- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 7, 8, 9])y = np.array([10, 8, 7, 6, 5, 4, 3, 2, 1])# 三阶多项式拟合degree = 3coefficients = np.polyfit(x, y 数据平滑：Savitzky-Golay滤波器旨在平滑数据，减小数据中的高频噪声和突发波动。它保留了数据中的趋势和主要特征，同时去除了噪声。
6K44编辑于 2023-10-13 - 来自专栏数据科学与人工智能
【数据】银行业9大数据科学应用案例
以下我们罗列银行业使用的数据科学用例清单，让您了解如何处理大量数据以及如何有效使用数据。 1 欺诈识别 2 管理客户数据 3 投资银行的风险建模 4 个性化营销 5 终身价值预测 6 实时和预测分析 7 客户细分 8 推荐引擎 9 客户支持 结论 1 欺诈识别 机器学习对于有效检测和防范涉及信用卡 这创建了TB级的客户数据，因此数据科学家团队的第一步是分离真正相关的数据。 9 客户支持 杰出的客户支持服务是保持与客户长期有效关系的关键。作为客户服务的一部分，客户支持是银行业中一个重要但广泛的概念。实质上，所有银行都是基于服务的业务，因此他们的大部分活动都涉及服务元素。 原文链接：https://activewizards.com/blog/top-9-data-science-use-cases-in-banking/ 版权声明：作者保留权利，严禁修改，转载请注明原文链接
4K30发布于 2018-07-30 - 来自专栏灯塔大数据
2015年大数据行业的9大关键词
而国内，国家也将大数据纳入国策。 我们在年底盘点了2015年大数据行业九大关键词，管窥这一年行业内的发展。 2 国家政策——战略 今年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为国家战略计划的核心任务之一：2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展 与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。 9 数据科学家——性感 ? 数据科学家能够通过统计变成涉及、开发和调用算法而支持业务决策;管理海量数据;可视化数据以辅助理解。 内容来源：36大数据
1.6K60发布于 2018-04-10 - 来自专栏EdisonTalk
MongoDB入门实战教程（9）
(2) B+树的数据只出现在叶子节点上，因此在查询单条数据的时候，查询速度非常稳定。因此，在做单一数据的查询上，其平均性能并不如B树。 综述，基于关系型数据库的关系模型 和 文档数据库的文档模型，我们可以知道：MySQL中数据遍历操作比较多（因为需要多表关联和范围查找），所以用B+树作为索引结构。 MongoDB的一大重要应用场景之一，因此也就催生了一种独特的索引类型：地理位置索引。 本系列教程目录： MongoDB入门实战教程（1） MongoDB入门实战教程（2） MongoDB入门实战教程（3） MongoDB入门实战教程（4） MongoDB入门实战教程（5） MongoDB 入门实战教程（6） MongoDB入门实战教程（7） MongoDB入门实战教程（8） 参考资料 唐建法，《MongoDB高手课》（极客时间） 郭远威，《MongoDB实战指南》（图书） 作者：周旭龙
2K30发布于 2021-07-01 - 来自专栏博文视点Broadview
数据中台建设的9大误区，你中了几条？
目前，行业对数据中台存在诸多误解和理解偏差，因此在建设数据中台的过程中，错误的理解可能导致数据中台建设的失败。 下图为数据中台建设的9大误区，下面详细介绍每个误区。 图 数据中台建设的9大误区 01. 数据中台等同于数据工具的集合 数据工具的集合能有效地提高数据开发和使用的效率，实现让数据易用的目标。 因此，数据工具是数据中台建设的中间产物，而非终极目标。 02. 数据中台等同于数据平台 数据平台是数据中台的一部分功能，是实现数据好用的核心能力和基础设施。 建设数据中台是一项体系性工程，耗时长，花费大，用人多，需要企业自上而下推动，需要企业勠力同心，才能实现数据中台的真正价值。 活动方式：关注下方“博文视点Broadview”公众号，在后台回复“数据中台抽奖”参与活动，届时会在参与的小伙伴中抽取1名幸运鹅！ 活动时间：截至9月15日（周三）开奖。
39210编辑于 2023-05-06 - 来自专栏PPV课数据科学社区
【译文】数据科学家必须具备的9大能力
