- 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 10-7 ROC曲线
通常在实际使用中使用ROC曲线下面的面积来评估不同模型之间的优劣，最后使用sklearn中的roc_auc_score函数返回ROC曲线下面的面积。 如果这条ROC曲线下面的面积越大，表示这个分类算法或者说我们训练出的模型的分类效果越好。 roc_auc_score指标主要应用场景在于比较两个模型的孰优孰劣。下面表示两个ROC曲线。 此时有两条ROC曲线，这两个不同的曲线分别代表了两个模型、两个不同算法或者同一个算法对应的两组不同的超参数计算得到的两条ROC曲线。 在这种情况下，我们应该选择roc_auc_score指标（ROC曲线下面的面积）最大对应的那个模型，我们认为这样的模型才是最好的模型。 本章针对极度有偏的数据进行二分类引出了很多新的评价指标。
2.2K10发布于 2020-05-14 - 来自专栏mysql
hhdb数据库介绍(10-7)
为方便更换管理平台的产品Logo以及产品名称信息。引入“OEM管理功能”对外提供可视化更新Logo以及产品名称信息的入口。
44510编辑于 2025-03-11 - 来自专栏用户4866861的专栏
秒表检定装置秒表检定仪时间检定仪秒表检定设备
2) 作为日差测量仪使用； 3) 作为标准时间间隔发生器使用； 技术指标 机械秒表和电子秒表输出时间范围300ms~9 999 999 999s准确度优于±（1×10-7×T0＋3ms）物理接口香蕉座指针式电秒表输出时间范围 0.02s ~ 9 999 999 999s准确度优于±（市电频率准确度×T0＋0.6ms）物理接口香蕉座毫秒表和数字式电秒表输出时间范围0.02μs ~ 9 999 999 999s准确度优于±（1×10 -7×T0＋0.6ms）物理接口香蕉座标准时间间隔输出时间范围0.1μs ~ 9 999 999 999s准确度优于±（1×10-7×T0＋1μs）物理接口BNC晶振指标频率10MHz日老化率≤5×10 -9/日秒稳定度≤5×10-11/s准确度≤1×10-7预热时间12小时50Hz路数1电平TTL物理接口DB910MHz路数1电平≥7dBm物理接口BNCRS232C串口路数1路电平RS232C功能上位机串口指令控制及软件升级物理接口
1.1K20发布于 2020-01-15 - 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 因为最开始选择P1,P2是随机的，所以计算距离得到的模型还是不够准确，我们需要基于刚才的数据重新选择质心，这里我们可以使用每组的平均值来计算。
77120发布于 2019-06-18 - 来自专栏用户4866861的专栏
秒表检定仪时间检定仪检定电子秒表/机秒表
12.png 标称频率：10MHz · 波形：正弦波 · 幅度：≥7dBm · 日老化率：≤1×10-9/日 · 秒稳定度：≤5×10-11/s · 准确度： ≤1×10-7 · 预热时间：大于12小时 检定机械秒表和电子秒表（T0 为输入检定时段） · 输入范围： T0:300ms~9 999 999 999s · 准确度：优于±（1×10-7×T0＋3ms） · 幅度：﹢24V（仪器面板接口输出） （1×10-7×T0＋0.8ms）（使用数字式电秒表方式输出） 图片1111.png 1. 标准时间间隔（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋1μs） · 幅度：±5V · 物理接口：BNC 1. 仪器前面板有如右图所示部分： 此部分能够测试一个或者两个开关的通断时间，精度为优于±（1×10-7×T0＋0.8ms）；如果需要更高精度，使用标准时间间隔方式测量。 1. 1.
1.5K40发布于 2020-01-19 - 来自专栏用户4866861的专栏
秒表检定仪时间检定仪检定电子/机械秒表
秒表检定仪时间检定仪 图片1.png 技术指标 机械秒表和电子秒表输出时间范围300ms~9 999 999 999s准确度优于±（1×10-7×T0＋3ms）物理接口香蕉座指针式电秒表输出时间范围0.02s ~ 9 999 999 999s准确度优于±（市电频率准确度×T0＋0.6ms）物理接口香蕉座毫秒表和数字式电秒表输出时间范围0.02μs ~ 9 999 999 999s准确度优于±（1×10-7× T0＋0.6ms）物理接口香蕉座标准时间间隔输出时间范围0.1μs ~ 9 999 999 999s准确度优于±（1×10-7×T0＋1μs）物理接口BNC晶振指标频率10MHz日老化率≤5×10-9/ 日秒稳定度≤5×10-11/s准确度≤1×10-7预热时间12小时50Hz路数1电平TTL物理接口DB910MHz路数1电平≥7dBm物理接口BNCRS232C串口路数1路电平RS232C功能上位机串口指令控制及软件升级物理接口
1.5K20发布于 2020-01-16 - 来自专栏用户4866861的专栏
秒表检定仪的使用说明
检定机械秒表和电子秒表（T0 为输入检定时段） · 输入范围： T0:300ms~9 999 999 999s · 准确度：优于±（1×10-7×T0＋3ms） · 幅度：﹢24V（仪器面板接口输出） 检定毫秒表和数字式电秒表（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋0.1μs）（使用标准时间间隔方式输出） 优于± （1×10-7×T0＋0.8ms）（使用数字式电秒表方式输出） 1. 标准时间间隔（T0 为输入检定时段） · 输入范围： 0.01μs ~ 9 999 999 999s · 准确度：优于±（1×10-7×T0＋1μs） · 使用与操作 1. 通电前准备 1. 仪器前面板有如右图所示部分： 此部分能够测试一个或者两个开关的通断时间，精度为优于±（1×10-7×T0＋0.8ms）；如果需要更高精度，使用标准时间间隔方式测量。 1.
