开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

网络图错误:每个变量必须是一维原子向量或列表

网络图错误是指在绘制网络图时出现的错误，其中每个变量必须是一维原子向量或列表。网络图是一种用于可视化和分析网络结构的图形表示方法，常用于描述复杂系统中的关系和连接。

在绘制网络图时，每个变量代表一个节点或顶点，而连接节点的边则表示节点之间的关系或连接。每个变量必须是一维原子向量或列表，这意味着每个节点必须是一个独立的元素，而不能是多维的结构或复杂的对象。

网络图的绘制可以使用各种编程语言和工具来实现，例如Python中的NetworkX库、R语言中的igraph包等。这些工具提供了丰富的函数和方法来创建、操作和可视化网络图。

网络图的应用场景非常广泛，包括社交网络分析、生物信息学、交通网络分析、电力系统分析等。在社交网络分析中，网络图可以用于研究人际关系、信息传播和社群发现等问题。在生物信息学中，网络图可以用于表示蛋白质相互作用、基因调控网络等。在交通网络分析中，网络图可以用于研究交通流量、路径选择和拓扑结构等。在电力系统分析中，网络图可以用于表示电力网络的输电线路和节点之间的连接关系。

腾讯云提供了一系列与网络图相关的产品和服务，例如云服务器、云数据库、云存储等。这些产品可以帮助用户快速搭建和管理网络图所需的基础设施和资源。具体产品介绍和链接地址如下：

云服务器（ECS）：提供弹性的计算资源，可用于搭建和运行网络图分析的环境。产品介绍链接：https://cloud.tencent.com/product/cvm
云数据库（CDB）：提供可扩展的数据库服务，可用于存储和管理网络图数据。产品介绍链接：https://cloud.tencent.com/product/cdb
云存储（COS）：提供安全可靠的对象存储服务，可用于存储网络图数据和相关文件。产品介绍链接：https://cloud.tencent.com/product/cos

通过以上腾讯云产品和服务，用户可以快速构建和部署网络图分析应用，并实现高性能和可扩展的计算和存储能力。

相关搜索:错误:列`memory_scaled`必须是一维原子向量或列表 cosinor2包R错误列“Y”必须是1d原子向量或列表 R错误:错误：`f`必须是一个因子(或字符向量)如何求解:输入必须是任意长度的字符向量或字符向量列表，每个字符向量的长度为1 错误: surf plot: Z必须是矩阵，而不是标量或向量错误:列表索引必须是整数或切片，而不是元组如何修复‘列表索引必须是整数或切片，而不是列表’错误？乘客数量。错误:列表索引必须是整数或切片，而不是列表 [ActionScript][错误]赋值运算符的左侧必须是变量或属性 Android Room错误:使用@Relation注释的字段必须是列表或集合角度错误:赋值表达式的左侧必须是变量或属性访问 Python TypeError:列表索引必须是整数或切片，而不是浮点型错误打印字典错误:列表索引必须是整数或切片，而不是元组列表索引必须是整数或切片，而不是字符串错误Python Python 3 Boto错误列表索引必须是整数或切片，而不是dict DBus错误:无法追加类型错误，说明列表索引必须是整数或切片，而不是字典 python中的类型错误:列表索引必须是int或float，而不是str Python字典错误列表索引必须是整数或切片，而不是字符串列表错误: int()参数必须是字符串或数字，而不是‘GraphQL’错误列表索引必须是整数或切片，而不是flask中字符串

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

R语言的数据结构（包含向量和向量化详细解释）

向量有哪些基本类型两大类，原子向量和列表（又叫递归向量）原子向量有6种类型：逻辑型，整型，双精度型，字符型，复数型和原始型。整型和双精度型统称为数值型向量。...为什么叫原子型(atomic):向量的元素已经是最小的，不可再分的。列表型，又叫递归型，因为是列表中可以继续包括列表。列表中的“元素”就是列表的各组件，其名称叫标签（tag）。...所以，数据框可以类比为二维矩阵，当然这里的类比是异质性的，因为每个组件的数据类型不同。技术层面看，数据框是每个组件长度相等的列表。数据框是实际应用中最为常见。...其来源是统计学中的名义变量（nominal variables），或称之为分类变量（categorical variables）。这种变量的本质不是数字，而是对应分类。...但是，tapply的第一个参数必须是向量，不能是矩阵或数据框，而回归分析必须至少两列的数据或数据框，其中第一列是被预测的变量，第二列或多列是预测变量。所以tapply函数不能满足任务。