【陆勤看点】如何认识和理解数据科学家？一种很好的方法就是查看数据科学家职位的描述，即数据科学家在公司中负责什么？数据科学家需要什么样职能要求？本文是一个数据科学部门招聘数据科学家的描述，值得一看。 数据科学部门正在寻找有热情应用统计学、机器学习和分析从数据集中获得洞见的数据驱动人。 在数据科学部门中，我们通过把那些最优秀数据工程师和数据科学家召集在一起，并让他们帮助我们的顾客从它们的数据中提取他们所需的相关信息。 6、回复“答案”查看hadoop面试题题目及答案 7、回复“爱情”查看大数据与爱情的故事 8、回复“笑话”查看大数据系列笑话 9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载 专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！
80150发布于 2018-04-20 - 来自专栏凯哥Java
「Docker学习系列教程」9-Docker容器数据卷介绍
我们先来看看一个场景：我们有多个docker容器需要使用到同一个数据，比如说A服务和B服务都需要使用到数据库D，在数据库容器D销毁后，重启，数据库中的数据不能够丢失。 我们通过前面的学习已经知道了，容器如果被销毁后再重启，这个时候，容器中的原有数据就丢失了，那么这种情况下，数据库容器D中存储的数据应该放在哪里？容器自身？ 持久化特点：1：数据卷可在容器之间共享或者是重用数据2：卷中的更改可以直接实时生效3：数据卷中的更改不会包含在镜像的更新中4：数据卷的周期一直持续到没用容器使用它为止直通车，本系列教程已发布文章，快速到达 学习教程系列】8-如何将本地的Docker镜像发布到私服？ 【Docker学习教程系列汇总】笔记及遇到问题解决文章
1.5K20编辑于 2022-12-11 - 来自专栏脑机接口
eeglab教程系列(9)-选择数据的epochs并进行比较
选择数据epoch并绘制数据平均值 为了比较一个被试两种条件下的ERP，需要首先为两种条件各创建时间段的dataset。在本实验中，一半的目标刺激呈现在位置1，一半的目标刺激呈现在位置2。 点击"OK"后出现下面pop_newset.m窗口用于保存新数据集，这里将该新数据集命名为"Square,Pos1"，然后点击"OK". 重复上述操作创建另一数据集，命名为""Square, Pos.2". 另一个选择数据集的方式:Edit > Select data,如下[下面的示例将选择时间范围为-500毫秒至1000毫秒的数据子时期. 此外, 它将删除数据集纪元2、3和4，并完全删除通道31.] 在第一行上单击avg，显示均值，点击std显示标准差，所有ERP框显示每个数据集的ERP平均值，t检验的显著性概率阈值为0.05,点击"OK".
87830编辑于 2022-08-17 - 来自专栏数据科学（冷冻工厂）
CUT&Tag 数据处理和分析教程（9）
通常会使用基因组浏览器来查看特定区域的染色质景观。整合基因组查看器有两种版本：一个是网络应用程序版本，另一个是本地桌面版本，这两种版本都很容易操作。UCSC 基因组浏览器则提供了最为全面的基因组补充信息。
96410编辑于 2025-05-10 - 来自专栏凯哥Java
「Docker学习系列教程」9-Docker容器数据卷介绍
我们先来看看一个场景：我们有多个docker容器需要使用到同一个数据，比如说A服务和B服务都需要使用到数据库D，在数据库容器D销毁后，重启，数据库中的数据不能够丢失。 我们通过前面的学习已经知道了，容器如果被销毁后再重启，这个时候，容器中的原有数据就丢失了，那么这种情况下，数据库容器D中存储的数据应该放在哪里？容器自身？ 也欢迎大家有事没事就来和凯哥聊聊~~~ 直通车，本系列教程已发布文章，快速到达,《Docker学习系列》教程已经发布的内容见章末哦~ 先填坑：容器卷记得加入以下参数： --privileged-true 持久化 特点： 1：数据卷可在容器之间共享或者是重用数据 2：卷中的更改可以直接实时生效 3：数据卷中的更改不会包含在镜像的更新中 4：数据卷的周期一直持续到没用容器使用它为止 直通车，本系列教程已发布文章 【Docker学习教程系列汇总】笔记及遇到问题解决文章
1.4K10编辑于 2022-12-16 - 来自专栏CDA数据分析师
数据挖掘与数据建模的9大定律（深度长文 收藏细读！）
