- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
Python 数值区间处理 - inte
使用 Python 进行数据处理的时候，常常会遇到判断一个数是否在一个区间内的操作。我们可以使用 if else 进行判断，但是，既然使用了 Python，那我们当然是想找一下有没有现成的轮子可以用。
5.1K10发布于 2020-01-07 - 来自专栏java技术大本营
一分钟学java之引用传参和数值传参
结合视频所述,引用传参和值传参最大的区别就是,在方法内,如果对传入的参数修改会影响到外面的,就是引用传参,如果影不到外面的,就是值传参 小刀更想和大家聊的是下面这些 方法中代码层级的划分 在现在开发中 ,在一个方法中可能要很写多行,各种if-else判断,然后拿到返回值后再进行判断等等, 其实我们可以把项目做一个划分: - 卫语句 所谓卫语句,即起到保卫作用的代码,用以检验入参,返回值,一旦发现不满足要求的
97910发布于 2019-09-17 - 来自专栏小工匠聊架构
Java 8 - 数值流Numberic Stream
---- Pre Java 8 - Stream流骚操作解读2_归约操作操作了reduce, 使用 reduce 方法计算流中元素的总和. Stream API还提供了原始类型流特化，专门支持处理数值流的方法。 ---- 转换回数值流 boxed 一旦有了数值流，你可能会想把它转换回非特化流。 Java 8引入了两个可以用于 IntStream 和 LongStream 的静态方法，帮助生成这种范围range 和 rangeClosed 。 因为 count 是一个终端操作，所以它会处理流，并返回结果 50 ，这正是1到100（包括两端）中所有偶数的个数。
1K20发布于 2021-08-17 - 来自专栏desperate633
第8课 使用函数文本处理函数日期和时间处理函数数值处理函数
文本处理函数 ![Uploading Paste_Image_201295.png . . .]# 文本处理函数 ? Paste_Image.png select upper(prod_name) from products order by prod_name; 日期和时间处理函数 这类函数，可移植性差，每类数据库实现都不一样 数值处理函数 ? Paste_Image.png
65630发布于 2018-08-22 - 来自专栏老男孩成长之路
MySQL 数值类型溢出处理
MySQL 数值类型溢出处理 当 MySQL 在某个数值列上存储超出列数据类型允许范围的值时，结果取决于当时生效的 SQL 模式 如果启用了严格的 SQL 模式，则 MySQL 会根据 SQL 标准拒绝带有错误的超出范围的值 数值表达式求值过程中的溢出会导致错误，例如，因为最大的有符号 BIGINT 值是 9223372036854775807，因此以下表达式会产生错误 mysql> SELECT 9223372036854775807 9223372036854775808 | +-------------------------------------------+ 从另一方面说，是否发生溢出取决于操作数的范围，因此处理前一个表达式的另一种方法是使用精确值算术 9223372036854775807.0 + 1 | +---------------------------+ | 9223372036854775808.0 | +---------------------------+ 整数数值之间的减去
2.1K40发布于 2019-09-10 - 来自专栏老男孩成长之路
MySQL 数值类型溢出处理
MySQL 数值类型溢出处理 当 MySQL 在某个数值列上存储超出列数据类型允许范围的值时，结果取决于当时生效的 SQL 模式 如果启用了严格的 SQL 模式，则 MySQL 会根据 SQL 标准拒绝带有错误的超出范围的值 数值表达式求值过程中的溢出会导致错误，例如，因为最大的有符号 BIGINT 值是 9223372036854775807，因此以下表达式会产生错误 mysql> SELECT 9223372036854775807 9223372036854775808 | +-------------------------------------------+ 从另一方面说，是否发生溢出取决于操作数的范围，因此处理前一个表达式的另一种方法是使用精确值算术 9223372036854775807.0 + 1 | +---------------------------+ | 9223372036854775808.0 | +---------------------------+ 整数数值之间的减去
2.7K20发布于 2019-12-02 - 来自专栏优雅R
「R」数值与字符处理函数
的正态随机数 rnorm(50, mean=50, sd=10) [1] 49.38745 52.51430 56.93963 51.22944 63.67348 51.36679 54.98808 [8] 字符处理函数 函数 描述 nchar(x) 计算x的字符数量 substr(x, start, stop) 提取或替换一个字符向量中的子串 grep(pattern, x ignore, case=FALSE
1.3K10发布于 2020-07-03 - 来自专栏数字芯片
雷达信号处理基础之【相参积累处理】
