- 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 10-7 ROC曲线
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍描述TPR和FPR两个指标的ROC曲线，并通过编程绘制ROC曲线。通常在实际使用中使用ROC曲线下面的面积来评估不同模型之间的优劣，最后使用sklearn中的roc_auc_score函数返回ROC曲线下面的面积。
2.1K10发布于 2020-05-14 - 来自专栏mysql
hhdb数据库介绍(10-7)
引入“OEM管理功能”对外提供可视化更新Logo以及产品名称信息的入口。 功能入口： 具有管理权限的用户登录平台，通过 OEM管理的超链接进入功能页面，超链接路径需要在原访问页面url的基础上添加? ：保存后顶部导航栏点击【关于我们】展示已编辑的信息；在保存前点【撤销修改】可以恢复“版本信息”和“技术支持”编辑前的内容 恢复默认 点击【恢复默认】，设置成功后，页面系统名称自动重置为“关系集群数据库可视化管理平台
35910编辑于 2025-03-11 - 来自专栏用户4866861的专栏
秒表检定装置秒表检定仪时间检定仪秒表检定设备
2) 作为日差测量仪使用； 3) 作为标准时间间隔发生器使用； 技术指标 机械秒表和电子秒表输出时间范围300ms~9 999 999 999s准确度优于±（1×10-7×T0＋3ms）物理接口香蕉座指针式电秒表输出时间范围 0.02s ~ 9 999 999 999s准确度优于±（市电频率准确度×T0＋0.6ms）物理接口香蕉座毫秒表和数字式电秒表输出时间范围0.02μs ~ 9 999 999 999s准确度优于±（1×10 -7×T0＋0.6ms）物理接口香蕉座标准时间间隔输出时间范围0.1μs ~ 9 999 999 999s准确度优于±（1×10-7×T0＋1μs）物理接口BNC晶振指标频率10MHz日老化率≤5×10 -9/日秒稳定度≤5×10-11/s准确度≤1×10-7预热时间12小时50Hz路数1电平TTL物理接口DB910MHz路数1电平≥7dBm物理接口BNCRS232C串口路数1路电平RS232C功能上位机串口指令控制及软件升级物理接口
99620发布于 2020-01-15 - 来自专栏用户4866861的专栏
秒表检定仪时间检定仪检定电子秒表/机秒表
12.png 标称频率：10MHz · 波形：正弦波 · 幅度：≥7dBm · 日老化率：≤1×10-9/日 · 秒稳定度：≤5×10-11/s · 准确度： ≤1×10-7 · 预热时间：大于12小时 检定机械秒表和电子秒表（T0 为输入检定时段） · 输入范围： T0:300ms~9 999 999 999s · 准确度：优于±（1×10-7×T0＋3ms） · 幅度：﹢24V（仪器面板接口输出） （1×10-7×T0＋0.8ms）（使用数字式电秒表方式输出） 图片1111.png 1. 标准时间间隔（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋1μs） · 幅度：±5V · 物理接口：BNC 1. 仪器前面板有如右图所示部分： 此部分能够测试一个或者两个开关的通断时间，精度为优于±（1×10-7×T0＋0.8ms）；如果需要更高精度，使用标准时间间隔方式测量。 1. 1.
