算法的性能指标

A. 算法的衡量标准有哪些

衡量算法的三个标准是：时间复杂度、空间复杂度和难易程度。时间复杂度可以简单的说就是：大概程序要被执行的次数，而非时间。
注意：是次数，不是时间，因为不同机器的性能是不一样的,不要用计时器在那里计时谁的更快。当然，如果在同一台电脑上运行计时另说。
空间复杂度：同样简单来说就是：算法执行过程中大概所占用的最大的内存。

B. 如何评价一个决策树算法的性能指标

监督式学习：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集需要包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督式学习算法包括回归分析和统计分类。
非监督式学习：与监督学习相比，训练集没有人为标注的结果。常见的非监督式学习算法有聚类。

C. 如何度量算法的性能

算法是否高效决定你后面开发的效率和繁琐度。一般最好用博弈论测试下，核心算法不行的话最好推倒重建比较好些。

D. 算法的评价指标有哪些

时间复杂度和空间复杂度。

1、时间复杂度

算法的时间复杂度是指执行算法所需要的计算工作量。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做。

T(n)=Ο(f(n))

因此，问题的规模n 越大，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度（Asymptotic Time Complexity）。

2、空间复杂度

算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。

空间复杂度记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。

(4)算法的性能指标扩展阅读：

算法的方法：

1、递推法

递推是序列计算机中的一种常用算法。它是按照一定的规律来计算序列中的每个项，通常是通过计算机前面的一些项来得出序列中的指定项的值。其思想是把一个复杂的庞大的计算过程转化为简单过程的多次重复，该算法利用了计算机速度快和不知疲倦的机器特点。

2、递归法

程序调用自身的编程技巧称为递归（recursion）。一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法，它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的程序就可描述出解题过程所需要的多次重复计算，大大地减少了程序的代码量。递归的能力在于用有限的语句来定义对象的无限集合。

一般来说，递归需要有边界条件、递归前进段和递归返回段。当边界条件不满足时，递归前进；当边界条件满足时，递归返回。

注意：

(1) 递归就是在过程或函数里调用自身.

(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。

E. 数据结构中评价算法的两个重要指标是什么

数据结构中评价算法的两个重要指标是时间复杂度和空间复杂度。

同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。一个算法的评价主要从时间复杂度和空间复杂度来考虑。

1、时间复杂度：

算法的时间复杂度是指执行算法所需要的计算工作量。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做。

2、空间复杂度：

算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。

(5)算法的性能指标扩展阅读：

评估算法效率的方法：

1、事后统计方法

这种方法主要是通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低。

2、事前分析估算方法

在计算机程序编写前，依据统计方法对算法进行估算。经过总结，可以发现一个高级语言编写的程序在计算机上运行时所消耗的时间取决于下列因素：算法采用的策略、编译产生的代码质量、问题的输入规模、机器执行指令的速度。

参考资料来源：网络-算法

F. 评价算法优劣的标准是

同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。一个算法的评价主要从时间复杂度和空间复杂度来考虑。

时间复杂度

算法的时间复杂度是指执行算法所需要的计算工作量。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做。

T(n)=Ο(f(n))

因此，问题的规模n 越大，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度

空间复杂度

算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。

正确性

算法的正确性是评价一个算法优劣的最重要的标准。

可读性

算法的可读性是指一个算法可供人们阅读的容易程度。

健壮性

健壮性是指一个算法对不合理数据输入的反应能力和处理能力，也称为容错性。

(6)算法的性能指标扩展阅读

算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。

算法可以宏泛的分为三类：

一，有限的，确定性算法 这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值。

二，有限的，非确定算法 这类算法在有限的时间内终止。然而，对于一个（或一些）给定的数值，算法的结果并不是唯一的或确定的。

三，无限的算法 是那些由于没有定义终止定义条件，或定义的条件无法由输入的数据满足而不终止运行的算法。通常，无限算法的产生是由于未能确定的定义终止条件。

参考资料：算法--网络

G. 自适应算法的性能指标

一种算法性能的好坏可以通过几个常用的指标来衡量，例如收敛速度：通常用算法达到稳定状态(即与最优值的接近程度达到一定值)的迭代次数表示；误调比：实际均方误差相对于算法的最小均方误差的平均偏差；运算复杂度：完成一次完整迭代所需的运算次数；跟踪性能：对信道时变统计特性的自适应能力。

H. 车牌识别算法的性能指标都包括什么

1.正确性
一个算法必须正确才有存在的意义，这是最重要的指标，即不会出现卡死、崩溃、输出乱码等现象。
2.可读性
客户需要调用车牌识别算法接口，所以，算法接口的可读性和易理解性也非常重要。
3.识别率
在考虑雨雪天气、车牌有无遮挡、车牌有无倾斜、车牌有无畸变、车牌有无污损、并支持多种车牌类型、白天和夜间等情况下，车牌整体识别率还能达到99%以上，这样的易泊车牌识别算法才能在实际应用中发挥出它的价值。
4.识别速度
识别速度决定了一个车牌识别系统是否能够满足实时性的要求，例如在停车场出入口管理应用中，如果识别速度太慢，出入口不能及时的自动抬干放行车辆，就会严重影响车辆的正常通过。
5.内存的占用
算法的执行都会占用一些内存，但如果占用过多，可能会影响其他系统的正常运行或者降低整个系统的运行速度，所以算法占用内存越少越好。
6.鲁棒性
鲁棒性是指当算法受到某种干扰或算法中某些参数在小范围内变化时，算法得到的结果是相对稳定的。鲁棒性包括两个方面，一方面，对出现的不合理的数据或非法的操作，算法能够对这些问题进行检查、纠正；另一方面，算法能克服很多因素的影响，适应不同的环境和条件。一个具有较强鲁棒性的车牌识别算法能克服天气变化、图像畸变、污损等的影响，且能保持在不同运行平台和不同数据格式下的稳定性能。

I. 评价回归算法性能好坏的指标一般有哪些

一幅图形或者图像被分割成像素矩阵，每个像素表示图像独立的点，而一幅图像中所使用像素的个数就是分辨率，像素的大小取决于分辨率。也就是说图像的失真程度跟其分辨率相关，分辨率越大，像素越高，图像越清晰，越不会失真。

J. 衡量无线传感网络节点定位算法的性能指标有哪些

1. 定位精准度：空间实体位置信息与真实位置之间的接近程度。

2. 有效定位范围：定位系统所能定位的有效范围

3. 节点密度：播撒的传感器节点的疏密程度

4. 信标节点密度：信标节点在整个WSN中所占比例

5. 容错性与自适应性

6. 安全性：指系统对合法用户的响应以及对非法请求的抗拒

7. 功耗：低

8. 代价与成本：包括时间代价，空间代价，资金代价都要尽可能低