- 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 3-4 创建Numpy数组(和矩阵)
In [16]: np.random.randint(0, 10, 10) Out[16]: array([2, 5, 2, 4, 1, 2, 2, 8, 7, 7]) 有时为了保证机器学习实验的可重复 # 查看random模块的帮助文档 在 Jupyter Notebook 内部查看帮助文档 help(np.random.normal) References： Python3入门机器学习 经典算法与应用
1K10编辑于 2022-05-25 - 来自专栏Hank’s Blog
3-4 列表的子集
#列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x
1K10发布于 2020-09-16 - 来自专栏python3
3-4 文件读写例子
3-3 文件读写例子 u本节学习目标： n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法 n学习文件对话框的基本操作方法 n学习通过文件流 FileStream获取用户选择文件夹及文件夹信息；获取用户选择文件信息； n学习通过文件流FileStream建立一个新的文本文件，重新写文本信息流，如何在C#中定义文件和文件夹 n学习文件流的资源释放意义以及释放资源的基本顺序 n学习如何针对文本文件进行复杂的编辑，综合查询，删除，插入等操作。 3-3-1 案例学习：文件流FileStream综合案例（一） 本次实验目标是通过一个窗体，如图3－7所示，在点击相应按钮控件时，可以完成对文件的读写操作、磁盘操作以及对目录的管理操作。
1.3K30发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(4)
/*******************************************************
57330发布于 2020-01-14 - 来自专栏python3
3-4 文件读写例子(3)
//==============================第二部分：类设计============================
58010发布于 2020-01-08 - 来自专栏python3
3-4 文件读写例子(2)
向项目中添加名为FileOption.cs的类文件，并准备填写关于文件操作的各种方法，如图3－8所示：
61330发布于 2020-01-14 - 来自专栏python3
3-4 文件流类FileStream
3-2 文件流类FileStream u本节学习目标： nFileStream文件流类 nFileStream文件流类的创建 nFileMode和FileAccess，FileShare方法基本介绍及注意事项
1.1K20发布于 2020-01-07 - 来自专栏人工智能与演化计算成长与进阶
11机器学习系统设计3-4查全率查准率F1分数
“参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.3 偏斜类的误差度量 Error Metrics for Skewed Classes 偏斜类 Skewed Classes 假设我们编写一个非学习而来的算法，在所有情况下都预测肿瘤是良性的，那么误差只有 0.5%。然而我们通过训练而得到的神经网络算法却有 1%的误差。 对于同一个机器学习系统不同的阈值往往对应 不同的查准率和查全率 ，那如何选择阈值才能平衡查准率和查全率，使其都有较好的结果呢？ ?
92510发布于 2020-08-14 - 来自专栏用户画像
4.4 文件系统疑难点 3-4
为了创建一个文件，应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件，把相应目录读入内存，用新的文件名更新该目录和FCB，并将结果写回到磁盘。
76910发布于 2018-08-24 - 来自专栏叽叽西
lagou 爪哇 3-4 spring cloud 问答笔记
熔断即断路保护。微服务架构中，如果下游服务因访问压⼒过⼤⽽响应变慢或失 败，上游服务为了保护系统整体可⽤性，可以暂时切断对下游服务的调⽤。这种牺 牲局部，保全整体的措施就叫做熔断。
