腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

hhdb数据库介绍(8-4)

部署手动部署以下将分别介绍单计算节点、HA（主备）模式的计算节点集群手动部署方法，负载均衡模式的多计算节点集群推荐使用“集群部署”功能自动部署。 /jdk1.7.0_80 export PATH=$JAVA_HOME/bin:$PATH 执行source命令，使新增的环境变量生效： #source /etc/profile JDK1.8的安装，推荐使用 OpenJDK8安装包，其操作步骤推荐如下：上传OpenJDK8安装包可使用rz命令或ftp文件传输工具上传OpenJDK8U-jdk_x64_linux_hotspot_8u252b09.tar.gz usr/local/jdk8 tar -xvf OpenJDK8U-jdk_x64_linux_hotspot_8u252b09.tar.gz -C /usr/local/jdk8 JDK11的安装，推荐使用 OpenJDK11安装包，其操作步骤推荐如下：上传OpenJDK11安装包可使用rz命令或ftp文件传输工具上传OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.

2024-12-23

4630

标签:

机器学习入门 8-4 为什么要训练数据集与测试数据集

本系列是《玩转机器学习教程》一个整理的视频笔记。这一小节，主要介绍通过测试数据集来衡量模型的泛化能力，并得出训练数据集和测试数据集关于模型复杂度与模型精确度之间的趋势，最后通过一个简单的小例子来说明过拟合和欠拟合以加深理解。

触摸壹缕阳光

2019-12-26

3.7K0

标签:

【推荐】飞林沙：商品推荐算法&推荐解释

另外的一个问题还在于怎样生成替代品的推荐理由，应该是更好，而不是他们包含同一关键词。 ? 推荐一整套装备。因为我们要时刻记得我们产生Topic的意义不仅仅是用来做推荐，还有为基于Link关系的商品推荐生成推荐理由，topic生成与商品之间的连接关系息息相关。 ? 我们之前所有的训练都是基于无向图的，例如买了iPhone可以买手机壳，但是买手机壳推荐iPhone就是一个不好的推荐了。所以作者的解决方案是对训练的参数做了调整： ? 那么我们抛除模型，看看这篇paper带给了我们什么启示，这篇文章核心其实就是在解决“推荐解释”的问题，当然顺路也提高了推荐的准确性。作者从几个角度去出发，这几点都是值得我们在做推荐算法的时候考虑的： <1> 推荐的递进性，我们过去无论在做商品聚类，还是基于标签推荐时，都是基于一个无向的“图模型”。

涛哥-AI架构师

2018-04-23

2.7K0

标签:

MyEMS能源管理系统后台配置-数据源管理

批量管理功能导入 / 导出：支持 JSON/CSV 格式批量操作，适用于多设备快速部署（如图 8-4）；克隆数据源：复制现有配置并修改部分参数，减少重复操作（如图 8-4 右侧功能）。五、高级配置与最佳实践协议选择建议：工业设备优先用 Modbus RTU/TCP；跨网络传输推荐 MQTT（支持断线重连）；第三方系统对接建议使用 OPC UA 标准。

开源能源管理系统

2025-06-18

6330

标签:

音乐推荐系统:推荐歌单以及推荐相似歌曲

语言：python3.5 库：Surprise 平台：jupyter notebook 描述：此推荐系统类似网易云音乐推荐歌单以及推荐相似歌曲。 2.2 歌单数据=>推荐系统格式数据主流的python推荐系统框架，支持的最基本数据格式为movielens dataset，其评分数据格式为 user item rating timestamp，把数据处理成这个格式 2.3 保存歌单和歌曲信息备用保存歌单id=>歌单名和歌曲id=>歌曲名的信息 3.使用python推荐系统库Surprise完成项目 3.1用协同过滤构建模型并进行预测 3.1.1 推荐歌单 3.1.2 推荐歌曲 ? 当然也可以使用其他的算法来实现，如： ? 4. 不同的推荐系统算法评估可以使用不同的评估准则，如： ? ----

机器学习AI算法工程

2019-10-28

3.5K0

标签:

