- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
45510发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
31421编辑于 2023-01-09 - 来自专栏coding for love
3-5 使用plugins让打包更便捷
loader 被用于转换某些类型的模块，而插件则可以用于执行范围更广的任务。插件的范围包括，从打包优化和压缩，一直到重新定义环境中的变量。简言之，我们利用 loader 来处理非 js 类型的模块，用 plugin 来简化我们的打包工作。
87720发布于 2019-07-09 - 来自专栏KI的算法杂记
SVM系列（二）：核方法概述---正定核以及核技巧
2.正定核 我们所说的核函数大部分都是正定核。在下面的探讨中，输入空间为 ， 。 2.1定义 正定核的定义有两种： •对于 ，若存在一个函数 ，使得 ，则称 为正定核函数•对于 ，如果 满足对称性以及正定性，则我们也称 为正定核函数 对第一条定义的说明：我们要将低维样本映射到高维 ，则我们需要一个映射函数，如果我们能够找到一个 函数，使得我们定义的 恰好是两个高维样本 的内积，则 就是一个正定核函数。 而在定义二中，我们只需要自己定义一个函数K，然后取任意N个样本，联合K求它们的Gram矩阵，只要该矩阵满足半正定性质，那么我们定义的函数K就是一个正定核函数。 3.核技巧 什么是核技巧？ 4.常见的核函数 伟大的前人已经帮我们定义好了很多的核函数，常见的有：
1.7K10编辑于 2022-07-29 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
分布式链路追踪技术核⼼思想 本质：记录⽇志，作为⼀个完整的技术，分布式链路追踪也有⾃⼰的理论和概念 微服务架构中，针对请求处理的调⽤链可以展现为⼀棵树，示意如下 上图标识⼀个请求链路，⼀条链路通过TraceId 微服务统⼀认证⽅案 Spring Cloud OAuth2 + JWT 第⼆代 Spring Cloud 核⼼组件 （SCA） 第⼀代 Spring Cloud （主要是 SCN）很多组件已经进⼊ Sentinel 分为两个部分: 核⼼库：（Java 客户端）不依赖任何框架/库，能够运⾏于所有 Java 运⾏时环 境，同时对 Dubbo / Spring Cloud 等框架也有较好的⽀持。 --Sentinel 核⼼环境 依赖--> <dependency> <groupId>com.alibaba.cloud</groupId> --Sentinel 核⼼环境 依赖--> <dependency> <groupId>com.alibaba.cloud</groupId>
79820编辑于 2022-05-17 - 来自专栏DeepHub IMBA
线性回归，核技巧和线性核
然后我将解释什么是核函数和线性核函数，最后我们将给出上面表述的数学证明。 以下是一个核函数示例： kernel从m维空间创建m^2维空间的第一个例子是使用以下代码: 在核函数中添加一个常数会增加维数，其中包含缩放输入特征的新特征: 下面我们要用到的另一个核函数是线性核函数: 所以恒等变换等价于用一个核函数来计算原始空间的内积。 实际上还有很多其他有用的核，比如径向核(RBF)核或更一般的多项式核，它们可以创建高维和非线性特征空间。 这就是核函数的诀窍:当计算解'时，注意到X '与其转置的乘积出现了，它实际上是所有点积的矩阵，它被称为核矩阵 线性核化和线性回归 最后，让我们看看这个陈述:在线性回归中使用线性核是无用的，因为它等同于标准线性回归
53030编辑于 2023-11-10 - 来自专栏机器学习算法与理论
核技巧
内积公式 高斯核，线性核，多项式核 而由于高斯核（径向基函数的高斯版本）是 ? 高斯核 高斯核能够基于向量的距离输出一个标量。内积的形式是向量相乘，得到单个标量或者数值，即维度一致，对应相乘相加即可。 （这就是核技巧） 这样的指数形式，故可以用泰勒展开式展开成无穷级数的形式，每一项的x前系数都不同，而这里也就对应着其特征的不同。
1.4K60发布于 2018-04-10 - 来自专栏计算机视觉理论及其实现
核方法