7.1K2 0

图解GNN | A Gentle Introduction to GNN

节点级预测问题的一个经典示例是空手道俱乐部数据集，该数据集是一个社交网络图，每个节点都具有一个唯一的label。...因此，节点预测的输入是一个图，输出是节点的标签： 3.3 边级任务对于边级任务：给定一些节点，我们希望预测这些节点中的哪些共享一条边或该边的权值是什么。...对于每个顶点或者每条边的特征我们用一个标量（一般为向量）来表示，全局特征也用一个标量（一般为向量）来表示。对于连接性，不再用邻接矩阵来表示，而是用邻接列表来表示。...使用邻接列表来表示连接性的两个好处：对于稀疏矩阵来说，使用邻接列表存储显然更加节省空间。不存在两个不一样的邻接列表表示同一张图。...对于一个简单的二分类问题，比如上面3.2节提到的空手道俱乐部网络图，我们需要对每个节点进行分类，在我们得到每个节点的状态向量后，我们可以搭建一个输出为2的全连接层，然后再经过一个Softmax，就能进行二分类了

1.8K3 1

神经网络图灵机

每个读写头都有一个权重列表，这个权重列表代表了它的读写头在各个地址的读写比重(degree），也就是说，一个读写头，既可以全部精力访问一个单一地址，也可以分散精力在不同的地址上。...（N代表地址数或行数，M代表每个地址的向量大小）。令W_t在时刻t读写头在N个地址的读写比重，由于所有的权重都进行了归一化，所以W_t向量的内部元素W_t(i)满足： ?...给定t时刻的写头权重w_t，以及一个擦出向量e_t，其中M个元素均在0~1范围内，则t-1时刻的内存向量在t时刻将按下式进行调整： ? 其中1是一个全部是1的行向量。...然而，前馈网络的一个局限性是并行读写头的数量，在执行计算任务时会成为瓶颈。一个单一读出头在每个时刻只能对每个内存向量执行一元变换，而两个读出头就可以二元向量变换，以此类推。...递归控制器则能够存储上一时刻的读出的向量，不会受到这个限制。受生物学中工作记忆和数字计算机的设计启发，我们发明了神经网络图灵机。跟传统神经网络一样，该架构是端到端可微的，可以被梯度下降算法训练。

8199 0

图神经网络的自监督学习

VGAE：采用了变分自编码器的思想，用已知的图经过编码（图卷积）学到节点向量表示的分布，在分布中采样得到节点的向量表示，然后进行解码重新构建图。其损失为： ?...由于对抗性正则化可证明是潜变量分布和高斯先验之间的JS-散度的等价性，ARGA/ARVGA可获得与VGAE相似的效果，但正则化更强。...化学分子性质预测：在分子图中，每个节点代表分子中的一个原子，其中原子指数由节点属性表示，每个边代表分子中的一个键。用于化学分子性质预测的数据集在TUDataset中也被归类为小分子数据集。...社交网络属性预测：社交网络图数据集将每个实体(例如，用户或作者)视为一个节点，将它们的社交连接视为边。由于不同数据集中的社交网络表现不同，社交网络图数据集通常不用于迁移学习。...最近的自监督研究中使用的社交网络图数据集是图分类的典型数据集，如COLLAB、REDIT-B和IMDBB。 5.2 节点级学习任务节点级学习任务在大型图上作为直推学习任务执行。

1.6K2 0

人工智能中图神经网络GNN是什么？

节点可以表示用户/产品/原子，而边表示它们之间的连接，比如关注/通常与相连接的产品同时购买/键。...社交网络图可能看起来像是这样，其中节点是用户，边则是连接：节点表示用户，边则表示两个实体之间的连接/关系。真实的社交网络图往往更加庞大和复杂！...了解图神经网络每个节点都有一组定义它的特征。在社交网络图的案例中，这些特征可以是年龄、性别、居住国家、政治倾向等。每条边连接的节点都可能具有相似的特征。这体现了这些节点之间的某种相关性或关系。...假设我们有一个图 G，其具有以下顶点和边：这个图与上图是一样的。为了简单起见，我们假设其特征向量是当前节点的索引的 one-hot 编码。类似地，其标签（或类别）可设为节点的颜色（绿、红、黄）。...那么看起来会是这样：其中的信封符号只是每个节点的 one-hot 编码的向量（嵌入）。消息传递一旦节点和边的转化完成，图就可在节点之间执行消息传递。

