模拟交易初步设计——被枪毙了的设计

本文讨论了一次关于软件设计的反馈经历,强调了在实际工作中平衡设计复杂度的重要性。作者反思了自己的设计方案过于复杂,并探讨了如何在保持简单性和适应变化间找到平衡。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        今天老大找我聊天,然后问我有没有设计的想法,我给他看了一下我的想法,也就是前几天发表的设计图。我的表述不清楚,还有我的类名称没有起好,没能让老大很清晰的知道我这些是干嘛的。

        “这个给学校可以,老师喜欢看到这个,但是在我们现实的开发中是没必要这样的设计的。你弄这么复杂的图给别人看,人都看得云里雾里的。我们用不到多少类,几个流程,几个函数就能搞定,干吗要搞这么复杂呢?当然,你可以这么做,作为练手可以,但真正到工作项目中却是不必要的。”

        对我的这个设计,我猜到会有两种态度,一种是觉得没必要,一种是觉得还行,有些地方有些冗余。两种态度的存在都有其合理性,主要取决于简单和适应变化之间的权衡。

        敏捷开发有这样一个原则——“简单——使未完成的工作最大化的艺术——是根本的”。我承认我的设计违法了这一原则。但软件开发的另一个问题就是适应变化。

        当需求容易发生变更时,更多的是去使用最少改变的设计去进行开发,而最少改变的设计往往会产生许多松耦合的模块。而对于我这个模拟的项目来说,变化多还是少我真的很难去权衡。而且我的处事方式更多的把问题分解开来逐个突破,进而影响了我的设计。

        必须要调整这样一个思想——“我将不会需要它”!

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值