令 为核函数 对应的再生核希尔伯特空间， 表示 空间中的h函数，对于任意单调递增函数 和任意非负损失函数 ，优化问题 表示定理对损失函数没有限制，对正则化项 仅要求单调递增，甚至不要求 是凸函数，意味着对于一般的损失函数和正则化项，优化问题的最优解 都可表示为核函数 的线性组合；这显示出核函数的巨大威力 人们发展出一系列基于核函数的学习方法，统称为“核方法”(kernel method)。最常见的，是通过“核化”(即引入核函数)来将线性学习器拓展为非线性学习器。 下面我们以线性判别分析为例来演示如何通过核化来对其进行非线性拓展，从而得到“核线性判别分析”(Kernelized Linear Discriminant Analysis，简称KLDA)。 把 作为(6.57)中的损失函数l，再令 ，由表示定理，函数h(x)可写为 于是由式(6.59)可得 令 为核函数 所对应的核矩阵， ，令 为第 类样本的指示向量，即
1.6K10编辑于 2022-09-03 - 来自专栏人人都是极客
A核与M核异构通信过程解析
一、 硬件层通信实现原理 二、驱动层Virtio下RPMsg通信实现 三、应用层双核通信实现方式 现在越来越多的产品具有M core和A core的异构架构，既能达到M核的实时要求，又能满足A核的生态和算力 TXVring区发送数据，从RXVring区读取接收数据，A核反之。 处理器支持消息传递单元（MessagingUnit，简称MU）功能模块，通过MU传递消息进行通信和协调，M核和A核之间通过寄存器中断的方式传递命令，最多支持4组MU双向传递消息，既可通过中断告知对方数据传递的状态 RPMsg消息框架是Linux系统基于Virtio缓存队列实现的主处理核和协处理核间进行消息通信的框架，当客户端驱动需要发送消息时，RPMsg会把消息封装成Virtio缓存并添加到缓存队列中以完成消息的发送 在驱动层，对A核，Linux采用RPMsg框架+Virtio驱动模型，将RPMsg封装为了tty文件供应用层调用；在M核，将Virtio移植，并使用简化版的RPMsg，因为涉及到互斥锁和信号量，最终使用
1.3K40编辑于 2023-08-23 - 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
看到有很多，的总结一下，比较适合有一定经验的PHPer 平时喜欢哪些php书籍及博客？CSDN、虎嗅、猎云 js闭包是什么，原型链了不了解？ for与foreach哪个更快？ php鸟哥是谁？能不能讲
1.5K100发布于 2018-03-09 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
23220编辑于 2022-11-30 - 来自专栏开源小分队
核污水与核废水的区别是什么？
8月24日，日本政府不顾国际社会反对，一意孤行地将福岛核污水排放到大海。 核污水与核废水的区别 日本政府就在国际上玩文字游戏，要把他们排放的核污水，称为“核废水”。 核污水，就是直接被“融化的反应堆”污染过的水，由于受到沾染而具有高度放射性。 排放污水的影响 将核污水排入海洋，海洋里的生物会吸收排放的核污水，核污水中的放射性物质会不断被海洋生物摄入，在海洋生物体内造成积累，人类再去吃这些海洋生物，污染物就会进入人类体内，且难以清除。 福岛核污水从排放之日起，57天内放射性物质就将扩散至太平洋大半区域，3年后美国和加拿大就将遭到核污染影响，10年后蔓延全球海域。 按照日本的说法，他们已经使用ALPS对核污水进行了无害化处理，经过处理后的核污水中，除了氚之外的绝大部分放射性元素都可以清除，氚浓度也将稀释到日本国家标准的1/40。
74610编辑于 2023-09-21 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
shape 属性查看数组的维度，返回值是一个元组，元组中对应位置的值为数组中对应维度的元素个数。
73710编辑于 2022-05-25 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南3-5
在本章会介绍小程序的基本开发流程，结合前面章节的知识，完全可以独立完成一个体验很完善的小程序。为了让开发者更加了解小程序开发，在本章中还会通过常见的一些应用场景介绍小程序API的一些细节以及开发的一些技巧和注意事项。