最简单的解释可以概括为“数据是困难的”，经常采用自动化减轻这个“问题”的数据获取、数据清理、数据转换等数据预处理各部分的工作量。 这是数据预处理重要的原因，并且在数据挖掘过程中占有如此大的工作量，这样数据挖掘者可以从容地操纵问题空间，使得容易找到适合分析他们的方法。 有两种方法“塑造”这个问题空间。 第一种方法是将数据转化为可以分析的完全格式化的数据，比如，大多数数据挖掘算法需要单一表格形式的数据，一个记录就是一个样例。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的 数据挖掘者应该在模型不损害业务理解和适应业务问题的情况下关注预测准确度、模型稳定性以及其它的技术度量。 9 变化律：所有的模式因业务变化而变化。 数据挖掘发现的模式不是永远不变的。
1.8K50发布于 2018-02-11 - 来自专栏java一日一条
未来编程的9大猜想
二进制协议再崛起 基于REST协议在JOSN数据包中传送数据至少比老一套的XML数据及标签的90%有效负载而言要简单很多；但极其注重效率的程序员可能会质疑，为什么必须将二进制数据转换为字符串才能在JSON 物联网将产生比以往更多的数据,许多设备将使用大量编码要求更严格的小数据包。当效率成为硬性要求,程序员会想方设法为数据库添加更高效的二进制协议。 3. 数据库更大、更强 不错，搜索引擎可以作为网页的索引，而如今已经存在可以作为世界索引的数据库了，这都得归功于新一代定位应用和自动驾驶汽车不断扩张的市场需求。 数据库之精细令人叹为观止，比如自动驾驶汽车可以输入红路灯、报纸自动售卖机和消防栓的位置数据，好保证行程的安全。数据规模之庞大，为自动驾驶汽车所用绝对绰绰有余。 9. 指手画脚的BOSS让人抓狂 这算不上是展望，因为他们已经做到了——这些上司们在速成班里学了点编程，就觉得自己成了行家，程序员于是就这样“被帮助”了。 “你要用一个变量吗？”
1.1K20发布于 2018-09-18 - 来自专栏自动化、性能测试
Git 系列教程（9）- 打标签
v1.8.5.5 标签的分类 Git 支持两种标签 轻量标签（lightweight） 附注标签（annotated） 轻量标签 很像一个不会改变的分支，它只是某个特定提交的引用 附注标签 是存储在 Git 数据库中的一个完整对象 要在那个提交上打标签，你需要在命令的末尾指定提交的校验和（或部分校验和） git tag -a v1.2 9fceb02 查看补打标签的信息 $ git tag v0.1 v1.2 v1.3 v1.4 v1.4-lw v1.5 $ git show v1.2 tag v1.2 Tagger: Scott Chacon <schacon@gee-mail.com> Date: Mon Feb 9 15:32:16 2009 -0800 version 1.2 commit 9fceb02d0ae598e95dc970b74767f19372d61af8 Author: Magnus Chacon git tag 1.11 1.2 1.3 testbu v1.1 polo@B-J5D1MD6R-2312 watermarker % git tag -d 1.11 已删除标签 '1.11'（曾为 9baca61
64230发布于 2021-05-18 - 来自专栏Java进阶架构师
Springboot2.0新教程（9）
测试用，Springboot2.0教程（1） ? 分析具体应用场景，包括以下三个：A、服务内跨数据库的事务；B、跨内部服务的事务；C、跨外部服务的事务。 一、应用场景A：服务内跨数据库 如下图所示，在同一个服务方法内，访问两个或两个以上数据库。我们知道，Java事务是通过Connection对象控制的。 不同的数据库，是不同的数据库链接，通过不同的Connection对象实现。传统数据库事务无法实现事务控制，需要引入事务协调者的概念。这是场景A，这个场景中分布式体现在数据库的部署上。
34200发布于 2020-03-16 - 来自专栏数据猿
从数据到智慧——拓尔思发布9大新品
9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会，在这场题为“大数·云·智”的发布会上，拓尔思正式发布了9大新产品。 记者 | Jimmy 官网 | www.datayuan.cn 微信公众号ID | datayuancn 导语：9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会。 在这场题为“大数·云·智”的发布会上，拓尔思正式发布了9大新产品，分别涵盖技术基础平台、行业应用产品及数据智能云服务三大类别，并与政府、媒体、安全、金融等多个行业的用户及业内专家约500多人分享了最新实践经验和应用案例 本次发布会拓尔思发布的九大新品包括：大数据时代的检索引擎TRS Hybase海贝大数据管理平台V8.0、代表“人工智能皇冠上的明珠”的TRS DL-CKM基于深度学习的自然语言处理引擎V7.0、全球最快的分布式数据库 当天，拓尔思集团旗下的9家成员企业和生态伙伴也同场亮相，天行网安、金信网银、科韵大数据、耐特康赛、八爪鱼·大数据、极海、有数金服、智齿客服、数知科技等公司分别展示了各自的业务概览，涵盖网络信息安全、金融监管科技
