PlanOut 是 Facebook发布的一部分A/B测试源码，帮助数据科学家和其它职工轻松构建、管理和验证A/B测试。为了搞清楚哪个功能或设计更好，每个网站或移动应程序的数据科学家都离不开A/B测试工具。
完整示例：
from planout.experiment import SimpleExperiment
from planout.ops.random import *
class FirstExperiment(SimpleExperiment):
def assign(self, params, userid):
params.button_color = UniformChoice(choices=['#ff0000', '#00ff00'], unit=userid)
params.button_text = WeightedChoice(
choices=['Join now!', 'Sign up.'],
weights=[0.3, 0.7], unit=userid)
my_exp = FirstExperiment(userid=12)
# parameters may be accessed via the . operator
print my_exp.get('button_text'), my_exp.get('button_color')
# experiment objects include all input data
for i in xrange(6):
print FirstExperiment(userid=i)
在 Facebook，每天要运行上千个测试，而这些测试有的是用于优化特定的结果、有的是服务于长期的设计决策。正因为每天要运行这么多次的测试，需要可 靠、稳定的测试程序。许多在线测试都是由工程师们实现的，而他们并非是受过训练经验丰富的统计学家。测试做对的时候很容易解析，但在他们的设计、实现、记 录和解析上又很容易犯错。
所以非常需要一个在线现场测试工具。
关于A/B测试
A/B测试是一种新兴的网页优化方法，可以用于增加转化率注册率等网页指标。使用A/B测试首先需要建 立一个测试页面（variation page），这个页面可能在标题字体、背景颜色、措辞等方面与原有页面（control page）有所不同，然后将这两个页面以随机的方式同时推送给所有浏览用户。接下来分别统计两个页面的用户转化率，即可清晰的了解到两种设计的优劣。（摘 自百度百科）
-
不知不觉 ，快毕业三年，也搞了三年iOS，技术太肤浅，准备自救。。。 1.iOS 1）iOS基础知识（根据知识图谱陌生节点及时充电） 2）iOS高级知识（内存管理、运行时、Block、多线程、网络[https、tls]、安全攻防） 3）数据库（CoreData、SQLite、FMDatabase、Realm） 4）刷面试题 2.Swift 1）基本语法 2）两个App源码阅读（精读） 3.Jav
-
Alan decided to get in shape for the summer, so he created a precise workout plan to follow. His plan is to go to a different gym every day during the next N days and lift X[i]X[i] grams on day ii. In
-
fftw_plan_dft_1d 是 FFTW(Fastest Fourier Transform in the West)库中用于创建一维离散傅里叶变换(DFT)的计划(plan)的函数，其函数原型如下： fftw_plan fftw_plan_dft_1d(int n, fftw_complex *in, fftw_complex *out, int sign, unsigned flags)
-
本文脚本运行环境及依赖: python 3.5.2 tnsorflow 1.14.0 tensorrt 5.0.2.6 uff 0.5.5 收到一个需要将 tensorflow 下的 saved_model 模型转成 tensorrt 模型后运行在 tensorrtserver 的任务。tensorrtserver 只支持 tensorrt 下的 plan 模型，所以第一步需要将 saved_ m
-
前言 同时使用FFTW处理多组数据时，比如对一个N行M列的矩阵同时做N个FFT，可以使用 fftw_plan_many_dft 函数。 一、fftw_plan_many_dft相关参考资料 官方 fftw文档 对函数的参数做了介绍，并且给了例子。不过我刚开始也是看的似懂非懂。后面在CSDN看到了一篇文章fftw3：fftw_plan_many_dft_r2c 同时处理多组fft。对其中的一些参数做
-
翻译地址：http://blog.csdn.net/fenglibing/archive/2007/02/11/1507295.aspx 原贴地址：http://www.teachingenglish.org.uk/think/methodology/planning1.shtml Planning is one of those essential skills
