演算法的性能指標

A. 演算法的衡量標准有哪些

衡量演算法的三個標準是：時間復雜度、空間復雜度和難易程度。時間復雜度可以簡單的說就是：大概程序要被執行的次數，而非時間。
注意：是次數，不是時間，因為不同機器的性能是不一樣的,不要用計時器在那裡計時誰的更快。當然，如果在同一台電腦上運行計時另說。
空間復雜度：同樣簡單來說就是：演算法執行過程中大概所佔用的最大的內存。

B. 如何評價一個決策樹演算法的性能指標

監督式學習：從給定的訓練數據集中學習出一個函數，當新的數據到來時，可以根據這個函數預測結果。監督學習的訓練集需要包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標注的。常見的監督式學習演算法包括回歸分析和統計分類。
非監督式學習：與監督學習相比，訓練集沒有人為標注的結果。常見的非監督式學習演算法有聚類。

C. 如何度量演算法的性能

演算法是否高效決定你後面開發的效率和繁瑣度。一般最好用博弈論測試下，核心演算法不行的話最好推倒重建比較好些。

D. 演算法的評價指標有哪些

時間復雜度和空間復雜度。

1、時間復雜度

演算法的時間復雜度是指執行演算法所需要的計算工作量。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做。

T(n)=Ο(f(n))

因此，問題的規模n 越大，演算法執行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度（Asymptotic Time Complexity）。

2、空間復雜度

演算法的空間復雜度是指演算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

空間復雜度記做S(n)=O(f(n))。比如直接插入排序的時間復雜度是O(n^2),空間復雜度是O(1) 。而一般的遞歸演算法就要有O(n)的空間復雜度了，因為每次遞歸都要存儲返回信息。一個演算法的優劣主要從演算法的執行時間和所需要佔用的存儲空間兩個方面衡量。

(4)演算法的性能指標擴展閱讀：

演算法的方法：

1、遞推法

遞推是序列計算機中的一種常用演算法。它是按照一定的規律來計算序列中的每個項，通常是通過計算機前面的一些項來得出序列中的指定項的值。其思想是把一個復雜的龐大的計算過程轉化為簡單過程的多次重復，該演算法利用了計算機速度快和不知疲倦的機器特點。

2、遞歸法

程序調用自身的編程技巧稱為遞歸（recursion）。一個過程或函數在其定義或說明中有直接或間接調用自身的一種方法，它通常把一個大型復雜的問題層層轉化為一個與原問題相似的規模較小的問題來求解，遞歸策略只需少量的程序就可描述出解題過程所需要的多次重復計算，大大地減少了程序的代碼量。遞歸的能力在於用有限的語句來定義對象的無限集合。

一般來說，遞歸需要有邊界條件、遞歸前進段和遞歸返回段。當邊界條件不滿足時，遞歸前進；當邊界條件滿足時，遞歸返回。

注意：

(1) 遞歸就是在過程或函數里調用自身.

(2) 在使用遞歸策略時，必須有一個明確的遞歸結束條件，稱為遞歸出口。

E. 數據結構中評價演算法的兩個重要指標是什麼

數據結構中評價演算法的兩個重要指標是時間復雜度和空間復雜度。

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

1、時間復雜度：

演算法的時間復雜度是指執行演算法所需要的計算工作量。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做。

2、空間復雜度：

演算法的空間復雜度是指演算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

(5)演算法的性能指標擴展閱讀：

評估演算法效率的方法：

1、事後統計方法

這種方法主要是通過設計好的測試程序和數據，利用計算機計時器對不同演算法編制的程序的運行時間進行比較，從而確定演算法效率的高低。

2、事前分析估算方法

在計算機程序編寫前，依據統計方法對演算法進行估算。經過總結，可以發現一個高級語言編寫的程序在計算機上運行時所消耗的時間取決於下列因素：演算法採用的策略、編譯產生的代碼質量、問題的輸入規模、機器執行指令的速度。

參考資料來源：網路-演算法

F. 評價演算法優劣的標準是

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

時間復雜度

演算法的時間復雜度是指執行演算法所需要的計算工作量。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做。