66920编辑于 2022-05-17 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 从多部电影中学习特征 上面的代价函数只是针对一部电影的，为了学习所有电影的特征，我们将所有电影的代价函数求和 ? 基本协同过滤算法 上一个教程[2]中介绍的是通过 已知电影的特征 x 和用户对电影的评分学习用户的特征 ，本教程介绍的是通过 已知用户的偏好特征 和用户对电影的评分学习电影的特征 x 我们可以先随机的初始化用户特征 ，然后学习出的特征又能预测其他用户的评分。 ---- 16.4 协同过滤算法 Collaborative filtering Algorithm 如果给你几个特征表示电影就可以用他们来学习用户的参数 ,如果给你用户的参数，就可以用其来学习电影的特征
99211发布于 2020-08-14 - 来自专栏爬虫逆向案例
Js逆向-猿人学(3-4)访问逻辑-样式干扰
第三题和第四题跟Js逆向没有什么关系，本来是不想发的，为了排版好看也发这个专栏里吧。
80230发布于 2021-11-22 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-4)
代码清单3-4 while(true) { // n为电话号码的长度 for(i = 0; i < n; i++) printf("%c", c[number
26520编辑于 2022-11-30 - 来自专栏HelloCode开发者学习平台
iOS开发者多线程学习之旅
说到锁，我们再来看看苹果爸爸的给出干货Synchronization Costs and Performance
56910发布于 2019-01-23 - 来自专栏嵌入式音视频
【Airplay】WWDC学习_苹果开发者大会
PHPicker 现在在带有 macOS Ventura 的 Mac 以及带有 watchOS 9 的手表上 更新您的 Mac 和 Watch App 以访问照片 而不提示用户 访问所有照片 Web开发者的创新
1.4K10编辑于 2023-04-07 - 来自专栏Tencent Serverless 官方专栏
腾讯云 Serverless 产品功能双月报 （2022年3-4月)
转发福利 转发海报或者本文至朋友圈集100个赞，5月6日24:00前添加小助手 skychoud 微信发送截图，前2名同学免费赠送价值88元的腾讯云视频拍摄套装一份。 了解更多解决方案欢迎
68530编辑于 2022-05-06 - 来自专栏积累沉淀
必须掌握的八种排序（3-4）--简单选择排序，堆排序
3、简单选择排序 （1）基本思想：在要排序的一组数中，选出最小的一个数与第一个位置的数交换； 然后在剩下的数当中再找最小的与第二个位置的数交换，如此循环到倒数第二个数和最后一个数比较为止。 （2）理解
1K90发布于 2018-01-11 - 来自专栏鸿的学习笔记
写给开发者的机器学习指南（十三）
在我们实际使用支持向量机（SVM）之前，我先简要介绍一下SVM是什么。 基本SVM是一个二元分类器，它通过选取代表数据点之间最大间隔的超平面将数据集分成2部分。 SVM采用所谓的“校正率”值。 如果没有完美分割，校正速率允许拾取仍然在该误差率内分裂的超平面。因此，即使在线上存在一些点时，校正速率也允许超平面拟合。 这意味着我们不能为每个案例提出“标准”纠正率。 然而，当数据中没有重叠时，较低的值应该比较高的值更好。
82210发布于 2018-08-06 - 来自专栏鸿的学习笔记
写给开发者的机器学习指南（八）
这种数据操作技巧在机器学习领域是非常常见的。 找到正确的尺度需要一些洞察力。 我们将要研究的下一个特征是主题发生的频率和时间范围。如果主题出现得更多，它可能具有更高的重要性。
81220发布于 2018-08-06 - 来自专栏鸿的学习笔记
写给开发者的机器学习指南（二）
Learning methods 在机器学习领域有两种主要的学习方式，即监督学习和无监督学习。 当您想在您的应用程序中使用机器学习时，需要简要说明下，因为选择正确的机器学习方法和算法是一个重要但有时也是一个繁琐的过程。 Classification 在监督学习领域内的分类问题相对简单。给定一组标签，以及一些已经接收到正确标签的数据，我们希望能够预测尚未标记的新数据的标签。 Unsupervised learning 与监督相反的是使用无监督学习，您不能预先准确地知道输出。应用无监督学习的想法是在数据集中找到隐藏的底层结构。 无监督学习的另一个例子是K均值聚类。 K均值聚类背后的想法是在数据集中查找集合，以便以后可以将这些集合用于诸如监督学习的目的。
63220发布于 2018-08-06
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