你是一名高级测试工程师,现在一个大版本上线了,你作为测试你要做什么工作

你是一名高级测试工程师,现在一个大版本上线了,你作为测试你要做什么工作

做什么？坐等甩锅，哈哈，开玩笑的。
大版本升级：不仅仅是测试要做什么，是所有参与人员都得做测试工作，包括开发、测试、运维、前端等。
上线后需要在线查看你升级的功能是否正常运行。有没有报错啊，后端数据库字段、表等是不是加上了。运维要保证项目是不是正常访问啊~部署等

喂给GPT，让他回答你

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7666894
• 这篇博客你也可以参考下：网络爬虫——豆瓣电影排行榜数据抓取（高级）
• 除此之外, 这篇博客: 三种常用的朴素贝叶斯实现算法——高斯朴素贝叶斯、伯努利朴素贝叶斯、多项式朴素贝叶斯中的 伯努利朴素贝叶斯 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 设试验E只有两个可能的结果：A与A¯，则称为E为伯努利试验。
  伯努利朴素贝叶斯，适用于离散变量，其假设各个特征xi在各个类别y下是服从n重伯努利分布（二项分布）的，因为伯努利试验仅有两个结果，因此，算法会首先对特征值进行二值化处理（假设二值化的结果为1与0）。
  计算方式如下：
  
  在训练集中，会进行如下的估计：
  
  

  from sklearn.naive_bayes import BernoulliNB
  
  np.random.seed(0)
  x = np.random.randint(-5,5,size=(6,2))
  y = np.array([0,0,0,1,1,1])
  data = pd.DataFrame(np.concatenate([x,y.reshape(-1,1)], axis=1), columns=['x1','x2','y'])
  display(data)
  
  bnb = BernoulliNB()
  bnb.fit(x,y)
  #每个特征在每个类别下发生（出现）的次数。因为伯努利分布只有两个值。
  #我们只需要计算出现的概率P(x=1|y)，不出现的概率P(x=0|y)使用1减去P(x=1|y)即可。
  print('数值1出现次数：', bnb.feature_count_)
  #每个类别样本所占的比重，即P(y)。注意该值为概率取对数之后的结果，
  #如果需要查看原有的概率，需要使用指数还原。
  print('类别占比p(y)：',np.exp(bnb.class_log_prior_))
  #每个类别下，每个特征（值为1）所占的比例（概率），即p（x|y）
  #该值为概率取对数之后的结果，如果需要查看原有的概率，需要使用指数还原
  print('特征概率：',np.exp(bnb.feature_log_prob_))
  

  

• 您还可以看一下 课工场架构师老师的电商网站高并发秒杀实战课程中的 用户登录优化之统一返回格式（上）小节, 巩固相关知识点