7391 0

手把手教你将矩阵画成张量网络图

矩阵是一个二维的数组，而一个 n 维的数组被称为一个 n 阶张量或一个 n-张量。像矩阵一样，一个 n 张量可以用一个节点来表示，每个维度有一个边。...顺便说一下，画出这些图的一个关键特征是我们不必携带索引。速查：矩阵被描述为一个单节点，每个向量空间有一个边，但是上面的图片有两个节点。我们仍然希望它表示一个矩阵。我可以断言，它还是一个矩阵！...更通俗地说，两个或更多张量的乘积由一组节点和边表示，其中具有相同索引的边发生缩并。 ? 节点形状可以表示不同的属性以上的节点都是用圆表示的，但这只是其中一种选择。没有人规定必须使用哪种形状。...命名之争文章中讨论的图起源于 Penrose 的图形符号，被称为张量网络图和/或字符串图（string diagram），也许有一些微小的区别。「和/或」取决于你是谁。...也就是说，在物理/机器学习社区（在那里它们被称为张量网络图）和范畴论社区（在那里它们被称为字符串图），将向量空间的图可视化地表示为带边的节点。

1.8K2 0

神经网络图灵机(Neural Turing Machines, NTM)论文完整翻译

（N代表地址数或行数，M代表每个地址的向量大小）。令W_t在时刻t读写头在N个地址的读写比重，由于所有的权重都进行了归一化，所以W_t向量的内部元素W_t(i)满足： ?...基于内容的系统会基于相似度和key的强度产生一个归一化的权重列表w_{t}^{c}，β_t可以放大或减弱聚焦的精度。 ? 在我们当前的实现中，相似度度量函数用的是余弦相似： ?...然而，前馈网络的一个局限性是并行读写头的数量，在执行计算任务时会成为瓶颈。一个单一读出头在每个时刻只能对每个内存向量执行一元变换，而两个读出头就可以二元向量变换，以此类推。...我们研究了网络在训练过程不只是看到而是能否归纳更长的序列的能力（很显然他能否从训练错误中学习到在面对新的向量时要更加通用。）图4和图5说明这个过程中LSTM和NTM的行为是完全不同的。...图 17 每个输入序列包含 20 个二元向量，及对应的优先级，每个目标序列是输入中 $$16$$ 个最高优先级向量。NTM 的内存使用情况检查让我们得出一个假设，它使用优先级来确定每次写得相对位置。

2K5 0

神经网络图灵机(Neural Turing Machines, NTM)论文完整翻译

（N代表地址数或行数，M代表每个地址的向量大小）。令W_t在时刻t读写头在N个地址的读写比重，由于所有的权重都进行了归一化，所以W_t向量的内部元素W_t(i)满足： ?...基于内容的系统会基于相似度和key的强度产生一个归一化的权重列表w_{t}^{c}，β_t可以放大或减弱聚焦的精度。 ? 在我们当前的实现中，相似度度量函数用的是余弦相似： ?...然而，前馈网络的一个局限性是并行读写头的数量，在执行计算任务时会成为瓶颈。一个单一读出头在每个时刻只能对每个内存向量执行一元变换，而两个读出头就可以二元向量变换，以此类推。...我们研究了网络在训练过程不只是看到而是能否归纳更长的序列的能力（很显然他能否从训练错误中学习到在面对新的向量时要更加通用。）图4和图5说明这个过程中LSTM和NTM的行为是完全不同的。...图 17 每个输入序列包含 20 个二元向量，及对应的优先级，每个目标序列是输入中 $$16$$ 个最高优先级向量。NTM 的内存使用情况检查让我们得出一个假设，它使用优先级来确定每次写得相对位置。

