- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 10-5 精确率和召回率的平衡
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要说明精准率和召回率是相互制约、相互矛盾的两个指标，通过选取不同的threshold阈值来观察精准率和召回率的变化。在具体编程中，sklearn没有直接能够传入threshold阈值的函数，但是可以使用算法的decision_function函数计算出样本的score值，然后转换为布尔向量，进而转换为元素为0,1的整型向量，整型向量即为算法在当前阈值下预测的样本类别。
4.6K51发布于 2020-04-26 - 来自专栏mysql
hhdb数据库介绍(10-5)
管理用户界面的审计日志主要用来查看管理用户对管理平台的操作记录，同时可查看所有纳管的计算节点集群内普通用户的基本操作。
66310编辑于 2025-03-13 - 来自专栏完美Excel
VBA专题10-5：使用VBA操控Excel界面之隐藏取消隐藏及最小化功能区
可以重命名和隐藏内置选项卡和内置组，改变其在功能区中的顺序。然而，不能重命名和隐藏内置控件，修改内置控件的图标，修改功能区内置组中内置控件的顺序。
4.3K30发布于 2020-08-17 - 来自专栏前端知识分享
第27天：js-表单获取焦点和数组声明遍历
45 46
- 47 上证指数364110 48
49- 50 上证指数364110 51
52- 53 上证指数364110 54
55- 56 上证指数364110 57
58- 59 上证指数364110
4.6K20发布于 2018-09-11 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-5 递归计算Ackermenn函数
习题10-5 递归计算Ackermenn函数 本题要求实现Ackermenn函数的计算，其函数定义如下： ?
83910发布于 2020-09-15 - 来自专栏科研猫
R语言从入门到精通：Day2-R和RStudio的运行视频教程
今天，我们就开始进入到《R语言从入门到精通》的第二节：R和RStudio的使用。 上节课程中，我们讲解了R和RStudio的安装，（错过的朋友，可以直接点击这里 ? ）R语言从入门到精通：Day1-R语言的安装，本节内容我们来学习如何使用他们。有同学可能觉得简单，那不就是打开软件直接敲击几个命令就行了嘛。 我们也可以计算10-5，2×3，8÷4等，结果如图： ? 我们发现，我们书写过的代码，全部还都保存在代码编辑页面中，如果我们想保存这个代码怎么办呢？
2.2K20发布于 2020-11-19 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十五） —— 多重星型模式
实际生产环境每天定期装载应该共用一个调度，也即应该把清单（五）- 10-5里的脚本并入每天定期装载脚本中，并且针对使用cdc_time表做相应的修改。 -5 Kettle定期装载工厂维度表和产品事实表如图（五）- 10-5到图（五）- 10-22所示。 图（五）- 10-5 图（五）- 10-6 图（五）- 10-7 图（五）- 10-8 图（五）- 10-9 图（五）- 10-10 图（五）- 10-11 运行完清单（五）- 10-5里的脚本以后，需要把系统日期设置成任意晚于上一篇“杂项维度”设置的日期。这里设置系统日期为2015年3月18日。 先把系统日期设置为2015年3月19日，然后执行清单（五）- 10-5里的脚本或对应的Kettle定期装载作业。
64720编辑于 2022-12-02 - 来自专栏科研猫
R语言从入门到精通：Day2
看来咱们科研猫真是猫系慵懒 今天，我们就开始进入到《R语言从入门到精通》的第二节：R和RStudio的使用。 上节课程中，我们讲解了R和RStudio的安装，本节内容我们来学习如何使用他们。 我们也可以计算10-5，2×3，8÷4等，结果如图： ? 我们发现，我们书写过的代码，全部还都保存在代码编辑页面中，如果我们想保存这个代码怎么办呢？
1.2K11发布于 2019-09-24 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1K80发布于 2018-03-13 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1.1K100发布于 2018-04-04 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图10-4 辅助虚拟机运行截图 当ESXi主机内存是4GB、5GB时，尝试启动容错虚拟机，则会弹出”父资源池中可用内存资源不足”的提示，如图10-5所示。 图10-5 父资源池中可用内存资源不足 11 其他 vSphere Web Client控制台中，各个窗口可以向四个方向拖动，如图11-1所示。 图11-1 拖动窗口 图11-2 拖动到指定位置
1.5K40编辑于 2021-12-23 - 来自专栏杨建荣的学习笔记
K-Means算法原理和简单测试
我们选择P1,P2为质心，即他们作为参照标准，分别和其他的员工数据进行比对，得到一个差异值，即两点之间的距离，可以使用欧式距离来得到，比如P1到P3的距离就是（10-7）（10-7）+（10-5）（10
73020发布于 2019-06-18 - 来自专栏后端技术探索
nginx入门到入门
用户访问反向代理服务器。但是用户不知道访问的是反向代理服务器多个站点中的哪一个站点。对服务器服务。
80920发布于 2018-08-10 - 来自专栏LeetCode解题
1619. 删除某些元素后的数组均值
与 标准答案 误差在 10-5 的结果都被视为正确结果。
5K20发布于 2021-02-26 - 来自专栏全栈程序员必看
Mayavi入门_乐理知识入门
然后在底下新建pip文件夹，然后到pip文件夹里面去新建个pip.ini,然后再里面输入内容
83710编辑于 2022-09-20 - 来自专栏全栈程序员必看
ffmpeg 入门_python入门笔记
写在前面 最近在读《FFmpeg从入门到精通》这本书，结合着雷神的博客，学习音视频的知识～ 在学习的过程中，也记录了一些摘要。因为是边看边记的，所以一些要点在看到后面的时候，需要反过来整理前面的。
2.2K30编辑于 2022-08-03 - 来自专栏MySQL从删库到跑路
makefile从入门到入门
makefile文件是用来帮助编译和管理C++项目代码的，需要配合make命令使用。makefile里也可以执行其它shell操作，具备一部分.sh脚本的功能。 makefile内容的编写按照如下规则
1.5K10发布于 2020-08-12 - 来自专栏伪架构师
SPIFFESPIRE 从入门到入门
大概很多人和我一样，是从 Istio 那里听说 SPIFFE（读音 Spiffy [ˈspɪfi]） 的，Istio 中用 SPIFFE 方式为微服务提供身份。SPIFFE 全称为 Secure Production Identity Framework For Every one，顾名思义，这是一个解决身份问题的框架；而 SPIRE 则是 SPIFFE 的一个实现，全称为 SPIFFE Runtime Environment。
2.7K20编辑于 2022-11-23 - 来自专栏全栈程序员必看
spark 入门_新手入门
Spark是一种快速、通用、可扩展的大数据分析引擎，2009年诞生于加州大学伯克利分校AMPLab，2010年开源，2013年6月成为Apache孵化项目，2014年2月成为Apache顶级项目。项目是用Scala进行编写。
1.5K20编辑于 2022-11-01 - 来自专栏python3
Python三维绘图--Matplotl
Axes3D #定义坐标轴 fig4 = plt.figure() ax4 = plt.axes(projection='3d') #生成三维数据 xx = np.random.random(20)*10 -5 #取100个随机数，范围在5~5之间 yy = np.random.random(20)*10-5 X, Y = np.meshgrid(xx, yy) Z = np.sin(np.sqrt(
3K40发布于 2020-01-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号