فقط یکبار
چرا اهمیت دارد سنسورها، لاگها و تپهای شبکه دادههایی تولید میکنند که فقط یکبار قابل مشاهدهاند. «ابتدا آن را در یک لیست بخوانید» گزینهای نیست و فرمول کتاب درسی برای پراکندگی بهآرامی روی اعدادی که سیستمهای واقعی تولید میکنند، از کار میافتد.
یک گیتوی روی کف کارخانه جریانی از اندازهگیریها را زیر نظر دارد و تعداد، میانگین، پراکندگی، حداقل و حداکثر آنها را گزارش میکند. این گیتوی چند کیلوبایت فضای آزاد دارد و نمیتواند جریان را بازگردانَد. برخی حسگرها شمارندههای خام حدود یک میلیارد را گزارش میکنند که تنها چند واحد نوسان دارند.
انحراف معیار نمونه: sqrt(sum((x - mean)^2) / (n - 1))، همان "stdev" معمول. وقتی اینگونه نوشته شود، به میانگین در مرحله اول نیاز دارد، که به معنای یک مرحله دوم است.
یک میانبر معروف تکمرحلهای از جمع و جمع مربعات استفاده میکند. قبل از اینکه به آن اعتماد کنید، آن را روی اعدادی که نزدیک یک میلیارد هستند امتحان کنید: تفریق دو عدد بسیار بزرگ و تقریباً برابر، عمدتاً خطای گرد کردن باقی میگذارد.
نوشتن stats(tape). tape یک Tape از اعداد اعشاری. یک dict با count, mean, stdev (نمونهای، تقسیم بر n - 1؛ 0 برای یک خوانش تکی)، min و max. در صورت عدم وجود هیچ اندازهگیری: count 0 و None برای بقیه. محدودیتها: نوار را یکبار بخوانید (۲۰٬۰۰۰ خوانش برای ۲۰٬۰۰۰ مقدار خواندهشده)؛ حداکثر از ۱۶٬۰۰۰ بایت حافظه کاری استفاده کنید (اندازهگیریشده با tracemalloc); stdev باید با دقت یک جزء در میلیون نسبت به مقدار واقعی باشد، حتی برای خوانشهایی در حدود ۱,۰۰۰,۰۰۰,۰۰۰ با پراکندگی حدود ۱۰.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.