- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-5)
管理用户界面的审计日志主要用来查看管理用户对管理平台的操作记录，同时可查看所有纳管的计算节点集群内普通用户的基本操作。
89910编辑于 2025-03-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-5 精确率和召回率的平衡
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要说明精准率和召回率是相互制约、相互矛盾的两个指标，通过选取不同的threshold阈值来观察精准率和召回率的变化。在具体编程中，sklearn没有直接能够传入threshold阈值的函数，但是可以使用算法的decision_function函数计算出样本的score值，然后转换为布尔向量，进而转换为元素为0,1的整型向量，整型向量即为算法在当前阈值下预测的样本类别。
4.7K51发布于 2020-04-26 - 来自专栏完美Excel
VBA专题10-5：使用VBA操控Excel界面之隐藏取消隐藏及最小化功能区
可以重命名和隐藏内置选项卡和内置组，改变其在功能区中的顺序。然而，不能重命名和隐藏内置控件，修改内置控件的图标，修改功能区内置组中内置控件的顺序。
4.6K30发布于 2020-08-17 - 来自专栏前端知识分享
第27天：js-表单获取焦点和数组声明遍历
45 46
- 47 上证指数364110 48
49- 50 上证指数364110 51
52- 53 上证指数364110 54
55- 56 上证指数364110 57
58- 59 上证指数364110
4.9K20发布于 2018-09-11 - 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10-5 递归计算Ackermenn函数
习题10-5 递归计算Ackermenn函数 本题要求实现Ackermenn函数的计算，其函数定义如下： ?
88210发布于 2020-09-15 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比 （其中 是n*1的向量） 在matlab中具体实现如下，其中X为m*n的矩阵： Sigma = (1/m) * X'* X; 对2中求得的协方差矩阵Sigma进行特征值分解 在实践中通常对协方差矩阵进行奇异值分解代替特征值分解
1.2K100发布于 2018-04-04 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十五） —— 多重星型模式
实际生产环境每天定期装载应该共用一个调度，也即应该把清单（五）- 10-5里的脚本并入每天定期装载脚本中，并且针对使用cdc_time表做相应的修改。 -5 Kettle定期装载工厂维度表和产品事实表如图（五）- 10-5到图（五）- 10-22所示。 图（五）- 10-5 图（五）- 10-6 图（五）- 10-7 图（五）- 10-8 图（五）- 10-9 图（五）- 10-10 图（五）- 10-11 运行完清单（五）- 10-5里的脚本以后，需要把系统日期设置成任意晚于上一篇“杂项维度”设置的日期。这里设置系统日期为2015年3月18日。 先把系统日期设置为2015年3月19日，然后执行清单（五）- 10-5里的脚本或对应的Kettle定期装载作业。
71020编辑于 2022-12-02 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1.1K80发布于 2018-03-13 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图10-4 辅助虚拟机运行截图 当ESXi主机内存是4GB、5GB时，尝试启动容错虚拟机，则会弹出”父资源池中可用内存资源不足”的提示，如图10-5所示。 图10-5 父资源池中可用内存资源不足 11 其他 vSphere Web Client控制台中，各个窗口可以向四个方向拖动，如图11-1所示。 图11-1 拖动窗口 图11-2 拖动到指定位置
1.5K40编辑于 2021-12-23 - 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
77020发布于 2019-06-18 - 来自专栏喵叔's 专栏
【GIT最佳实践】--GIT最佳实践
