WilsonScore排序算法WilsonScore排序算法，Wilson score，用于质量排序。数据包含好评和差评，综合考虑评论数和好评率，分数越高质量越高，正分布分位数表:算法性质:本文源代码Python实现了Wilson评分算法的分布图，举例:假设医生A有100个评价，1个差评，99个好评。
1、为什么显示算法不适合计算准静态问题对于显示算法，采用时间积分，通过积分t 1时刻的应力应变得到t 1时刻的节点位移，无需迭代求解和雅可比矩阵(应力应变偏导数)；如果存在连续的雅可比矩阵，则基于本构模型而不是刚度方程推导出近似连续的雅可比矩阵。对于显示算法，单元的高斯积分点的应力应变可以通过向前或向后的欧拉法求解，然后通过时间积分得到节点位移。本质上，平衡方程中位移的迭代求解与本构方程中应力应变的求解没有联系，容易造成误解。很多情况下，把前后欧拉算法看成是显式和隐式的差别，这是大大错误的。
2、威尔逊得分WilsonScore排序算法WilsonScore排序算法，WilsonScore，用于质量排序。数据包含好评和差评。综合考虑评论数和好评率，分数越高质量越高。源代码参考:表示正例数(好评)，v表示负例数(差评)，n表示总例数(总评论)，p表示好评率，z表示正态分布的分位数(参数)，s表示最终的Wilson评分。z一般取值为2，即95%的置信度。正分布分位数表:算法性质:本文源代码Python实现了Wilson评分算法的分布图。举例:假设医生A有100个评价，1个差评，99个好评。
在z2，也就是95%的置信度下，医生A的得分是0.9440，医生B的得分是0.3333，医生A排名第一。PS:评分问题:有五星评价体系或者百分制评价体系怎么办？只要把威尔逊评分的公式从伯努利分布改成正态分布就行了，注:平均值和方差是标准化值。Python实现:归一化的一个例子:PS:关于z参数，也就是正分位数，正分位数影响wilson评分的分布，Z参数的取值基于样本数的顺序。