- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-11)
功能入口： 在关系集群数据库可视化管理平台页面中选择配置->逻辑库。在逻辑库页面，输入逻辑库名称，点击“搜索”，即可搜索到相应的信息。 表信息功能说明： 管理平台为HHDB Server集群提供业务表的可视化配置功能。 功能入口： 在关系集群数据库可视化管理平台页面中选择配置->表信息表类型： 全局表、子表、水平分片表、垂直分片表添加表信息目前支持添加：水平分片表、垂直分片表、全局表、子表。 添加子表方式： 管理平台中可以直接新增子表，也可以在表信息页面父表记录下新增子表直接新增子表：在关系集群数据库可视化管理平台页面中选择配置->表信息->“添加表”。 删除表功能入口： 在关系集群数据库可视化管理平台页面中选择配置->表信息->“删除”功能说明： 点击“删除”按钮，弹出框提示：“确认要删除吗？”，点击“确定”，则未创建的表的表信息配置删除成功。
44510编辑于 2024-12-05 - 来自专栏李蔚蓬的专栏
第10-11周Python学习周记
3.时间允许的话，尽可能了解一些身为程序员必要掌握的知识（例如json，参考于网络资源）。
92410发布于 2018-09-13 - 来自专栏爬虫逆向案例
js逆向-猿人学(10-11)js和app协议破解
开无痕，开控制台， debugger 右键选择 ：never pause here ，先这样瞧一瞧
1.4K20发布于 2021-11-22 - 来自专栏linjinhe的专栏
设计数据密集型应用（10-11）：大数据的批处理和流处理
谈大数据批处理，绕不过的就是 MapReduce。MapReduce 是大数据处理的老祖宗了。
80210发布于 2020-04-01 - 来自专栏code人生
多验证者节点PoA私链搭建
/node0INFO [10-11|09:53:51.790] Maximum peer count ETH=50 total=50INFO [10-11|09 /node1INFO [10-11|09:55:12.919] Maximum peer count ETH=50 total=50INFO [10-11|09 /node2INFO [10-11|09:55:47.318] Maximum peer count ETH=50 total=50INFO [10-11|09 set to default scheme=hashINFO [10-11|02:18:54.925] Writing custom genesis blockINFO [10 set to default scheme=hashINFO [10-11|02:19:58.563] Writing custom genesis blockINFO [10
54510编辑于 2024-10-11 - 来自专栏完美Excel
VBA专题10-11：使用VBA操控Excel界面之在功能区中添加自定义拆分按钮控件
拆分按钮控件是一个含有单击按钮和下拉按钮列表的组合控件。用户可以选择单击按钮，或者从下拉列表中选择单击其中一个按钮来执行相应的命令。
2.7K10发布于 2021-02-05 - 来自专栏用户4866861的专栏
高精度频率计数器功能简介
1dBm内部时基输出频率10MHz温补晶振频率准确度A≤5×10-7老化率≤1×10-6/年恒温晶振（选件010）开机特性V≤1×10-8频率准确度A≤1×10-7老化率≤1×10-9/日秒稳定度≤3×10 -11/s铷原子钟（选件020）频率准确度A≤5×10-11老化率≤5×10-12/日，≤5×10-11/月秒稳定度≤5×10-11/s，≤2×10-11/10s外部参考输入输入频率正弦10MHz电平≥
88540发布于 2020-04-23 - 来自专栏资讯博客
2025年10-11月企业级智能体开发平台评估报告：赋能数字化转型的 数智伙伴
核心能力：全链路可信：获中国信通院可信AI最高评级5级，确保推理逻辑、知识库、交互过程及评测归因全程可追溯行业知识沉淀：集成亿级高质量专业数据和十万级长思维链标注，精准模拟专家决策路径低代码开发：提供可视化编排界面 GLM大模型实现全栈自主可控，幻觉率降至行业低位百度灵境智能体：低代码开发，一键分发至微信、百度搜索等渠道，适合政务咨询和政策解读，某政务大厅部署后群众满意度达98%低代码与开源生态平台中关村科金平台：可视化画布拖拽 构建复杂任务，广泛应用于办公自动化和内容审核，已服务2000+企业LangChain/LangGraph：定位为"智能体开发工具链"，提供文档加载→文本分割→嵌入向量→检索问答全流程组件，支持多模型调用和工作流可视化 平台核心能力对比能力维度领先平台关键差异点可信能力蚂蚁数科Agentar(5级认证)、中电金信源启全链路可追溯、决策透明、风险可控，解决AI"黑箱"问题低代码开发中关村科金、Dify、微软PowerPlatform可视化操作
44110编辑于 2025-11-18 - 来自专栏愿天堂没有BUG（公众号同名）
一文带你搞明白深入解析java虚拟机垃圾回收器究竟是什么鬼
G1 GC（以下简称G1）抛弃了既有堆模型，将整个堆划分为一些大小固定的内存块（Region），如图10-11所示。 图10-11 基于Region的堆划分 G1没有抛弃弱分代假说，如图10-11所示，每个Region仍然包含代纪，YGC和Mixed GC（混合回收）会选择合适的Region，然后只回收这一部分Region
50520编辑于 2022-10-31 - 来自专栏全栈程序员必看
SQL可视化工具_可视化工具tableau
SQLite的可视化工具 下载地址：https://sqlitestudio.pl/index.rvt?
