的分布情况？我能否通过查看每个特性的分布来衡量培训数据的质量，并将该分布与我所预测或测试的数据进行比较？理想情况下，培训数据应充分代表现实世界的分布情况。
浏览 7提问于2018-01-08得票数 2
回答已采纳
1回答
当测试集仍然不平衡时，“过度抽样”的目的是什么？
multiclass-classification、class-imbalance
我知道培训集和测试集都应该有相同的分布，也知道我们不应该触及测试集(就过度抽样而言)。但是我们知道过度采样训练集(特别是在多类分类中)完全改变了训练集的分布。例如：过量取样后我的训练集分布为: 25%，25%，25%，25% 适用于A、B、C和D类。采用分层交叉验证的训练集分布为: 90%、5%、3%、1% 适用于A、B、C和D类 ->作为分层保持原始数据分布。
浏览 0提问于2019-08-21得票数 1
2回答
如何检查训练集和测试集的分布是否相似
machine-learning、classification、dataset、distribution
我一直在玩Kaggle比赛，我发现训练集和测试集的分布是不同的，所以我想知道如何检查训练集和测试集的分布是否相似。
如果存在协变量移位，那么在混合训练和测试时，我们仍然能够准确地分类每个数据点(无论是来自测试还是来自测试)的起源。但我还是不明白为什么他能用这种方式检
浏览 0提问于2019-04-18得票数 10
回答已采纳
1回答
确定随机数检验的检验统计量和分布
testing、statistics、random
在为随机数测试及其可能的分布开发测试时，您如何决定测试统计数据？如何计算和确定用于计算测试统计分布的p值的公式。提亚
浏览 2提问于2010-09-24得票数 1
1回答
scipy.stats.anderson测试临界值
python-2.7、scipy、statistical-test、scipy.stats
我使用scipy.stats.anderson()测试正态分布。我的测试分布不是正态分布，因此测试统计量>临界值。然而，当检查所有计算出的临界值时，我观察到，对于降低p值的临界值，临界值正在增加。这意味着，测试越关键(p值越小)，获得的临界值越接近测试统计量。在我看来，这应该是另一种方式。有人熟悉Anderson测试及其在Scipy中的实现吗？
浏览 0提问于2014-03-01得票数 1
1回答
调度Jmeter分布式测试
unit-testing、scheduling、distributed、jmeter
我使用的是JMeter的分布式测试特性，它工作得很好。然而，当我计划这个分布式运行时，它只是立即运行，而忽略了计划。这只会发生在分布式测试中。有什么想法吗？
浏览 2提问于2010-09-22得票数 3
1回答
'ks‘有Python版本吗？
python、r、statistics、kernel-density
函数kde.test (基于内核密度的全局双样本比较测试，而不是KS测试)是我所需要的。
浏览 2提问于2022-06-01得票数 0
2回答
aws ecs分布式负载测试支持jmeter mqtt采样器吗？
amazon-web-services、jmeter、mqtt、jmeter-plugins、mosquitto
我正在进行J抄分布式负载测试，我一直在尝试设置aws ecs容器，用于mqtt蚊子的负载测试。
aws分布式负载测试支持jmeter采样器插件吗？
浏览 3提问于2021-07-29得票数 0
回答已采纳
1回答
如何检查python中变量的分布情况？
python、arrays、random、numpy、statistics
在统一测试中，我需要检查数组的值的分布是否均匀。例如：对于较大长度的数组，分布更加“均匀”
如何证明正在测试的数组具有均匀分布？
浏览 1提问于2014-03-14得票数 8
回答已采纳
1回答
单个模型在测试集上给出了完全相同的分布，而Ensembling给出了更好的结果，但分布非常不同。
distribution、learning、ensemble
问题如下:当我在测试集上进行预测时，我的三个模型(我没有标签)给出了与列车集非常相似的分布。但是对这些模型进行建模，在给出较好的结果(F1-评分)的同时，它大大改变了测试集上的分布，从~20%到5%。我的问题是:我不知道测试集的分布。
谢谢你的帮助
浏览 0提问于2021-01-31得票数 0
回答已采纳
1回答
由数据集上的概率分布生成训练数据意味着什么？
deep-learning、dataset
我当时正在阅读深度学习书，并看到了以下段落(第109页，第2段)：
训练和测试数据是通过数据集上的概率分布(称为数据生成过程)生成的。我们通常会做出一套统称为i.i.d的假设。假设。这些假设是，每个数据集中的示例是相互独立的，训练集和测试集是相同分布的，它们是从相同的概率分布中提取的。这个假设使我们能够描述在单个example.The上具有概率分布的数据生成过程，然后使用相同的分布来生成每个火车示例和每个测试示例。假设条件使我们能够从数学上研究训练误差
浏览 0提问于2017-12-26得票数 6
4回答
在python中实现Kolmogorov Smirnov测试
python、scipy、statistics、statistical-test
我有一个关于N个数字的数据集，我想测试它的正态性。我知道scipy.stats有一个，但是没有关于如何使用它和如何解释结果的例子。这里有谁能给我一些建议吗？根据文档，使用kstest返回两个数字，KS测试统计量D和p值。如果p值大于显着性水平(例如5%)，那么我们就不能拒绝数据来自给定分布的假设。当我通过从正态分布中抽取10000个样本进行测试时，我的测试是：from scipy.stats import kstest
mu,sigma = 0.
