假设您需要显示一个棒球队表现如何(我的软件问题与体育无关,但......)的图形表示。
假设您选择了25%的测量仪与第一次击球时击球的击球员百分比相关。 接下来的25%与球队投手的百分比有关,他们在比赛中投掷了多次罢工。 最后的50%与球队在比赛中得分的比例相关。
显而易见的计算是(.25 * percentage1)+(。25 * percentage2)+(。5 * percentage3)。这将等于某些最终计算< 100。
假设你想在算法中添加一些“负面”部分。例如,在比赛期间出现错误的守门员的百分比。这将如何作为算法的一部分?我不认为你可以说这个百分比是-50%(负数),然后在某处增加额外的50%以加起来达到100%。那是行不通的,因为你最终可能会得到最终的计算> 100。
更新:(以给出实际例子)
如果我们总计百分比,那么我们是100%,但计算结果可能是> 100。
答案 0 :(得分:1)
只需添加它。如果守场员是完美的,他们的错误率是0,0 *( - 。5)= 0,你的计算仍然可能有最大值1.你不需要任何修正系数。 / p>
答案 1 :(得分:0)
您可以衡量一个团队与任意限制相比的表现,或者可能是所有团队中最差的。(/ p>
因此,如果您希望错误计算为50%,则任意限制为100
.5 * (100 - NumberOfErrors)
或者你可以衡量一支球队对抗联盟中最差的球队
.5 * 100 * (MostErrorsInTheLeague - NumberOfErrors) / MostErrorsInTheLeague
这样,最差的团队将获得该分数为零的分数,而一个零误差的团队将获得满五分。
答案 2 :(得分:0)
Mean Squared Error
Root Mean Square Deviation
这两个术语中的一个应该可以很好地比较两个算法,其中误差可以是负数也可以是正数。