【推荐系统】推荐系统概述

— 哈珀·李许多人把推荐系统视为一种神秘的存在，他们觉得推荐系统似乎知道我们的想法是什么。Netflix 向我们推荐电影，还有亚马逊向我们推荐该买什么样的商品。如何构建一个推荐系统？现在已经有很多种技术来建立一个推荐系统了，我选择向你们介绍其中最简单，也是最常用的三种。他们是：一，协同过滤；二，基于内容的推荐系统；三，基于知识的推荐系统。因此，系统可以推荐相同或相似类型的歌曲。更复杂的推荐系统能够发现多个属性之间的关系，从而产生更高质量的推荐。混合推荐系统文章到目前为止所介绍的不同类型的推荐系统都各有优劣，他们根据不同的数据给出推荐。一些推荐系统，如基于知识的推荐系统，在数据量有限的冷启动环境下最为有效。推荐系统与AI？推荐系统常用于人工智能领域。推荐系统的能力 – 洞察力，预测事件的能力和突出关联的能力常被用于人工智能中。另一方面，机器学习技术常被用于实现推荐系统。

黄博的机器学习圈子

2021-07-07

2.8K0

标签:

推荐系列（一）：什么是推荐？

推荐系列（一）：什么是推荐？什么是推荐？ YouTube如何知道你可能希望接下来要观看的视频？Google Play商店如何为你挑选应用？这些恰到好处的推荐是魔法吗？答案当然是不，上述情况下，基于机器学习（ML）的推荐模型都可以确定视频和应用与你喜欢的其他内容的相似程度，然后提供推荐。主页推荐主页推荐根据用户的已知兴趣对用户进行个性化推荐，每个用户都能看到不同的推荐；如果你转到Google Play Apps主页，可能会看到如下内容： ? 相关项目推荐顾名思义，相关项目是与特定项目类似的推荐。在Google Play应用示例中，查看数学相关APP的用户也可能会看到相关的应用，例如有关科学的APP。为什么进行推荐？无非了两种途径：搜索跟推荐。搜索的时候有些关键词没有构建索引，且搜索后还是会出来大量的视频，如何挑选又陷入困难。但是，推荐引擎可以推荐给用户可能没有想过自己要搜索的内容，且自己对其感兴趣。

2019-08-15

1.9K0

标签:

推荐算法之： LFM 推荐算法

LFM介绍 LFM(Funk SVD) 是利用矩阵分解的推荐算法： R = P * Q 其中： P矩阵是User-LF矩阵，即用户和隐含特征矩阵 Q矩阵是LF-Item矩阵，即隐含特征和物品的矩阵

2020-10-26

2.7K0

标签:

基于机器学习的纠错系统技术 - 智能文本纠错 API

[17, 19], // 错误在句中的位置，左闭右开 [ ["文化", 2, "1-1", 0] // [推荐词，推荐程度，推荐类别，命名实体标志] ], [] ], [ [46, ⻅(list) 0: string 推荐词 1: int 推荐程度 1: 表⽰“低概率错误，⼀般推荐” 2: 表⽰“⾼概率错误，强烈推荐” 3: 系统默认敏感词 4: ⽤⼾⾃定义敏感词 5: ⽤⼾⾃定义错词 6: 共享词典敏感词 7: 共享词典错 8: 标点符号错误 2: 推荐类别, “8-x”: 敏感词错误，建议删减 8-1: 未分类（默认分类） 8-2: ⻩赌毒 8-3: 司法、政治 8-

2023-04-28

1.8K0

标签:

关联规则挖掘（一）

定义 8-4 设 X\subseteq I ， Y\subseteq I 且 X\cap Y=\phi ，令 Z=X\cup Y ，则称 Support(Z) 为关联规则 X\Rightarrow 从定义8-1和8-4可知，关联规则 X\Rightarrow Y 在事务数据库 T 上的支持度，就是 T 中同时包含 X 和 Y 的事务在 T 中所占的百分比，即： Support 算法（3）连接：由 L_1 自身连接生成候选频繁2-项集的集合 C_2 ，其结果由表8-4左侧第1列给出，且已按字典序排序。定理 8-4（关联规则性质2）：设 X 为频繁项集， \phi≠Y\subset X 且 \phi≠Y'\subset Y 。可以逐层生成关联规则，并利用以上性质2（定理8-4）进行剪枝，以减少关联规则生成的计算工作量。

2025-01-22

6500

标签: