動態評價指標是指在被評價對象改變狀態時其相關指標也會發生變化，從而以及時的反應出整體狀況。具體到計算機上，這就是一個可以根據外部輸入，動態地給出某種相關參數的系統。動態評價指標計算方法主要包括數據挖掘、統計學方法、機器學習和深度學習等常用技術。

首先，數據挖掘是指從大量數據中自動發現隱藏知識的過程，采用這種方法可以有效分析數據，并根據分析結果推斷出有價值的知識，從而進行動態評價指標計算。因此，數據挖掘對動態評價指標計算有很大幫助。

其次，統計學方法是一種比較常用的動態評價指標計算方法，其原理是利用一組數據按一定的模型建立擬合曲線，然后根據擬合曲線的變化規律確定指標的值。相比較而言，數據挖掘是對簡單的數據進行分析，而統計學方法可以通過擬合曲線來進行更加細致的數據處理。

最后，機器學習和深度學習是最新發展出來的一類技術，也用于動態評價指標計算。與傳統的計算方法相比，機器學習和深度學習可以直接從數據中學習到變化規律，從而更準確地計算出動態評價指標。

總之，動態評價指標計算方法主要有數據挖掘、統計學方法、機器學習和深度學習等，而其具有的特征是可以及時反應出整體狀況，可以根據外部輸入，動態地給出某種相關參數，可以通過擬合曲線確定指標的值，可以學習到變化規律，更準確地計算出動態評價指標。

拓展：由于動態評價指標具有高度復雜的變化趨勢，因此計算出準確的動態評價指標可能會比較困難。為了解決這個問題，可以使用算法復雜度分析方法對算法進行優化，減少計算量，從而提高計算效率，提高計算精確度。