8092 0

【通信专栏】STM32单片机小谈CAN通信

接收FIFO中断分为FIFO0和FIFO1的中断，接收FIFO收到心得报文或报文溢出的事件可以引起中断。原子哥的例程使用的是RX0中断通道即FIFO0中断通道，当FIFO0收到新报文时，引起中断。...原子哥的这个程序仅将接收到的函数存入到一个结构体变量中，并将该结构体变量中的数据部分进行打印。但实际应用中，我们可以对ID号或者数据部分进行判断，进而执行相应的操作，如下图程序： ?...一种为标识符列表模式。一种为标识符屏蔽模式。配置结构体： ? ? ? ? ? ? ? 问题三：CAN通信如何确定接收数据对象的地址？...在总线上每个设备都会有一个ID过滤器(上个问题步骤四)，每当发送一个数据帧后，该数据帧经过每个设备的ID过滤器过滤后，只能传入某几个或一个设备内，然后该设备将会根据数据帧的内容进行一定的反应。...从CAN的通信网络图可以看到，它的通信节点是由一个CAN控制器，一个CAN收发器组成，STM32的CAN接口即为CAN控制器，为构成完整的节点，还要给它外接一个CAN收发器。

2.3K2 0

图神经网络还能这样学，看新加坡小哥圈圈画画搞掂GNN（免费赠书）

节点可以表示用户/产品/原子，而边表示它们之间的连接，比如关注/通常与相连接的产品同时购买/键。社交网络图可能看起来像是这样，其中节点是用户，边则是连接： ?...真实的社交网络图往往更加庞大和复杂！接下来作者会介绍一些概念，如循环单元、嵌入向量表征和前馈神经网络。知道一些有关图论的知识（比如什么是图以及图的形态）也很不错。有些术语你可能并不熟悉。不用担心！...了解图神经网络每个节点都有一组定义它的特征。在社交网络图的案例中，这些特征可以是年龄、性别、居住国家、政治倾向等。每条边连接的节点都可能具有相似的特征。这体现了这些节点之间的某种相关性或关系。...这个图与上图是一样的。为了简单起见，我们假设其特征向量是当前节点的索引的 one-hot 编码。类似地，其标签（或类别）可设为节点的颜色（绿、红、黄）。那么这个图看起来会是这样： ?...其中的信封符号只是每个节点的 one-hot 编码的向量（嵌入）。消息传递一旦节点和边的转化完成，图就可在节点之间执行消息传递。

4263 0

【GNN】MPNN：消息传递神经网络

而原子系统的对称性表明，能够应用于网络图中的神经网络也能够应用于分子模型。所以，找到一个更加强大的模型来解决目前的化学任务可以等价于找到一个适用于网络的模型。...为了解决这个问题作者将向量维度 d 拆分成 k 份，就变成了 k 个 d/k 维向量，并在传播过程中每个子向量分别进行传播和更新，最后再进行合并。...对于分子来说有很多可以提取的特征，比如说原子组成、化学键等，详细的特征列表如下图所示： ?...对于邻接矩阵，作者模型尝试了三种边表示形式：「化学图」（Chemical Graph）：在不考虑距离的情况下，邻接矩阵的值是离散的键类型：单键，双键，三键或芳香键；「距离分桶」（Distance bins...个 bin；「原始距离特征」（Raw distance feature）：也可以同时考虑距离和化学键的特征，这时每条边都有自己的特征向量，此时邻接矩阵的每个实例都是一个 5 维向量，第一维是距离，其余思维是四种不同的化学键

3.6K2 0

温故知新--R基础知识（上）

· 列表（list）是一种泛化（generalform）的向量。它没有要求所有元素是同一类型，许多时候它本身就是向量和列表类型。列表为统计计算的结果返回提供了一种便利的方法。...如果一个表达式的结果是向量，则我们可以直接在表达式的末尾方括号中加入索引向量以得到结果向量的子向量. · 逻辑向量:索引向量必须和被挑选元素的向量长度一致。...，expr1是一个向量表达式，而expr2常常是根据虚拟变量name而设计的成组表达式。...实数或复数向量，逻辑向量和字符串向量之类的对象属于"原子"型的对象，因为它们的元素都是一样的类型或模式。R的对象类型包括数值型，复数型，逻辑型,字符型和原生型。向量必须保证它的所有元素是一样的模式。...因此任何给定的向量必须明确属于逻辑性，数值型，复数型，字符型或者原生型。列表是任何模式的对象的有序序列。列表被认为是一种"递归"结构而不是原子结构,因为它们的元素可以以它们各自的方式单独列出。

