當我們使用滑動平均模型的時候，相當於我們維護了兩組變數：
實際變數（記為variable） 和影子變數（記為shadow_variable）
按照滑動平均模型：
shadow_variable=decay×shadow_variable+(1−decay)×variable
這裡我們需要明確的是variable和shadow_variable是不會直接相互賦值的
加號前的部分可以看作對之前資訊的乙個保留
加號後的部分可以看作對新變數資訊的裝入
總體上看，shadow_variable相當於對variable變化過程的乙個總結，
所以實際情況中，shadow_variable最終可能與variable差別很大
ps：今天看書的時候發現自己思路有誤，固記下部落格訂正，希望能夠幫助相似的人
如何最小化混合雲中影子IT帶來的風險
儘管雲計算有很多的好處，但缺點也不可避免，影子it就是其中之一。受到雲計算的低成本驅使，影子it作為一種服務模式，將傳統it和cio的職能轉移到企業的生產部門。儘管影子it的風險在之前已經被討論過，但一種新的風險正在發生，尤其是在混合雲的環境中。對許多公司來說，影子it是一種將企業對於乙個問題或者機...
模型評價指標
機器學習模型中常見的是分類問題，分類模型的評價指標主要有 1 精確率 2 召回率 3 f值 4 auc值 roc曲線 分類問題可劃分成二分類和多分類問題，其中二分類最為常見，多分類問題大都也是轉化成二分類問題求解，因此本文主要基於二分類模型進行模型評價指標的分析。1 給定標記好的模型訓練資料，經分類...
模型評價 C index
二 c index計算 在很多臨床文章中經常看見統計方法裡面描述模型的區分能力 discrimination ability 用c statistics來度量，下面我們就用r語言為大家演示這個所謂的c statistics如何計算？本文先講解cox回歸中的c statistics 一般稱為c ind...