29310编辑于 2025-08-25 - 来自专栏7DGroup
性能基础之CPU、物理核、逻辑核概念与关系
基础概念 CPU( CentralProcessingUnit): 中央处理单元，CPU不等于物理核，更不等于逻辑核。 逻辑核( logical core/processor，LCPU): 在同一个物理核内，逻辑层面的核。 逻辑核也一样，物理核通过高速运算，让应用程序以为有两个cpu在运算）。 高速在这两个逻辑核之间切换，让应用程序感知不到这个间隔，误认为自己是独占了一个核。 关系: 一个CPU可以有多个物理核。如果开启了超线程，一个物理核可以分成n个逻辑核，n为超线程的数量。 当然，拥有2个双核处理器仍然比单核处理器更好，但更好的是拥有一个四核处理器。 在操作系统级别，物理四核处理器将显示为4 cpu计算机。但这些将是4个逻辑CPU或非物理LCPU。
19.9K84发布于 2019-07-17 - 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。
66760发布于 2018-03-19 - 来自专栏智能算法
SVM 的“核”武器
核函数表示特征空间的隐式映射：在上文中，我们已经了解到了SVM处理线性可分求解的情况，而对于非线性的情况，SVM 的处理方法是选择一个核函数 κ(⋅,⋅) ，通过将数据映射到高维空间，来解决在原始空间中线性不可分的问题 由于核函数的优良品质，这样的非线性扩展在计算量上并没有比原来复杂多少，这一点是非常难得的。 当然，这要归功于核方法——除了 SVM 之外，任何将计算表示为数据点的内积的方法，都可以使用核方法进行非线性扩展。 ，而不增加可调参数的个数(当然，前提是核函数能够计算对应着两个输入特征向量的内积)。 关于拉格朗日乘子参数在核函数方法中的求解，其实是与之前是一致的，因为核函数能简化映射空间中的内积运算——刚好“碰巧”的是，在我们的 SVM 里需要计算的地方数据向量总是以内积的形式出现的。
1.7K100发布于 2018-04-02 - 来自专栏智能算法
SVM 的“核”武器
核函数表示特征空间的隐式映射：在上文中，我们已经了解到了SVM处理线性可分求解的情况，而对于非线性的情况，SVM 的处理方法是选择一个核函数 κ(⋅,⋅) ，通过将数据映射到高维空间，来解决在原始空间中线性不可分的问题 由于核函数的优良品质，这样的非线性扩展在计算量上并没有比原来复杂多少，这一点是非常难得的。 当然，这要归功于核方法——除了 SVM 之外，任何将计算表示为数据点的内积的方法，都可以使用核方法进行非线性扩展。 ，而不增加可调参数的个数(当然，前提是核函数能够计算对应着两个输入特征向量的内积)。 关于拉格朗日乘子参数在核函数方法中的求解，其实是与之前是一致的，因为核函数能简化映射空间中的内积运算——刚好“碰巧”的是，在我们的 SVM 里需要计算的地方数据向量总是以内积的形式出现的。
1.5K60发布于 2018-04-03 - 来自专栏全栈程序员必看
QuartusII添加IP核
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
2.8K30编辑于 2022-11-04 - 来自专栏编程技术宇宙
CPU明明8个核，网卡为啥拼命折腾一号核？
“就是有些线程想绑定在你们之中的某一个核上面执行，不希望一会儿在这个核执行，一会儿在那个核执行” 我接过他的话：“好像是有这么回事儿，之前有遇到过，有个线程一直被分配到我们一号车间，不过我们对这个不用关心吧 你们每个核的一二级缓存都是自己在管理，要是换到别的核，这缓存多半就没用了，又得重新来建立，这换来换去的岂不是瞎耽误功夫嘛！ APIC默认有一套分发策略，但是也提供亲和性的设置，可以指定谁哪些核来处理，这样不用把规矩定死，灵活可变，岂不更好？” 刚说完，会议室门口突然出现一年轻少年，挥手将操作系统代表唤了出去。 接下来，我们详细讨论了这种方案的可行性，最后大家一致决定，就照这么办，我们一起提出了一个叫中断亲和性的东西，操作系统那边提供一个可配置的入口smp_affinity，可以通过设置各处理器核的掩码来决定中断交由谁来处理
1.4K21发布于 2020-07-23
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