1.2K3 0

【R的极客理想系列文章】RHadoop培训之 R基础课

对象内在属性：模式和长度 R操作的实体是对象。实数或复数向量，逻辑向量和字符串向量之类的对象属于"原子"型的对象，因为它们的元素都是一样的类型或模式。...向量必须保证它的所有元素是一样的模式。因此任何给定的向量必须明确属于逻辑性，数值型，复数型，字符型或者原生型. 列表是任何模式的对象的有序序列。...短的向量操作数将会被循环使用以达到其他操作数的长度有且只有短的向量和数组在一起，数组必须有一样的属性dim，否则返回一个错误向量操作数比矩阵或者数组操作数长时会引起错误如果数组结构给定，同时也没有关于向量的错误信息和强制转换操作...对于可能属于数据框的列表对象有下面一些限制条件，分量必须是向量(数值, 字符, 逻辑)，因子，数值矩阵，列表或者其他数据框; 矩阵，列表和数据框为新的数据框提供了尽可能多的变量，因为它们各自拥有列，元素或者变量...predict(object, newdata=data:frame) 提供的数据框必须有同原始变量一样标签的变量。结果是对应于data:frame中决定变量预测值的向量或矩阵。

2.9K2 0

Bioinformatics丨GraphDTA用图神经网络预测药物靶点的结合亲和力

为了描述图中的节点，作者使用了DeepChem改编的一组原子特征，每个节点是一个多维二进制特征向量，表示5条信息:原子符号、相邻原子数、相邻氢原子数、原子隐值、原子是否处于芳香结构。...为了便于训练，将序列裁剪或填充成1000个残差的固定长度序列。如果序列较短，则用零值填充。这些整数序列被用作嵌入层的输入，这些嵌入层返回一个128维的向量表示。...首先，将药物的SMILES编码转换为分子图，通过深度学习算法学习一种图表示；同时，对蛋白质序列进行编码和嵌入，利用多个一维卷积层学习序列表示；最后，将这两个表示向量进行连接，并通过几个全连接层来估计输出的药物...表2 根据MSE排序的Kiba数据集的预测性能 3.2 图形化模型可以发现已知的药物特性图神经网络的工作原理是将每种药物的分子图提取为一个新的潜在变量特征向量。...3.3 药物不成比例造成错误图3和图4显示了亲和性预测的绝对误差的中位数，从最小到最大排序。可以发现少数药物不成比例导致了总体错误。

3.1K2 1

OpenGL4.3 新特性: 计算着色器 Compute Shader

每个调用都将有一组唯一标识该特定调用的输入。这种区别对于进行各种形式的图像压缩或解压是有用的; 局部大小将是图像数据块（例如8×8）的大小，而组计数将是图像大小除以块大小。...每个块都作为单个工作组进行处理。工作组中的个人调用将并行执行。区分工作组数和局部大小的主要目的是工作组中不同的计算着色器调用可以通过一组共享变量和特殊函数进行通信。...它们必须是大于0的积分常数表达式。它们的值必须遵守以下限制 ; 如果没有，编译器或链接器错误发生。...原子操作主要文章：着色器存储缓冲区对象＃原子操作可以对整数类型的共享变量（还有向量/数组/结构体）执行多个原子操作。这些函数与着色器存储缓冲区对象原子共享。所有原子函数返回原始值。...必须使用glGetIntegeri_v进行查询，索引处于闭合范围[0,2]，表示最大工作组计数的X，Y和Z分量。尝试使用超出此范围的值调用glDispatchCompute是一个错误。

4.5K1 1

nlp 关键词提取_nlp信息抽取

；基于词图模型的关键词提取首先要构建文档的语言网络图，然后对语言进行网络图分析，在这个图上寻找具有重要作用的词或者短语，这些短语就是文档的关键词；基于主题关键词提取算法主要利用的是主题模型中关于主题分布的性质进行关键词提取...得到的结果corpus是一个向量的列表，向量的个数就是文档数。...('输出每个文档的向量:') print(corpus) # 输出每个文档的向量 # LDA主题模型 # num_topics -- 必须，要生成的主题个数。...八、卡方检验关键词提取算法及实现 1、卡方检验卡方是数理统计中用于检验两个变量独立性的方法，是一种确定两个分类变量之间是否存在相关性的统计方法，经典的卡方检验是检验定性自变量对定性因变量的相关性。...2、基本思路原假设：两个变量是独立的计算实际观察值和理论值之间的偏离程度如果偏差足够小，小于设定阈值，就接受原假设；否则就否定原假设，认为两变量是相关的。

