我正在使用hadoop，并在 Bloom Filter ，上面写着：
假阳性率用公式近似

(1 – exp(-kn/m))k

其中k是所使用的散列函数的数量，m是用于存储bloom过滤器的位数，n是要添加到bloom过滤器的元素的数量。在实践中，m和n是由系统的要求决定的，因此，选择k来最小化给定m和n的假阳性率，这（经过一点计算）是

k = ln(2) * (m/n) ≈ 0.7 * (m/n)

给定k时的假阳性率为0.6185m/n，k必须是整数。假阳性率只是一个近似值。从设计的Angular 来看，人们应该考虑（m/n），每个元素的位数，而不是仅仅考虑m。例如，我们必须存储一个包含一千万个URL（n=10000000）的集合。分配­ 为每个url设置8位（m/n=8）将需要一个10 mb的bloom筛选器（m=80000000位）。此布卢姆过滤器的假阳性率为（0.6185）8，约为2%。如果我们要通过存储原始url来实现set类，并且假设url的平均长度是100字节，那么我们必须使用1gb。bloom filter将存储需求缩减了2个数量级，但仅以2%的误报率为代价！稍微增加分配给bloom过滤器的存储量将减少错误的posi­ 进一步提高利率。在每个url 10位的情况下，bloom过滤器将占用12.5 mb，误报率仅为0.8%。
所以这里说假阳性率是0.6185*8，也就是4.948，但是文件怎么说大约是2%？有人能帮我计算一下百分比吗？
根据大卫的回答详细解释：
根据书中的解释：

n = 10,000,000 = 1e7

m/n = 8 which means m = 8*n

k = ln(2) * (m/n), Value of ln(2) is 0.693 = 0.7, so value of k = 0.7 * (m/n)

现在我的表情是：

(1 – exp^(-kn/m))^k = (1 - exp^(-0.7))^(0.7*8) = (1 - 0.4965)^(5.6) = (0.5034)^(5.6) = 0.0214 (Here ^ represents power)

为了计算百分比，我们必须乘以100。
所以百分比是 0.0214*100 = 2%