相参积累处理 在信号理论中，相参又称为相干，定义为脉冲之间存在确定的相位关系。简单来说，脉冲间的相位可以互相对照，知道其中一个相位就有办法知道另外一个。 相参处理的意义在于脉冲积累时提高信噪比，提高多普勒频率的准确度。由于雷达回波信号不但有微弱的信号，还会有很强的噪声。雷达的主要目的就是要把微弱的目标信号从噪声中分离出来，设法提高信噪比。 (b)相参积累后 图1 “距离-多普勒”二维分布图 图1(a)中，每个行向量表示1个雷达脉冲重复周期内的距离单元向量，每连续k个行向量排列好后，形成1个二维数组(1个处理帧)。 再对每个列向量(即行向量中对应距离单元)做复数FFT处理，共做n次，形成图1 (b)中相参积累后的结果，形成“距离-多普勒”二维分布图。 图4 相参积累后的信号(目标1的SNR为-5dB，目标2的SNR为2dB) 由上图的二维平面可以直观地看出，两个淹没在噪声中的低SNR信号，通过脉冲压缩与32个脉冲在相参积累后，信噪比得到了极大提升，雷达信号处理机可以对目标进行有效检测
14.5K31发布于 2020-07-20 - 来自专栏Ryan Miao
java8-Stream之数值流
虽然自动拆箱不需要我们处理，但依旧有隐含的成本在里面。 Java8引入了3个原始类型特化流接口来解决这个问题：IntStream,DoubleStream,LongStream, 分别将流中的元素特化为int、long、doub，从而避免了暗含的装箱成本。 数值特化流的终端操作会返回一个OptinalXXX对象而不是数值。 IntStream.range(1, 9); 注 测试demo: https://github.com/Ryan-Miao/someTest/blob/master/src/main/java/com/test/java8/ streams/NumStreamExample.java 以上出自《Java8 In Action》
1.2K50发布于 2018-04-10 - 来自专栏我的充电站
数值计算方法 Chapter8. 常微分方程的数值解
数值计算方法 Chapter8. 常微分方程的数值解 0. 问题描述 1. Euler公式 1. 向前Euler公式 2. 向后Euler公式 3. 梯形公式 2. 常微分方程组的数值解法 1. 一阶常微分方程组的数值解法 2. 高阶微分方程数值方法 0. _{n-1}) + 5f(x_{n-2}, y_{n-2})) 三阶隐示Adams公式 y_{n+1} = y_{n} + \frac{h}{12}(5f(x_{n+1}, y_{n+1} + 8f 常微分方程组的数值解法 1. 高阶微分方程数值方法 这里，我们再来考察一下一元高阶微分方程的数值解法。
3.3K30编辑于 2022-08-23 - 来自专栏磐创AI技术团队的专栏
数值数据的特征预处理｜ML基础
译者|Arno 来源|Medium 特征预处理是数据挖掘中最重要的步骤。在这篇文章中，我将向你介绍特征预处理的概念，它的重要性，不同的机器学习模型下的数值特征的不同特征预处理技术。 这就是特征预处理的由来，特征预处理将原始数据转换为机器学习模型可用的数据。 不同类型的机器学习模型 首先，让我们看看机器学习模型的不同类别。 以下是一些最常见的数据类型: 数值特征 分类特征和顺序特征 日期和时间 文本 图像 不同的数据类型和不同的机器学习模型需要不同类型的特征预处理。一些预处理方法对于所有数据类型都是通用的。 数值数据的特征预处理 ? 数值数据有测量或计数的意义。数值数据的例子包括雇员的工资、年龄和拥有的房屋数量。数值数据可以进一步分为两种类型:离散型和连续型。 然后，通过代码示例和直方图图，详细阐述了数值特征常用的特征预处理技术，包括归一化、离群点去除和对数变换等。
1K10发布于 2019-10-14 - 来自专栏机器学习/数据可视化
8种数值变量的特征工程方法
公众号：尤而小屋编辑：Peter作者：Peter大家好，我是Peter~本文主要介绍处理数值变量特征工程，将介绍使用Python的Scikit-Learn库、Numpy等工具处理数值的高级特征工程技术， X_train_scaled, X_test_scaled, y_train, y_test) # 创建两个并列的子图 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 8) 它能够将任意函数应用于数据，作为预处理或特征工程管道的一部分。 处理异常值：该变换有效地管理极端数据，允许处理异常值而无需删除，从而保留潜在的重要信息。 8、主成分分析 PCA主成分分析（PCA）将一组可能相关的变量转换为一组线性不相关的变量，称为主成分。
55000编辑于 2025-05-09 - 来自专栏十月梦想
Promise对象、传参以及错误处理
传参 我们可以在resolve中定义实参,在then方法后接收到 console.log("开始执行") let p = new Promise((resolve,reject)=>{ resolve(6) },2000) }) p.then((timer)=>{ console.log(timer+"s执行结束") }) 错误处理 我们如何传递错误的
4.7K10发布于 2018-10-09 - 来自专栏java技术大本营
springboot|Controller接收处理GET,POST请求入参
Controller 接收入参 入参通常来说分两个情况,一种是Get, 一种是POST Get请求的入参处理 /** * @Author https://www.javastudy.cloud * post请求入参处理 /** * Post 请求入参也可以这样平铺使用 * 一般适用于前端Header中Content-Type为application/x-www-form-urlencoded ,并且加上了 @RequestBody * 一般适用于前端Header中Content-Type 为 application/json的场景 * 注意入参要是json格式 DEMO总评 入参处理这块不是很复杂,主要是要和前端的Header中的Content-Type对应,本次DEMO只讲了String类型的入参处理,后面会分享文件,数组等复杂类型的入参处理. 还有一种入参是@PathVariable的形式,这种在实际入开发中使用的少之又少,可以学习,不推荐实际开发中使用.加油吧!