-
1、例题 以下的句子中应该使用 set off 还是 set out ? Nick ______ to visit his parents this morning. Can you ______ the chairs as shown in the plan? 下面的例子中有答案。 2、set off 和 set out 的相同点 在表示“出发、动身，开始一段旅行”的这一概念时，set of
-
一个鼠标、一把键盘，一个bug找半年。。。。。。 SW导出了URDF文件，配置助手生成了moveit_config文件，Rviz中拖动目标球也实现了位置到达拖动位置的轨迹规划，本以为完事大吉，但是当通过C++ interface的方式传递目标点的时候，问题来了。 geometry_msgs::Quaternion q; double roll=-3.127; double pitch=-0
-
主要内容：A/B测试 - Google Analytics,将Optimizely与Google Universal Analytics集成,配置步骤,使用Google Analytics创建自定义报告有各种工具可以用来产生假设和运行变化，其中包括 - Visual Website optimizer (VWO) Google Content Experiments Optimizely 所有这些工具都能够运行A/B测试并找到优胜者，但要执行后分析，这些工具应该与Google Analytics
-
主要内容：数据采样,置信区间可以使用统计信息和分析来监控访问者的操作，以确定产生更高转换率的版本。 A/B测试结果通常以精美的数学和统计术语给出，但数字背后的含义其实很简单。 有两种重要的方法可以通过它们检查A/B测试的转换率 - 数据采样 置信区间 下面详细讨论这两种方法。 数据采样 样本数量取决于执行的测试次数。 转化率的计数称为样本，收集这些样本的过程称为采样。 示例 假设您有两种产品A和产品B，想要根据市场需求收集样
-
网络层协议，Python语法，进程关系，曝光三要素，大疆系列产品型号，日本无人机操控方法(推右摇杆，无人机怎么样)，其他就是测试理论，测试方法，简答五道题都是测试方法 我一没学过Python(很惭愧)，二不懂进程，感觉已经凉凉了 #大疆的机械笔试比去年难吗# 求求简历要怎么改啊😭😭😭
-
主要内容：不要遮掩,使用‘rel=canonical’,使用302重定向,不要长时间运行实验搜索引擎优化是一种在搜索引擎页面顶部显示您的网站的方法，当对这些相关项目执行搜索时。 它包括您的网站为访问者提供的信息以及为什么网页内容与搜索结果的顶部相关。 许多潜在客户认为A/B测试或多变量测试会对其搜索引擎排名产生影响。 有四种方法可以确保您运行A/B测试，而不必担心失去潜在的SEO价值。 不要遮掩 当您向网站访问者展示Googlebot代理和其他版本的网页版本时，会调用隐藏功能。 谷歌说你
-
像A/B测试一样，多变量测试基于相同的机制，但它比较了更多的变量，并提供了有关这些变量行为的更多信息。 在A/B测试中，可以在不同版本的设计之间分割页面的流量。 多变量测试用于衡量每个设计的有效性。 示例 假设有一个网页已经收到足够的流量来运行测试。 现在比较每个变体的数据以检查最成功的变体，但它也包含对访问者的交互具有最大正面或负面影响的元素。 使用多变量的优势 多变量测试是一种有效的工具，可帮
-
主要内容：1. 背景研究,2. 收集数据,3. 设定业务目标,4. 构建假设,5. 创造变体/假设,6. 运行变体,7. 分析数据A/B测试包括一系列必须按顺序进行的过程，以得出一个现实的结论。 在本章中，我们将详细讨论可用于在任何网页上运行测试的A/B测试过程的步骤 - 1. 背景研究 背景研究在A/B测试中起着至关重要的作用。 第一步是找出网站的跳出率。 这可以通过几种广泛使用的背景研究工具(如Google Analytics等)的帮助完成。 2. 收集数据 来自Google Analyti
-
主要内容：示例A/B测试(也称为分割测试)定义了一种比较应用程序或网页的两个版本的方法，使您可以确定哪一个更好。 这是分析应用程序或网页以创建新版本的最简单方法之一。 之后，可以比较这两个版本以找出转换率，这进一步帮助找到这两者中更好的版本。 示例 让我们假设有一个网页，所有的流量都被引导到这个页面。 现在做A/B测试，在同一页面上做了一些小的改动，例如标题，编号等，其中一半的流量是针对这个网页的修改版本。 现
-
主要内容：面向读者,提前条件,问题反馈A/B测试是比较两个或更多版本的应用程序或网页的最佳方式之一。 它使您能够确定哪一个性能更好，并且可以产生更好的转换率。 它分析应用程序或网页以创建更有效的新版本的最简单方法之一。 这是一个简短的教程，涵盖了A/B测试的基础知识，并附有合适的示例来说明如何实践。 面向读者 本教程的设计符合所有在软件测试领域工作的专业人士要求。 它提供了对A/B测试概念的充分了解，以及如何将其应用于执行数据分析并最