T(n)=Ο(f(n))

因此，問題的規模n 越大，演算法執行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度

空間復雜度

演算法的空間復雜度是指演算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

正確性

演算法的正確性是評價一個演算法優劣的最重要的標准。

可讀性

演算法的可讀性是指一個演算法可供人們閱讀的容易程度。

健壯性

健壯性是指一個演算法對不合理數據輸入的反應能力和處理能力，也稱為容錯性。

(6)演算法的性能指標擴展閱讀

演算法可大致分為基本演算法、數據結構的演算法、數論與代數演算法、計算幾何的演算法、圖論的演算法、動態規劃以及數值分析、加密演算法、排序演算法、檢索演算法、隨機化演算法、並行演算法，厄米變形模型，隨機森林演算法。

演算法可以宏泛的分為三類：

一，有限的，確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。

二，有限的，非確定演算法 這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。

三，無限的演算法 是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。

參考資料：演算法--網路

G. 自適應演算法的性能指標

一種演算法性能的好壞可以通過幾個常用的指標來衡量，例如收斂速度：通常用演算法達到穩定狀態(即與最優值的接近程度達到一定值)的迭代次數表示；誤調比：實際均方誤差相對於演算法的最小均方誤差的平均偏差；運算復雜度：完成一次完整迭代所需的運算次數；跟蹤性能：對信道時變統計特性的自適應能力。

H. 車牌識別演算法的性能指標都包括什麼

1.正確性
一個演算法必須正確才有存在的意義，這是最重要的指標，即不會出現卡死、崩潰、輸出亂碼等現象。
2.可讀性
客戶需要調用車牌識別演算法介面，所以，演算法介面的可讀性和易理解性也非常重要。
3.識別率
在考慮雨雪天氣、車牌有無遮擋、車牌有無傾斜、車牌有無畸變、車牌有無污損、並支持多種車牌類型、白天和夜間等情況下，車牌整體識別率還能達到99%以上，這樣的易泊車牌識別演算法才能在實際應用中發揮出它的價值。
4.識別速度
識別速度決定了一個車牌識別系統是否能夠滿足實時性的要求，例如在停車場出入口管理應用中，如果識別速度太慢，出入口不能及時的自動抬干放行車輛，就會嚴重影響車輛的正常通過。
5.內存的佔用
演算法的執行都會佔用一些內存，但如果佔用過多，可能會影響其他系統的正常運行或者降低整個系統的運行速度，所以演算法佔用內存越少越好。
6.魯棒性
魯棒性是指當演算法受到某種干擾或演算法中某些參數在小范圍內變化時，演算法得到的結果是相對穩定的。魯棒性包括兩個方面，一方面，對出現的不合理的數據或非法的操作，演算法能夠對這些問題進行檢查、糾正；另一方面，演算法能克服很多因素的影響，適應不同的環境和條件。一個具有較強魯棒性的車牌識別演算法能克服天氣變化、圖像畸變、污損等的影響，且能保持在不同運行平台和不同數據格式下的穩定性能。

I. 評價回歸演算法性能好壞的指標一般有哪些

一幅圖形或者圖像被分割成像素矩陣，每個像素表示圖像獨立的點，而一幅圖像中所使用像素的個數就是解析度，像素的大小取決於解析度。也就是說圖像的失真程度跟其解析度相關，解析度越大，像素越高，圖像越清晰，越不會失真。

J. 衡量無線感測網路節點定位演算法的性能指標有哪些

1. 定位精準度：空間實體位置信息與真實位置之間的接近程度。

2. 有效定位范圍：定位系統所能定位的有效范圍

3. 節點密度：播撒的感測器節點的疏密程度

4. 信標節點密度：信標節點在整個WSN中所佔比例

5. 容錯性與自適應性

6. 安全性：指系統對合法用戶的響應以及對非法請求的抗拒

7. 功耗：低

8. 代價與成本：包括時間代價，空間代價，資金代價都要盡可能低