dgim 0.2.0

功能

• 布尔流最后n个元素中“true”语句数的估计
• 内存占用率低。
• 可调错误率（错误率越低，内存占用率越高）

应用程序

当处理大量数据流时，如点击流、服务器日志、财务流。 通常需要维护关于n个最新元素的统计信息。 如果n很大或者有许多流要处理，则无法存储 n个最新元素。

在这种情况下，如果处理的流是布尔型的， dgim算法可以帮助您估计true语句的数量 在最后的元素中。

例如，如果流是由服务器日志组成的， DGIM算法可以估计来自搜索引擎的访问比例。 （与直接访问或通过付费搜索访问不同）

安装

在命令行：

$ pip install dgim

用法

示例代码：

from dgim import Dgim
dgim = Dgim(N=32, error_rate=0.1)
for i in range(100):
    dgim.update(True)
dgim_result = dgim.get_count() # 30 (exact result is 32)

文档

https://dgim.readthedocs.org。

许可证

该项目是根据bsd许可证授权的。

作者

• 西蒙·多尔<；simon.dolle@gmail.com>；
• 还没有其他贡献者。为什么不加入呢？

如何贡献

1. 检查打开的问题或打开一个新的问题，开始围绕功能想法或错误的讨论。
2. 在github上分叉the repository，开始对master分支（或其分支）进行更改。
3. 编写一个测试，显示错误已修复或功能按预期工作。
4. 发送一个pull请求并对维护程序进行bug操作，直到它被合并并发布。：）确保将自己添加到AUTHORS。

参考文献

• 达特、梅厄等。“在滑动窗口上维护流统计信息。” 暹罗计算杂志31.6（2002）：1794-1813。
• 拉贾拉曼、阿南德和杰弗里·大卫·乌尔曼。大量数据集的挖掘。剑桥大学出版社，2011年。第四章。http://infolab.stanford.edu/~ullman/mmds/ch4.pdf
• 海量数据集的挖掘coursera mooc:http://infolab.stanford.edu/~ullman/mmds/ch4.pdf

历史记录

0.2.0（2015-01-05）

• 改进的文档
• 将大多数方法和属性设为私有。

0.1.0（2015-01-04）

• pypi上的第一个版本。