- 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 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
74630发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
87740发布于 2020-09-16 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
69040发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
26020编辑于 2022-03-07 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。本节主要包括以下内容：
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
82120编辑于 2023-01-09 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4- 对于从入门到基础的过渡，你有什么好的学习方法可以分享？ 在解决基础级题目时，你通常如何选择合适的算法和数据结构？ 参考资料 《算法竞赛进阶指南》- 李煜东 《算法导论》- Thomas H.
31110编辑于 2025-11-13 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
56110编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装
72030发布于 2018-06-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时
86250发布于 2018-05-17 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.4K40发布于 2020-05-29 - 来自专栏晓飞的算法工程笔记
简单的特征值梯度剪枝，CPU和ARM上带来4-5倍的训练加速 | ECCV 2020
**论文: Accelerating CNN Training by Pruning
81320发布于 2020-09-08 - 来自专栏数据分享与数据工具
【数据分享】全国路网数据分享
今天分享一份全国范围的路网数据，包含高速公路、城市快速路、城市主干道、城市次干道、城市支路、乡村道路、自行车道、人行道路、内部道路、其他共10种道路分类。 公园自行车道 人行道路 人行道、步行街道、台阶 内部道路 生活街道、小道、服务性道路、马道 其他 其他 主要城市可视化 北京.png 上海.png 广州.png 深圳.png 点击下面链接获取数据 【数据分享 】全国路网数据分享
6K00编辑于 2022-05-20 - 来自专栏全栈程序员必看
SLAM技术分享_it技术分享社区
同时定位与地图重建（Simultaneous Localization and Mapping, SLAM）,是机器人领域中的一项基础的底层技术，其希望机器人能在一个陌生的环境下实现自身的实时定位，同时能够重建出有关于环境的地图。随着近年无人驾驶、增强现实、虚拟现实等应用的兴起，作为实现这些应用的SLAM技术也越发引人注目。SLAM技术主要完成两项任务：自身定位与环境建图，也是让机器知道自己在哪里，已经周围的环境是啥。然而，如果想要精确的实现定位任务就不可避免的需要高精度的地图，而高精度的地图重建是需要以更为精确的自身定位作为基础的。 近年以来，除了传统的激光SLAM解决方案，基于视觉，基于惯性传感器等等的解决方案也在不断变多，整个SLAM领域整体呈现百花齐放的态势。 一. 目前在SLAM领域中的关键问题： 1、数据关联：SLAM技术在未来的发展过程中必然会有一个方向是将SLAM系统中集成多传感器，进行多传感器的融合任务。但是显而易见的是不同的传感器之间具有不同的特征，目前的很多SLAM研究人员都转向了研究多传感器SLAM中的传感器校准（例如自校准或者快速标定等内容），状态估计和后端BA优化。 2、 多机SLAM联合建图：目前在小范围内已有的若干SLAM系统大多都能获得比较好的效果，但是面对大规模，长时间的SLAM问题，如果只采用单机SLAM系统则获得良好的效果，此时通过分散的多机SLAM系统来解决大场景，长时间的SLAM任务将会是一个比较合适的选择，属于比较前沿的SLAM研究方向。 3、 高清晰度、信息量丰富的地图：SLAM技术作为机器人领域的一项底层基础技术，需要根据上层应用程序需要提供一张具有丰富信息的地图，其中比较具有代表性的地图形式就是拓扑地图，语义地图，以及点云地图等等；同时当SLAM系统的面对大场景，长时间的情况时，采用何种方式来存储更新地图也将是一个迫切需要解决的问题。 3、目前SLAM技术仍然面对着更强适应性、鲁棒性、可扩展性的要求。 4、适合的SLAM应用：目前SLAM技术具有广泛的应用场景，但是许多SLAM系统依然处在实验室研究阶段，缺乏合适的工程工具进行封装，需要我们继续完善SLAM的应用生态。 二. SLAM领域中的经典数据集： 1.KITTI数据集（单目视觉 ,双目视觉, velodyne, POS 轨迹）
1.5K50编辑于 2022-11-10 - 来自专栏爱可生开源社区
技术分享 | ClickHouse & StarRocks 使用经验分享
大纲本篇分享下个人在实时数仓方向的一些使用经验，主要包含了ClickHouse 和 StarRocks 这两款目前比较流行的实时数仓，文章仅代表个人拙见，有问题欢迎指出，Thanks♪(･ω･)ﾉ关于实时数仓
5.8K42编辑于 2023-01-17 - 来自专栏全栈程序员必看
测试技术提升分享_测试技术分享
大家好，又见面了，我是你们的朋友全栈君 在腾讯课堂上分享测试技术相关的课程也有一段时间了，同时在博客（http://blog.sina.com.cn/u/1760715297）和微信公众号上也分享了不少相关文档 taid=3367168461117734&tuin=4fd18ae WebUI自动化测试中核心内容，元素快速定位和检测点设计技巧分享，多年实战经验分享。 五，总结 本文全面介绍了本人在腾讯课堂上分享的各类教程，如果你有这方面的需求，可以根据选择进行学习。
62610编辑于 2022-09-29 - 来自专栏CreateAMind
自律、分享、学习——打卡群内容分享
现在我们将为读者奉上三篇打卡群内的学习笔记： 笔记一： 笔记二： 笔记三： 笔记四： 笔记五：
1.4K30发布于 2019-04-28 - 来自专栏公众号PowerBI大师
1.6 分享
数据报告做的再好，如果不能与他人及时分享，结果等同于0。这个世界上每天有数以亿计的PPT演示文稿在产出，然而90%以上的内容都是浪费的，我们在专注于制造功课的同时，往往忽视了最后输出结果的影响力。 利用Power BI分享的最大优势有两点： 1.它打破限制，无论你在何处，无论你使用的是笔记本、平板电脑、安卓还是苹果手机，都可以快速地获得数据报告。 1 分享 首先要注册一个Power BI账号，按要求它需要以公司或者学校邮箱注册，如果大家有困难的话可以用@126.com个人邮箱来注册国际版，也能通过。 其实PowerBI中的分享方式有很多种，微软对权限和安全设计方面是非常的全面，利用PowerBI还可以编辑访问者权限类别，以数据管理员的方式管理报表，这方面在这里不多讲，就由大家按需求自行探索吧。 至此，我们经过了数据准备、折线与柱形图、筛选器、层次与交互、地图与散点图、分享几个章节的功课，如果你能坚持到这里，我相信你已经很好地打开了PowerBI这扇门。
78440发布于 2019-08-07 - 来自专栏前端萌媛的成长之路
WebAssembly分享
什么是WebAssemblely WebAssembly是一种运行在现代网络浏览器中的新型代码并且提供新的性能特性和效果。它设计的目的不是为了手写代码而是为诸如C、C++和Rust等低级源语言提供一个高效的编译目标。 对于网络平台而言，这具有巨大的意义——这为客户端app提供了一种在网络平台以接近本地速度的方式运行多种语言编写的代码的方式；在这之前，客户端app是不可能做到的。 目标 快速，高效，可移植--通过利用通用的硬件功能，可以在不同的平台上以接近原生代码执行的速度执行WebAssembly代码。
3.3K61发布于 2018-06-13 - 来自专栏liuchengxu
书单分享
在此分享给大家，里面有不少有关机器学习和数据挖掘，还有 Python，Spark，设计类等等。Theory 部分大部分是经典书籍，对于发论文可能显性的帮助没那么大，属于“内功”。
74620发布于 2018-08-23
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