郑欣-无处不在的模型之简要质量度量

无处不在的模型：随着ChatGPT-4的发布，大模型成为热点，而中小模型是日常工作的关键工具。
为什么要建立质量模型：
1. 概念抽象：IT研发过程复杂，难以宏观综合判断质量。
2. 碎片化：单一指标度量表达片面，可读性差。
3. 难以指导改进：仅展示指标，缺乏分析反馈，不利于优化。
质量模型困境：
1. 理论模型多，如何选择？
2. 公共模型广泛，如何指导实践？
3. 指标多，如何管理使用？
4. 建模后如何验证有效性？
模型应用与演进：
- 模型是定制的，方法是通用的，可跨领域应用。
- 科学发展推动模型不断迭代修正，如日心说取代地心说。
- 引用乔治·伯克斯观点：“所有模型都是错误的，但有些是有用的。”

质量度量模型：
- ISO/IEC 9126提出的三层次结构：
  1. 质量特性
  2. 质量子特性
  3. 度量指标
- 建设范围包括理论模型、指标+元数据体系、数据。
简要建模方案-定权模型：
- 建模三要素：数据、指标、权重。
- 质量度量模型-数据：
  1. 数据预处理
  2. 确定置信区间
  3. 确定中位数
  4. 确定基线
  5. 确定优秀线
- 质量度量模型-指标：
  - 构建知识图谱，提取命名实体识别、链接与关系抽取。
  - 指标管理：
    1. 指标实体
    2. 指标属性（统计检索）
    3. 指标关系（下钻上卷）
- 质量评价模型-权重：
  - 建模三要素：样本选择、数据预处理、建模和参数估计。
  - 权重确定方法：样本选择、数据预处理、建模和参数估计。
模型诊断：
- 一元线性回归：
  - 方程：Yt=axt+ba（斜率a，截距b）
  - 最小二乘法确定参数。
  - 应用范围：量纲一致。
  - 选择最佳直线方法：误差最小原则。
  - 案例：学校教学策略优化，按学科提高概率排序。
- 多元线性回归：
  - 标准方程法估计权重（回归系数）。
  - R²趋近1表示弥合度高，趋近0表示弥合度低。
模型应用：
- 高效运维社区DevOps时代。
- 荣誉出品。
- 感谢观看。