- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
37540发布于 2020-09-16 - 来自专栏阴极保护
高电位镁阳极技术指标
4.1 高电位镁阳极技术指标阳极应为钢管埋地段牺牲阴极保护所需的高电位镁阳极。预包装的高电位镁阳极应与包含在棉袋中的阳极和低电阻率回填材料一起提供。
56140编辑于 2022-11-07 - 来自专栏子晓AI量化
股票技术指标计算速度对比
这里写一下常用的技术指标计算方式。
21210编辑于 2026-04-23 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
30310编辑于 2022-06-28 - 来自专栏硬件大熊
浅析硬件“好声音”：喇叭技术指标及选型指南
本篇阐述喇叭技术指标及选型指南，在进入文章之前，推荐阅读： 《浅析硬件“好声音”: 声学器件》 《浅析硬件“好声音”：麦克风技术指标及选型指南》 麦克风的性能是影响语音唤醒率高低的重要因数，而喇叭的性能会影响打断唤醒率和用户的主观体验 喇叭的技术指标：灵敏度、频率响应曲线、额定阻抗、谐振频率F0、失真THD 灵敏度 灵敏度表示扬声器电声转换能力的指标，单位为SPL。 灵敏度越高，声音越大。
2.5K10编辑于 2022-06-23 - 来自专栏用户8057608的专栏
零基础玩转投资理财 || 技术指标分析与运用
距离上次讲解技术指标与运用也有好几天了，哈哈。 今天就继续来学习与技术分析相关的知识点。
89640发布于 2020-12-15 - 来自专栏硬件大熊
浅析硬件“好声音”：麦克风技术指标及选型指南
这类设备中都集成了麦克风和喇叭等电声器件，其中麦克风用于识别用户的声音，喇叭用于播放设备对用户指令的反应。麦克风的性能是影响语音唤醒率高低的重要因数，而喇叭的性能会影响打断唤醒率和用户的主观体验。接下来将分两篇文章对麦克风和喇叭的一些主要性能参数进行解析，给大家在产品设计时选择声学器件提供一些帮助。
4.1K10编辑于 2022-06-23 2023年YashanDB数据库的技术指标与性能评估
YashanDB 是一个相对较新的数据库系统，具体的技术指标和性能评估可能会因版本和使用场景而有所不同。以下是一些可能的技术指标和性能因素，通常在评估数据库时会考虑：技术指标1. 小结要获得 YashanDB 数据库的具体技术指标和性能评估，建议查看其官方文档、发布说明以及相关的第三方评测报告。同时，结合自身的使用场景和需求，进行必要的评估和测试。
10610编辑于 2025-11-15- 来自专栏量化投资与机器学习
机器学习模型的变量评估和选择基于技术指标『深度解析』
简介 本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。所有的计算和实验将用R语言来实现。 输入数据 我们将采用11个指标（振荡器），在输入设置中不设优先级。我们将从某些指标中抽取多个变量。然后我们将写一个函数形成17个变量的输入集。 最近4000个 TF = M30 / EURUSD 柱形的报价将被采用。 In <- function(p = 16){ require(TTR) require(dplyr) require(magrittr) adx <-
2.1K50发布于 2018-01-29 - 来自专栏用户4866861的专栏
国产瞬时日差测量仪主要技术指标比较
西安同步电子科技有限公司生产的SYN5302型日差检定仪内置恒温晶振准确度，年老化率优于,将年老化率计算在内，也满足0.01s/d的技术指标，并具有外参考输入功能，外参考输入测量精度优于0.001s/d
68020发布于 2021-08-27 - 来自专栏亿源通科技HYC
什么是光分路器，有哪些重要技术指标？
光分路器是光纤链路中重要的无源器件之一，主要起分光的作用，一般应用在无源光网络的光线路终端OLT和光网络终端ONU之间实现光信号的分路。
2.7K10发布于 2020-03-27 Python量化交易：结合爬虫与TA-Lib技术指标分析
本文将介绍如何结合网络爬虫获取股票数据，并使用TA-Lib（Technical Analysis Library）计算技术指标，构建一个简易的量化交易分析系统。 核心内容：使用爬虫获取股票数据（yfinance + requests）TA-Lib技术指标计算（MACD、RSI、布林带等）策略回测与可视化（Backtrader + Matplotlib）1. 技术指标计算：TA-Lib实战2.1 安装TA-Lib2.2 计算常用技术指标(1) 移动平均线（MA）import talib# 计算5日、20日、60日均线data['MA5'] = talib.MA