9714 1

R语言基础教程——第3章：数据结构——列表

列表列表（List）是R中最复杂的数据类型，一般来说，列表是数据对象的有序集合，但是，列表的各个元素（item）的数据类型可以不同，每个元素的长度可以不同，是R中最灵活的数据类型。...列表项可以是列表类型，因此，列表被认为是递归变量，与之相对，向量，数组，矩阵，数据框被认为是原子变量。...列表由list()函数创建，每个参数使用逗号分割，用于指定列表项的内容，列表中的元素数量不限，类型不限。...> class(students[["ID"]]) # 判断类型[1] "numeric"> 3 增加或删除列表中的元素 > students$country = c("English","America...，每个组件本身也是列表，拼接函数c()有一个可选参数recursive,决定在拼接列表时是否把原列表"压平"，就是把所有组件元素都提取出来，组合成一个向量。

7354 0

R语言社区发现算法检测心理学复杂网络：spinglass、探索性图分析walktrap算法与可视化|附代码数据

特征值分解传统上，我们想用潜变量框架来描述上述20个项目，问题是：我们需要多少个潜变量来解释这20个项目之间的协方差？一个非常简单的方法是查看数据中各成分的特征值。...(感谢Alex Millner对igraph的投入；当然，这里所有的错误都是我的错误）。值得注意的是，spinglass算法每次运行都会导致不同的结果。...请注意，目前，探索性图分析采取你的数据并自动估计一个高斯图形模型（假设是多变量的正常变量）。 spinglass算法和walktrap算法结果是一样的吗？...但是，同样，这只是复杂关系的图形显示，我们在这里必须谨慎解释。因此，让我们用一个稍微不同的布局来绘制同一个网络。...请注意，上述spinglass或walktrap等社群检测方法的最大局限是，项目确定地只属于一个社群。对于心理学数据来说，拟合因子模型经常会发现有交叉负荷的项目，这是一个问题。

4613 0

Bioinformatics｜TransformerCPI：通过深度学习以及自我注意机制和标签逆转实验，改善CPI的预测

最近，谷歌研究人员提出了机器学习应避免的三个陷阱，包括不适当地分割数据、隐藏变量和错误地实现目标。受这警告的启发，作者探究当前CPI预测模型是否面临类似的问题并总结了以下三个独特的问题。...通常研究者会将数据随机分为训练集和测试集，但作者尚不清楚随机拆分后该模型是否学习真正的交互功能或其他意外的隐藏变量，这可能会产生能够回答错误问题的精确模型。...门控卷积网络的输入是蛋白质特征向量。作者将为解决半监督节点分类问题而设计的GCN转移到解决分子表示问题。当获得蛋白质序列表示和原子表示。...蛋白质序列是编码器的输入，原子序列是解码器的输入，解码器的输出是包含相互作用特征且与原子序列长度相同的相互作用序列。...想要区分模型必须学会检测和理解蛋白质序列上的微小变化。 3.4 模型切除研究以前的基于化学基因组学的CPI模型分别和独立地提取配体和蛋白质特征，然后将这两个特征向量连接起来作为输入特征。

1.7K1 0

推荐系统基础知识储备

换言之，即我们希望找到的是跟当前物品相似的物品。那么，我们的目标就明确了，计算当前物品与其他物品的相似度，然后生成一个相似TopN列表，然后想要多少个推荐多少个。...相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。...简单来讲，UserCF就是如上过程，但在实际的过程中，数据量肯定不止这么点，于是我们需要做的是为用户计算出相似用户列表，然后在相似用户中经过去重之后，计算一个推荐的物品列表(在计算推荐物品的时候，可以叠加用户的相似程度进一步叠加物品的权重...(3) 社会网络图模型所谓社会网络图模型，即我们认为每个人之间都是有联系的，任何两个用户都可以通过某种或者多个物品的购买行为而联系起来，即如果一端的节点是被推荐用户，而另一端是其他用户，他们之间通过若干个物品...通过AB测试必须满足以下几个条件：流量必须能够控制，这是为了保证线上效果的稳定性；必须保证流量的随机性，这样的结果才具有说服力。

1.2K1 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