2.3K10编辑于 2022-09-20 - 来自专栏计算机魔术师
【机器学习 | 可视化】回归可视化方案
欢迎大家订阅该文章收录专栏 [✨--- 《深入解析机器学习：从原理到应用的全面指南》 ---✨]@toc回归可视化方案在评估回归模型效果时，可以使用多种可视化方案来直观地比较实际值和预测值之间的差异。 以下是几种常见的回归模型评估可视化方案和相应的Python代码模板：对角线图：对角线图用于比较实际值和预测值之间的差异。 plt.xlabel('Actual Values')plt.ylabel('Residuals')plt.title('Residual Plot')plt.show()拟合曲线图：可以绘制拟合曲线来可视化模型的拟合效果 ', label='Predicted')plt.xlabel('X')plt.ylabel('Y')plt.title('Fitted Curve')plt.legend()plt.show()这些可视化方案提供了不同的角度和方法来评估回归模型的效果 根据数据和模型的特点，可以选择适合的可视化方案或结合多种方案来全面评估模型的性能。 到这里，如果还有什么疑问欢迎私信博主问题哦，博主会尽自己能力为你解答疑惑的！
80600编辑于 2023-11-29 - 来自专栏医学和生信笔记
R可视化：R可视化教程来了！
从本周开始会每周推送1~2次高质量R可视化内容，本系列内容来自github上面超级火爆的R语言可视化项目：tidyTuesday。 tidyTuesday每周更新数据，大佬们会使用这些数据集自由创作出各种高质量的R语言可视化作品，是学习R语言数据分析和可视化极好的素材。 热情的小伙伴把这些内容整理到CSDN中，方便大家学习，每个例子会展示多个可视化方案，均配有完整源代码和数据（为了便于理解，部分重要步骤均添加了注解）。
96830编辑于 2022-11-15 - 来自专栏计算机魔术师
【机器学习 | 可视化系列】可视化系列 之 决策树可视化
Embedding）是一种降维和可视化技术，用于将高维数据映射到二维或三维空间中。 因为t-SNE能够捕捉到复杂、非线性结构以及聚类效应，所以它通常被用于可视化高维数据集中不同类别或群组之间的分布关系。 决策树可视化scikit-learn（sklearn）的tree模块提供了一个方便的函数plot_tree，用于可视化决策树模型。 你可以使用以下步骤来使用plot_tree函数进行可视化（以iris数据集为例）：导入必要的库和模块：在Python脚本中，导入tree模块和matplotlib.pyplot库：可视化决策树：使用plot_tree 函数可视化决策树模型。
98900编辑于 2023-11-29 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例6：决策树模型实现冬小麦提取
播种期 10-11月，旺长期3-4月，成熟期5-6月 NDVI_median = getl8_ndvi('2017-10-11', '2017-11-10').median().clip(region) = wheat1.add(wheat2).where((wheat1.add(wheat2)).gt(aie.Image.constant(0)),aie.Image.constant(1)) 数据可视化
41110编辑于 2024-02-02 - 来自专栏嵌入式
每天一个linux命令：ls命令
grep "^d" drwxr-xr-x 10 root root 4096 09-17 18:17 jdk1.6.0_16 drwxr-xr-x 16 1016 1016 4096 10 rw-r--r-- 1 root root 7501026 10-10 11:08 subversion-1.6.1.tar.gz drwxr-xr-x 16 1016 1016 4096 10 xargs ls -ld 输出： [root@localhost opt]# find $PWD -maxdepth 1 | xargs ls -ld drwxr-xr-x 8 root root 4096 10 2012-03-08 /opt/log drwxr-xr-x 2 root root 4096 2012-03-08 /opt/script drwxr-xr-x 5 root root 4096 10 -11 03:21 /opt/soft drwxr-xr-x 2 root root 4096 2012-03-08 /opt/src drwxr-xr-x 4 root root 4096 10-11
2.7K20发布于 2020-09-21 - 来自专栏学习与分享
【Linux】深入理解ls命令