1.5K80发布于 2018-04-24 - 来自专栏AI
腾讯云OpenCloudOS 9系统部署OpenTenBase数据库详细教程
OpenTenBase简介OpenTenBase是一个关系型数据库集群平台，提供写入可靠性和多节点数据同步功能。可以在一台或多台主机上配置OpenTenBase，并将数据存储在多个物理主机上。 多个节点位于同一位置，每个节点提供相同的数据库视图Datanode Node (DN)：每个DN存储用户数据的分区。 GTM Node (Global Transaction Manager)：负责集群事务信息的管理，以及集群的全局对象（如序列）系统要求硬件要求：内存：最低4GB RAM操作系统：OpenCloudOS 9服务器 vkGc9jehXXIzfXSJ2+ZAnFP5IDvIc.5. 在方法路径上，文章以 OpenCloudOS 9 为基础环境，推荐 dnf 安装通用依赖、zstd 与 lz4 源码安装的组合策略，平衡了易用性与性能可控性；编译阶段建议开启 SSE4.2 指令优化，随后通过
77800编辑于 2025-08-28 - 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 - 来自专栏探索RPA
RPA教程丨银行RPA在银行业中的9大应用场景
文 | 鄂攀 根据以往项目经验，总结了银行RPA在银行业中的9大应用场景，以供参考。 这个流程中选择合适的数据处理至关重要，虽然说过数组处理效果很快，但是在数据量比较大又处理繁琐的时候，根据业务逻辑需求采用Excel里面定制化的数据处理将会变得更快。 经测试：用数组进行几十万的数据处理将近花费8到12分钟，而用更贴切业务逻辑的Excel定制化数据处理花费在65秒到90秒之间。 第五种：银行查询内部多户账户余额 流程图如下： 在银行核心柜员系统里面大批量地去进行内部户余额的查询，并把查询结果生成报表，此流程非常符合RPA解决问题的一大特质：人工批量重复的操作。 通过以上银行RPA在银行业中的9大应用场景，可以看出，在科技日新月异的新时代背景下，提高员工的办公效率，就是在提高企业的运行效率，效率上来了，企业的竞争力自然也就变强了，更主要的是，在RPA的协助下，员工办公效率的提高
2K30发布于 2019-11-01 - 来自专栏企鹅号快讯
2018全球9大科技趋势展望
以下为德勤对2018年全球科技市场做出的9大预测： 1.2018年，全球将有超过10亿智能手机用户至少拥有一次创作增强现实（AR）内容的经历。 1/5的北美家庭将通过手机移动网络进行全部的互联网数据接入。 9。得益于新的芯片和更好的软件工具，2018年企业测试和部署机器学习技术的努力将增加一倍。 以上文字来源于德勤
88370发布于 2018-03-02 - 来自专栏PHP在线
PHP中9大缓存技术总结
该种方式可以用于如商城中的商品页； 3、数据缓存 顾 名思义，就是缓存数据的一种方式；比如，商城中的某个商品信息，当用商品id去请求时，就会得出包括店铺信息、商品信息等数据，此时就可以将这些数据缓存 到一个 ； 4、查询缓存 其实这跟数据缓存是一个思路，就是根据查询语句来缓存；将查询得到的数据缓存在一个文件中，下次遇到相同的查询时，就直接先从这个文件里面调数据，不会再去查数据库；但此处的缓存文件名可能就需要以查询语句为基点来建立唯一标示 ； 试想，如果对商品页不缓存，那么每次访问一个商品就要去数据库查一次，如果有10万人在线浏览商品，那服务器压力就大了； 6、内存式缓存 提到这个，可能大家想到的首先就是Memcached；memcached 一般的使用目的是，通过缓存数据库查询结果，减少数据库访问次数，以提高动态Web应用的速度、 提高可扩展性。 ，默认60 memory_limit = 128M ; 每个PHP页面所吃掉的最大内存，默认8M 9、Opcode缓存 我们知道，php的执行流程可以用下图来展示： ?
1.9K50发布于 2018-03-08
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