【转载】UML的价值

UML中包括有很多种图形。我最初学习UML是通过三友的《UML用户指南》,这本书是一本很详尽的著作(另外一本更详尽的著作是三友的《UML参考手册》),是UML领域最重要的著作之一,然而却不利于初学者掌握重点。因为时间有限,我没有能够读完用户指南的全书。对于一个形式主义者,很容易陷入大量UML的细节之中,使用昂贵的建模工具(ROSE、Together、PowerDesigner、Visio、etc.)不厌其烦地绘制出各种漂亮的图形,陷入一种分析瘫痪的状态,花费大量时间力图得到完美的模型,却没有生产出多少可以运行的代码。

用户指南中存在的问题正是《UML精粹》(UMLDistilled)这本书存在的价值。我读这本书时感觉非常顺畅(虽然翻译的低劣降低了我的阅读速度,但是好在这本书本身写得非常深入浅出,所以对于我的影响并不是很大),任何一个对于UML略有掌握的人读完这本书都不会超过一周时间。搞敏捷开发方法的人(KentBeck、MartinFowler、etc.)写的方法论一类的著作都言简意赅,MartinFowler这本仅有100多页的UML入门书籍也不例外。然而不要把这本书仅仅当作一本入门书籍,实际上这本书的内涵要远远超出一本入门书籍。最重要的是这本书将UML中各种图形的重要性做了划分,使得我们不必花费数月时间去熟悉UML的所有细节,而是只需要看过其中两三章的内容就足以从UML中获得巨大的价值。我一向认为那种企图让我一夜暴富赶超BillGates的书籍是最没有用的书,同样那种企图无所不包却没有重点的方法论书籍也是最没有用的书。

UML中各种图形重要性的排行为:
用例图(UseCase)
类图(Class)
顺序图(Sequence)
协作图(Collaboration)
包图(Package)
状态图(State)
活动图(Activity)
物理图(Physical)

其中必需的只有用例图和类图。用例图重要是因为它是面向对象分析设计的基础,用例驱动是RUP、XP等各种现代开发方法的主要特征(我区分现代和古代的主要依据是看它是否以迭代模型作为其基础,而不是基于瀑布模型,是拥抱变化而不是拒绝变化)。类图重要是因为它是我们用来做分析和设计最主要的工具。

UML各种图形中内涵最丰富的是类图,然而丰富的内涵也使得对于类图的正确使用遇到了一些困难。Martin特意将类图的概念分成了两部分:基础部分和高级部分。基础部分是非常简单的,很多时候基础部分已经够用了,仅仅在必需的时候才需要用到高级部分。

这本UML的著作大约在Martin写完《分析模式》和《重构》之后完成(2000年第二版),体现了Martin在面向对象建模领域的深厚功力。

UML的价值在于实现开发团队中无歧义的沟通(自然语言本身无法达到无歧义,因此需要UML这样的形式化语言的帮助),而不是得到一个完美的图形。这个目的(更好的沟通)是我们永远要记住的,UML可以很好地服务于这个目的。一旦我们发现已经达到了这种沟通效果,我们就要毫不迟疑地转向代码实现。

 

 

备注:原文标题为《UML中各种图形的重要性排行》,之所以转载收藏,是因为这篇文章的最后一句话“UML的价值在于实现开发团队中无歧义的沟通,而不是得到一个完美的图形”,而这个答案是当年在课堂上学习枯燥无味的UML,在课堂下的文档里塞满漂亮华丽却又不知其真正意义所在的我,希望大家所知道的。

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分任务的线性模型,特别适用于二问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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