Count-Min 草图的宽度（桶数）和深度（哈希函数数）决定了检索到的频率估计的准确性。
来自Count-Min 原作者2005 年的论文：
参数 w 和 d 可以通过设置 w=⌈e/ε⌉ 和 d=⌈ln1/δ⌉ 来选择，其中回答查询的误差在 ε 的因子内，概率为 δ。
如上所述：
w=⌈e/error⌉
d=⌈ln(1/(1−certainty))⌉
来自Count-Min 原作者2011 年的论文：
假设我们希望误差最多为 0.1（所有频率之和），确定性为 99.9。那么我们要2/w=1/1000，我们设w=2000，且(1/2)^d=0.001，即d=log0.001/log0.5 ≤ 10。
导致：
w=⌈2/error⌉
d=⌈ln(1−certainty)/ln(1/2)⌉
然而，误差必须取决于存储在草图中的元素总数 N。元素越多，错误和错误概率就越大。为了创建初始草图，什么是合适的功能？