1.4K40发布于 2020-01-19 - 来自专栏用户4866861的专栏
秒表检定仪时间检定仪检定电子/机械秒表
秒表检定仪时间检定仪 图片1.png 技术指标 机械秒表和电子秒表输出时间范围300ms~9 999 999 999s准确度优于±（1×10-7×T0＋3ms）物理接口香蕉座指针式电秒表输出时间范围0.02s ~ 9 999 999 999s准确度优于±（市电频率准确度×T0＋0.6ms）物理接口香蕉座毫秒表和数字式电秒表输出时间范围0.02μs ~ 9 999 999 999s准确度优于±（1×10-7× T0＋0.6ms）物理接口香蕉座标准时间间隔输出时间范围0.1μs ~ 9 999 999 999s准确度优于±（1×10-7×T0＋1μs）物理接口BNC晶振指标频率10MHz日老化率≤5×10-9/ 日秒稳定度≤5×10-11/s准确度≤1×10-7预热时间12小时50Hz路数1电平TTL物理接口DB910MHz路数1电平≥7dBm物理接口BNCRS232C串口路数1路电平RS232C功能上位机串口指令控制及软件升级物理接口
1.4K20发布于 2020-01-16 - 来自专栏用户4866861的专栏
秒表检定仪的使用说明
检定机械秒表和电子秒表（T0 为输入检定时段） · 输入范围： T0:300ms~9 999 999 999s · 准确度：优于±（1×10-7×T0＋3ms） · 幅度：﹢24V（仪器面板接口输出） 检定毫秒表和数字式电秒表（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋0.1μs）（使用标准时间间隔方式输出） 优于± （1×10-7×T0＋0.8ms）（使用数字式电秒表方式输出） 1. 标准时间间隔（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋1μs） · 使用与操作 1. 通电前准备 1. 仪器前面板有如右图所示部分： 此部分能够测试一个或者两个开关的通断时间，精度为优于±（1×10-7×T0＋0.8ms）；如果需要更高精度，使用标准时间间隔方式测量。 1.
1.5K00发布于 2020-01-07 - 来自专栏用户4866861的专栏
SYN5301型秒表时间检定仪特点说明
针对当前市场品类繁多的秒表检定仪，我公司特意将同行的产品与我公司的《SYN5301型毫秒表时间检定仪》的参数及功能用途等等进行一一对比，方便用户选择，具体如下： 一、对比结果 1、 测量的准确度对比： ±（1×10 -7×T0＋1μs） 优于 ±（1×10-7×T0＋3μs） 2、 输入的范围对比： 机械秒表和电子秒表： 300ms~9 999 999 999s 优于 1s-99999s 指针式电秒表：
82110发布于 2020-01-13 - 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10-7 十进制转换二进制
习题10-7 十进制转换二进制 本题要求实现一个函数，将正整数n转换为二进制后输出。
79220发布于 2020-09-15 - 来自专栏用户4866861的专栏
高精度频率计数器功能简介
10Vrms闸门时间10ms～1000s测量功能平均值，最大值，最小值，峰峰值，频率趋势图功率测量范围-50dBm～+20dBm功率测量精度±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
88540发布于 2020-04-23 - 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
73720发布于 2019-06-18 - 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 - 来自专栏用户4866861的专栏
电子式时间继电器的测试方案
该款测试仪时间继电器测量范围为0.001s~9999.999s，测量精度优于±（1×10-7×T0±0.5ms）。 同时输出1路10MHz正弦信号作为外参考，日老化率≤5×10-10/日，秒稳定度≤5×10-11/s，准确度≤1×10-7。 也可以作为时间间隔测量仪器使用，适用于单通道/双通道，30ns～99999.999 999 990s，准确度优于±（1×10-7×T0±30ns）。
77230发布于 2020-06-12 - 来自专栏用户4866861的专栏
电子式时间继电器的测试方案
该款测试仪时间继电器测量范围为0.001s~9999.999s，测量精度优于±（1×10-7×T0±0.5ms）。 同时输出1路10MHz正弦信号作为外参考，日老化率≤5×10-10/日，秒稳定度≤5×10-11/s，准确度≤1×10-7。 也可以作为时间间隔测量仪器使用，适用于单通道/双通道，30ns～99999.999 999 990s，准确度优于±（1×10-7×T0±30ns）。
67520发布于 2020-06-09 - 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 - 来自专栏全栈程序员必看
可视化篇：效果图_可视化建模
写在最前 在做可视化的时候，理解自己做的每个图形展示的意义，是多么的至关重要 每做一张图的时候，我都在想，该如何阐述图形背后的故事 下面是一些效果图，每张图，都只为更好地反应数据背后的那段故事
91050编辑于 2022-09-27
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