grep "^d" drwxr-xr-x 10 root root 4096 09-17 18:17 jdk1.6.0_16 drwxr-xr-x 16 1016 1016 4096 10 rw-r--r-- 1 root root 7501026 10-10 11:08 subversion-1.6.1.tar.gz drwxr-xr-x 16 1016 1016 4096 10 ls -ld 输出： [root@localhost opt]# find $PWD -maxdepth 1 | xargs ls -ld drwxr-xr-x 8 root root 4096 10 2012-03-08 /opt/log drwxr-xr-x 2 root root 4096 2012-03-08 /opt/script drwxr-xr-x 5 root root 4096 10 -11 03:21 /opt/soft drwxr-xr-x 2 root root 4096 2012-03-08 /opt/src drwxr-xr-x 4 root root 4096 10-11
1.3K10编辑于 2024-03-08 - 来自专栏腾讯大数据可视化设计团队的专栏
遇见大数据可视化：可视化系统搭建
如何搭建数据可视化系统，使复杂和庞大数据用丰富的设计语言清晰表达，并形成鲜明的设计风格？我们把数据可视化的元素进行拆分并建立相应的规范体系。 a、明确目标 明确数据可视化的目标，通过数据可视化我们要解决什么样的问题，需要探索什么内容或陈述什么事实。 [1497331969668_374_1497331969874.jpg] 3.动效设计 目前越来越多的可视化展示的数据都是实时的，所以动效在可视化项目中的应用越来越广泛，动效设计肩负着承载更多信息和丰富画面效果的重要作用 a、 信息承载 在可视化设计中经常遇到，非常多的数据信息需要展示在一个大屏幕上。 保证可视化图的清晰辨识度，色调与明度变化需要有跨度。
11.2K50发布于 2017-06-13 - 来自专栏全栈程序员必看
数据可视化编程实战_大数据可视化
以R可视化为桥梁 经常有对比R，Python和Julia之间的讨论，似乎R语言在这三者之中是最为逊色的，实则不可一概而论。 R语言在常规数据分析的场景下，如数据读入，预处理，整理，以及单机可视化方面表现出的优势，无论从用户体验，还是代码流畅度，令另两种语言略逊一筹。 本文将从统计学中最基本的密度曲线的绘制，来串讲一下题目中所涉及的R语言可视化中三个强大的可视化包的用法，以及之间的联系。 终于，可以引出第一个可视化包ggplot2了，这个包在统计学界名气很大，功能也极为成熟，是R语言可视化中不可回避的内容。 8 利用shiny生成 交互式可视化 shiny是R生态系统中一个准企业级的交互式可视化工具，在用户界面体验方面有极佳的表现。
9.6K20编辑于 2022-11-17 - 来自专栏智能大数据分析
【数据可视化技术】数据可视化概述&工具
本章简单介绍数据可视化的发展历史、可视化工具分类，重点结合ECharts介绍Web可视化组件生成方法，并给出Java Web开发与相关大数据组件的数据集成，以展现数据可视化结果。 一、数据可视化概述 （一）基本概念 数据可视化，是指将结构或非结构化的数据转换成适当的可视化图表，然后将隐藏在数据中的信息直接展现在人们面前，是一种关于数据视觉表现形式的科学技术研究。 （三）基本方式 进入20世纪，数据可视化有了飞跃性的发展。数据可视化的方式可以分为面积与尺寸可视化、颜色可视化、图形可视化、地域空间可视化和概念可视化等。 二、数据可视化工具 根据可视化工具的使用方式使用用户的不同，可分为桌面数据可视化技术（如Excel、R可视化和Python可视化等）、在线数据可视化技术（Oracle BI、Superset SuperSet可以支持十几种可视化图表，用于将查询返回的数据做可视化展示，但是其可视化目前只支持每次可视化一张表，不支持join连接，且过于依赖数据库的快速响应。
1.5K10编辑于 2025-01-22 - 来自专栏好奇心Log
Python可视化 | 风玫瑰图可视化示例
https://github.com/python-windrose/windrose pip install windrose pip install git+https://github.com/python-windrose/windrose git clone https://github.com/python-windrose/windrose python setup.py install from windrose import WindroseAxes from matplotlib im
3.3K20发布于 2020-12-22
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