浏览 5提问于2011-10-26得票数 30
回答已采纳
1回答
我如何知道我的数据是否符合泊松分布使用R？
r、glm、poisson
我有一个大约30个值的数据集，我想知道这些数据是否符合泊松分布。我想做一个测试，比如对我的数据进行GLM测试，我发现它们不服从正态分布。我的一个猜测是，它们遵循泊松分布，但我需要确保它是正确的。
浏览 2提问于2020-01-19得票数 1
1回答
交叉验证训练集，其中类变量具有与实际总体不同的分布
machine-learning、scikit-learn、cross-validation
( ML中的新手，耐心点)我想测试一下我的scikit learn SVMLinear分类器的性能。我的训练集具有与实际人口不同的类分布，但我的测试集是代表性的，并且像实际人口一样分布。我注意到有一个类权重参数，我想尝试给我的分类器提供实际的人口分布，看看它是否有助于它更好地执行。
然而，由于我的训练集分布是不同的，所以我的验证集也是不同的，对吧？那么，我应该期待验证方面的改进，还是必须使用我的测试集来查看改进？如果是这样的话-使用测试集进行校准是否违
浏览 0提问于2015-01-09得票数 2
7回答
生成“太完美”的随机数
random、statistics
一个好的RNG应该通过几个随机性的统计测试。例如，在0到1的范围内的均匀实值可以被分成一个直方图，每个柱状图中的计数大致相等，由于统计波动，给与或取一些。这些计数服从某种分布，我不记得它是泊松分布还是二项分布，但在任何情况下，这些分布都是有尾数的。同样的想法也适用于相关性、微妙的周期性等测试。一个不可接受的答案是:一
浏览 0提问于2010-03-07得票数 1
回答已采纳
1回答
prng测试的相关性计算及拟合优度
random、statistics、goodness-of-fit
我正在跟踪对伪随机数生成器测试的描述，并试图在C中实现测试。不过，有一件事我还挂在心上。所涉案文如下：
在H0下，作为n ⇢ infinity，p̂ * sqrt(n - 1)具有渐近的标准正态分布。这是在测试中使用的。该测试仅对大n有效。现在，我的计划是计算这个测试统计量，并使用Anderson-Darling检验对正态分布进行拟合优度检验。但是，对于如何从这个测
浏览 2提问于2017-10-06得票数 0
回答已采纳
2回答
如何证明实验数据服从重尾分布？
algorithm、statistics、distribution、delay、probability
我有几个服务器响应延迟的测试结果。根据我们的理论分析，时延分布应该具有重尾行为。但是，我如何证明测试结果确实遵循厚尾分布呢？
浏览 0提问于2012-03-06得票数 0
回答已采纳
2回答
机器学习学习如何在未来的数据分布上做好工作？
machine-learning、distribution
目前使用的许多机器学习模型(SVMs、G灌树、DNN)都是在以下假设下工作的:培训、验证和测试数据集共享相同的分布。在某种程度上，如果分布不同，但不存在很大差异，它们就可以工作。在这里，“可以工作”意味着它们的工作是次最优的(即，如果分布相同，它们可以更好地工作)，而不是说它们背后的理论应该处理w/ /分布的差异，并且可以像“钉住它”那样处理它们。因此，我的问题是:是否有基于数据集实际上正在经历一系列分布变化的假设进行预测的工作？一个疯狂的想法是观察训练集和验证集之间
浏览 0提问于2017-04-25得票数 2
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
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