5.3K20发布于 2019-12-02 - 来自专栏学弱猹的精品小屋
数值优化（8）——带约束优化：引入，梯度投影法
上一节笔记：数值优化（7）——限制空间的优化算法：LBFGS，LSR1 ———————————————————————————————————— 大家好！ 证明的思路和之前无约束优化的情形是非常类似的，设 不是驻点，但却是局部极小值，那么我们考虑稍微移动一点 观察函数值是否会存在下降。 事实上证明是类似的，和我们上面一样的写法可以得到 Proposition 8: 设 为驻点，那么如果 ，则偏导为0，若 ，则偏导非负，若 ，则偏导非正。 尽管基本的思路还是一样，设 ，然后说明无论 会怎么取，稍微移动一点之后都会使得函数值不下降，也就是观察 的函数性质。 对于arc形式的，要求也是差不多的 Definition 8: Arc Armijo Condition 设 ，那么如果 是最小的使得 且使得 成立，那么称 满足弧情况下的Armijo条件。
2.8K10发布于 2021-08-09 - 来自专栏AI机器学习与深度学习算法
Python图像处理库-PIL获取图像的数值矩阵
，数值矩阵中的每个元素值的范围为 (0, 255)。 RGB 图像（不同模式的数值矩阵排列可能不同）每个像素点呈现的颜色由三个数值矩阵对应位置的三个值决定，可以用一个三元组来表示，比如图示中的像素点 A 表示为 RGB(255, 0, 255)，像素点 B 如何获取这些数值矩阵呢？PIL 提供了 PIL.Image.getdata(band = None) 方法，用来获取 Image 对象中的这些数值矩阵。 getdata() 函数会将 RGB 图像的像素点（用三元组表示）逐行地进行拼接，而指定 band 参数，返回单个通道的数值同样也是逐行进行拼接的，只不过此时不是像素点而是单个数值。 简单来说，就是将对应通道的数值矩阵逐行进行拼接。 有了这些逐行拼接的像素点或单个数值，接下来可以对这些像素点或数值进行一系列的操作。
2.8K40发布于 2021-04-07 - 来自专栏AI机器学习与深度学习算法
Python图像处理库-PIL获取图像的数值矩阵
[k4p5q0q8vs.png? 1617164337&q-header-list=&q-url-param-list=&q-signature=c72c4eb42892e9e2d228007d2db9efa1c2f60880] 在Python图像处理库 ，数值矩阵中的每个元素值的范围为 (0, 255)。 如何获取这些数值矩阵呢？PIL 提供了 PIL.Image.getdata(band = None) 方法，用来获取 Image 对象中的这些数值矩阵。 简单来说，就是将对应通道的数值矩阵逐行进行拼接。 有了这些逐行拼接的像素点或单个数值，接下来可以对这些像素点或数值进行一系列的操作。
3.1K20发布于 2021-03-31 - 来自专栏java一日一条
Java【8】异常处理
异常处理机制——当程序出现错误后，程序如何处理。具体来说，异常机制提供了程序退出的安全通道。当出现错误后，程序执行的流程发生改变，程序的控制权转移到异常处理器。 ① Error是错误，表示运行应用程序中出现了严重的错误，都是通过Error抛出的，一般是程序不能处理的系统错误。错误是没法处理的。 这类错误与硬件有关，大多数错误与代码编写者执行的操作无关，通常由系统进行处理，程序本身无法捕获和处理。如：当JVM耗完可用内存时，将出现OutOfMemoryError。 异常是可以被处理的！ ? 异常：程序运行时，程序本身可以捕获并且可以处理的错误。 异常分为： ①运行时异常（不受检异常），一般由程序逻辑错误引起。不要求必须处理，编译器不检查。
77320发布于 2020-07-02 - 来自专栏AILearning
【机器学习实战】第8章 预测数值型数据：回归
第8章 预测数值型数据：回归 <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js? config=default"></script> 回归（Regression） 概述 我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处理，回归的目的是预测数值型数据的目标值 回归 场景 回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。 而λ是一个用户定义的数值，后面会做介绍。在这种情况下，回归系数的计算公式将变成： 岭回归最先用来处理特征数多于样本数的情况，现在也用于在估计中加入偏差，从而得到更好的估计。 下面我们举一个例子，我们使用 线性回归 和 局部加权线性回归 处理过一个从文件导入的二维数据。 其中的 N(0, 1) 是一个均值为 0、方差为 1 的正态分布。
2.2K60发布于 2018-01-05 - 来自专栏算法channel
机器学习超参调优：常用8种方法
8 随机搜索 随机搜索可以说是对网格搜索的基本改进。该方法是指对可能参数值的某些分布的超参数进行随机搜索。搜索过程继续进行，直到达到所需的精度。随机搜索类似于网格搜索，但已证明比后者创建更好的结果。 原文出处： https://analyticsindiamag.com/top-8-approaches-for-tuning-hyperparameters-of-machine-learning-models
5.9K31编辑于 2022-08-31
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