1.3K10编辑于 2025-08-19- 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.1K30发布于 2019-04-24 - 来自专栏文武兼修ing——机器学习与IC设计
目标检测技术指标mAP：识别准确率IOU：检测效果
mAP：识别准确率 mAP在目标检测中用于判断识别的准确率，即用于衡量物品被检测出的概率，其跟以下两个指标有关： Precision（准确率）：检测出的“物品有多少是真的物品 Recall（召回率）：数据集中的物品有多少被检出 对于以上两个概念，将其置于标准二分类问题框架下有以下公式： $$ Precision = \cfrac{TP}{TP+FP} \\ Recall = \cfrac{TP}{TP+FN} $$ 对于以上，有： TP：正例，被识别为正例 FP：反例，被识别为正例 TN：反例，被识别为正
2.3K50发布于 2018-07-04 - 来自专栏人工智能ai相关
商业实战归巢网智能问答系统建设方案对比分析报告03-优雅草卓伊凡
DeepSeek-R1 Embedding] B --> C[混合向量库] C --> D[DeepSeek-R1-6B] D --> E[智能回答] E --> F[持续学习闭环]关键技术指标 ✔️ || 审计日志 | 需开发 | 需开发 | 开箱即用 |4.3 潜在风险供应商锁定：数据迁移成本评估：约¥180,000（如切换平台）API调用费用随用量指数级增长五、三维方案对比分析5.1 技术指标对比关键性能矩阵 ：| 指标 | 自建方案 | DeepSeek-R1 | 阿里云方案 ||——————————|————————|————————|————————|| 初始构建周期 | 4-6周 | 2-3周 | 1 TCO比阿里云方案低21%硬件投资可复用其他项目演进灵活性：可平滑过渡到完全自主方案兼容未来多模态扩展实施路线图：第1阶段（1-3个月）：部署DeepSeek-R1基础环境完成50%历史数据接入第2阶段（4-
25910编辑于 2025-05-07 量化策略验证从 3 天缩短到 3 小时，QClaw 让回测流程自动化了
-特征工程:计算所需的各种技术指标、基本面因子等。这是策略回测的基础，数据质量直接决定结果的可信度。阶段二：策略参数回测4-8小时-参数设置:调整并确定策略参数的测试范围。 阶段三：结果分析与报告4-6小时-指标汇总:汇总所有参数组合的回测指标（如年化收益、最大回撤、夏普比率）。-可视化:生成用于分析的各种图表（如净值曲线、回撤图）。 将原需4-6小时的分析与报告撰写工作自动化，即时产出标准报告，快速定位最优参数组合，杜绝人工汇总错误。 实际时间对比阶段原来耗时QClaw自动化后节省数据准备8-12小时1-2小时~85%策略回测4-8小时无需人工等待~90%结果分析4-6小时30分钟~85%合计约3天约3小时约87%这对量化团队意味着什么
85410编辑于 2026-03-20- 来自专栏网络安全技术点滴分享
开发者绩效评估新趋势：超越技术指标的综合衡量体系
报告：开发者希望绩效评估超越单纯技术指标多年来，DORA指标一直是衡量软件开发绩效的黄金标准，但根据JetBrains《2025年开发者生态系统状态》报告，如今的开发者希望绩效评估能够超越单纯的技术指标
19810编辑于 2025-11-03 构建AI驱动的企业知识中心，将新人培训周期缩短50%
应对海外业务扩张中的知识管理瓶颈 某家电企业在海外市场高速增长中，面临三大核心运营挑战：新人培训周期长达4-6个月，跨文化沟通效率低下；全球团队知识同步滞后导致客户响应延迟；优秀销售经验缺乏沉淀，内部文档管理混乱 部署多模态知识引擎与智能体开发平台 腾讯云智能体开发平台通过以下能力构建企业知识中枢： 多模态解析：支持音视频、PPT、文档等26类格式，解析准确率提升30%（来源：腾讯云技术指标） 语义切分与检索：业内首个语义切分大模型使问答完整性提升
23110编辑于 2026-04-03- 来自专栏码
最新最强，DeepSeek大模型v2的技术指标评测
最近，来自杭州的深度求索发布了第二代开源MoE模型DeepSeek-V2，从各项指标来看，都具备了领先水平，无论与开源模型，还是闭源模型对比，都处于第一梯队，是GPT-4, 文心4.0, Qwen1.5 72B, LLaMA3 70B等先进大模型的有力竞争对手。本文就来介绍一下。
8K10编辑于 2024-05-13 - 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
虽然移动设备的处理能力和功率都有限。虽然TensorFlow Lite提供了不少的加速途径，比如将机器学习模型转换成定点模型，但总是会在模型的性能或精度上做出让步。
1.6K20发布于 2019-03-15
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