Count-Min草图的宽度（桶的数量）和深度（散列函数的数量）决定了检索的频率估计的准确性。
来自最初的Count-Min作者的2005 paper：
参数w和d可以通过设置w =⌈e/ε⌉和d =⌈ln1/δ⌉来选择，其中回答查询的误差在概率δ的ε因子内。
如上所述：
w=⌈e/error⌉
d=⌈ln(1/(1−certainty))⌉
来自最初的Count-Min作者的2011 paper：
假设我们想要一个最多0.1（所有频率之和）的误差，99.9确定性。然后我们想要2 / w = 1/1000，我们设置w = 2000，并且（1/2）^ d = 0.001，即d = log0.001 /log0.5≤10。
导致：
w=⌈2/error⌉
d=⌈ln(1−certainty)/ln(1/2)⌉
然而，误差必须取决于存储在草图中的元素N的总数。元素越多，错误和错误概率就越大。 为了创建初始草图，什么是合适的函数？