一、提交消息规范 提交消息规范是在使用Git进行版本控制时的一项最佳实践，它有助于组织和标准化提交消息，使团队更容易理解和管理项目的变更历史。 通过遵循这些Git提交消息规范的最佳实践，你可以提高团队协作的效率，更容易维护项目的历史记录，并降低理解和管理代码变更所需的认知负担。 三、GIT工作流程的最佳实践 在Git中，使用适当的工作流程是关键的最佳实践，它有助于组织团队的协作，确保代码库的整洁性，并提高项目的可维护性。 以下是关于Git工作流程的最佳实践： 选择适合项目的工作流程： 根据项目的性质和规模，选择适合的工作流程。 遵循这些实践可提高代码质量、协作效率和项目可维护性。
2.4K40编辑于 2023-10-09 - 来自专栏猫头虎博客专区
Kubernetes实践：从入门到实践
Kubernetes的实践 3.1 安装和配置 安装Kubernetes的过程因操作系统和环境的不同而异。但一般来说，可以使用kubeadm、minikube等工具进行安装。
32110编辑于 2024-04-09 - 来自专栏LeetCode解题
1619. 删除某些元素后的数组均值
与 标准答案 误差在 10-5 的结果都被视为正确结果。
5.3K20发布于 2021-02-26 - 来自专栏开发运维工程师
开发实践｜JWT从原理到实践
好事发生这里推荐一篇实用的文章：人工智能中的深度学习：原理与实践，作者：【远方2.0】。
66820编辑于 2024-12-08 - 来自专栏FunTester
PreparedStatement实践和批处理实践
之前在学习JDBC使用的过程中，主要使用了实现类是StatementImpl单独执行的一些SQL语句，一直也是相安无事。在最近复习JDBC的过程中，发现了一些新知识，发现了新大陆 PreparedStatement 。
47010编辑于 2024-01-10 - 来自专栏鸿蒙开发笔记
HarmonyOS 开发实践 —— 应用内存优化实践
随着移动应用的日益复杂，内存管理成为开发者面临的重要挑战之一。在HarmonyOS系统中，合理优化应用内存对于提升应用性能和用户体验至关重要。本文将详细介绍HarmonyOS提供的内存管理工具和接口，以及一些实用的内存优化方法。
1.4K20编辑于 2024-12-22 - 来自专栏python3
Python三维绘图--Matplotl
Axes3D #定义坐标轴 fig4 = plt.figure() ax4 = plt.axes(projection='3d') #生成三维数据 xx = np.random.random(20)*10 -5 #取100个随机数，范围在5~5之间 yy = np.random.random(20)*10-5 X, Y = np.meshgrid(xx, yy) Z = np.sin(np.sqrt(
3.1K40发布于 2020-01-08 - 来自专栏天天P图攻城狮
终端图像处理实践：AR全景动态贴纸方案简介
利用一元多次表达式，在保持随机性和规律性的同时大大提高了粒子脚本的自由度 例1：随机速度、随机起点、随机加速度的轨迹 rand0%1100-550 + (rand1%30-15)*t + 0.5*(2+rand2%10 欢迎扫码或搜索关注我们的微信公众号：“天天P图攻城狮”，那上面将陆续公开分享我们的技术实践，期待一起交流学习！ ?
2.5K50发布于 2018-07-02 - 来自专栏Nicky's blog
Redis系列之分布式锁简介
这就是一个高并发场景了，假如一个用户购买了库存只有10的8件商品，另外一个用户也要购买5件商品，这两个用户是同时进行的，第一个用户买了8件，库存就只有2件了，第二个用户再买5件，注意是和第一个用户操作同时进行的，这时也是10 因为并没有实践过，所以不做详细解释。这篇博客 Redis自从自动failover或许可以参考。 ReadLock算法 集群环境的锁同步是一个难题。 上面的仅仅是我的想法并没有实践过，最近找到一个算法可以解决，ReadLock算法。readlock-py库已经有对改算法进行实践。
38720编辑于 2022-05-07 - 来自专栏大数据智能实战
DrQA实践
《DrQA实践》介绍了Facebook开源的开放域问答系统DrQA，该系统主要由两部分组成：检索器和阅读器。检索器根据问题从维基百科中检索相关文章，阅读器从检索出的文章中提取答案。DrQA使用简单的TF-IDF和n元模型来检索相关文章，并使用双向LSTM将问题和文章表示为向量，通过计算相似度来定位答案的起止位置。尽管DrQA在某些方面取得了显著成果，但其在复杂问题上的表现仍有限。因此，将DrQA与具备推理能力的知识图谱结合可能是提高其性能的一种方法。
1.2K50发布于 2018-01-09
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