1.7K00发布于 2020-01-07 - 来自专栏用户4866861的专栏
SYN5301型秒表时间检定仪特点说明
针对当前市场品类繁多的秒表检定仪，我公司特意将同行的产品与我公司的《SYN5301型毫秒表时间检定仪》的参数及功能用途等等进行一一对比，方便用户选择，具体如下： 一、对比结果 1、 测量的准确度对比： ±（1×10 -7×T0＋1μs） 优于 ±（1×10-7×T0＋3μs） 2、 输入的范围对比： 机械秒表和电子秒表： 300ms~9 999 999 999s 优于 1s-99999s 指针式电秒表：
87710发布于 2020-01-13 - 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10-7 十进制转换二进制
习题10-7 十进制转换二进制 本题要求实现一个函数，将正整数n转换为二进制后输出。
83520发布于 2020-09-15 - 来自专栏机器之心
千寻位置正式发布「六脉神剑」，时空智能技术自主可控
千寻位置自研的多层次大气建模算法，基于业内独有的覆盖不同地理环境、大气环境等在内的多维度时空数据，运用自适应调优、机器学习等多种技术手段，形成了适配电离层等多场景的算法模型，保证电离层活跃期间，仍然能够获得精准的电离层建模结果 自研全链路完好性技术 完好性风险低至 10-7/ 时 定位感知层面，给予绝对位置信息的卫星导航定位数据如果出错，终端能不能像人类一样及时发现并自主判断，避免事故发生？ 目前，千寻位置完好性风险实现了低至10-7 / 小时的可信定位结果，相当于 1000 多年才能发生一次风险。
60510编辑于 2022-08-25 - 来自专栏用户4866861的专栏
高精度频率计数器功能简介
10Vrms闸门时间10ms～1000s测量功能平均值，最大值，最小值，峰峰值，频率趋势图功率测量范围-50dBm～+20dBm功率测量精度±1dBm内部时基输出频率10MHz温补晶振频率准确度A≤5×10 -7老化率≤1×10-6/年恒温晶振（选件010）开机特性V≤1×10-8频率准确度A≤1×10-7老化率≤1×10-9/日秒稳定度≤3×10-11/s铷原子钟（选件020）频率准确度A≤5×10-11
95440发布于 2020-04-23 - 来自专栏用户4866861的专栏
电子式时间继电器的测试方案
该款测试仪时间继电器测量范围为0.001s~9999.999s，测量精度优于±（1×10-7×T0±0.5ms）。 同时输出1路10MHz正弦信号作为外参考，日老化率≤5×10-10/日，秒稳定度≤5×10-11/s，准确度≤1×10-7。 也可以作为时间间隔测量仪器使用，适用于单通道/双通道，30ns～99999.999 999 990s，准确度优于±（1×10-7×T0±30ns）。
81130发布于 2020-06-12 - 来自专栏用户4866861的专栏
电子式时间继电器的测试方案
该款测试仪时间继电器测量范围为0.001s~9999.999s，测量精度优于±（1×10-7×T0±0.5ms）。 同时输出1路10MHz正弦信号作为外参考，日老化率≤5×10-10/日，秒稳定度≤5×10-11/s，准确度≤1×10-7。 也可以作为时间间隔测量仪器使用，适用于单通道/双通道，30ns～99999.999 999 990s，准确度优于±（1×10-7×T0±30ns）。
71520发布于 2020-06-09 - 来自专栏IT大咖说
分布式系统开发实战：实战，使用AWS平台实现Serverless架构
alarm-actions arn:aws:sns:ap-northeast-1:111111111222: ScaleInTopic （3）订阅了SNS服务通知的中心站点的Lambda函数，用于终止服务器，如图10 图10-7 Lambda函数订阅SNS服务通知 用于终止服务器的Lambda函数如下。
2.5K10发布于 2021-06-15 - 来自专栏用户4866861的专栏
电子式时间继电器的测试方案
该款测试仪时间继电器测量范围为0.001s~9999.999s，测量精度优于±（1×10-7×T0±0.5ms）。 同时输出1路10MHz正弦信号作为外参考，日老化率≤5×10-10/日，秒稳定度≤5×10-11/s，准确度≤1×10-7。 也可以作为时间间隔测量仪器使用，适用于单通道/双通道，30ns～99999.999 999 990s，准确度优于±（1×10-7×T0±30ns）。
88330发布于 2020-06-16 - 来自专栏单细胞天地
单细胞分析pre-B 型急性淋巴细胞白血病的骨髓微环境
： 文章中主要注释的细胞类型 差异分析统计基因数量： 发现除第 12 天外的所有时间点长链非编码 RNA Neat1 的表达降低（D3vsD0：logFC = - 0.73，p = 2.1 × 10 主要结论： 为了探索白血病进展过程中 BMM 的动态变化，本文通过单细胞 RNA 测序分析了来自免疫活性 BCR-ABL1+ B-ALL 模型的造血细胞，并检查了基因表达和细胞间通讯随时间的变化。 在该模型中，将 1000 个 BCR-ABL1+ 细胞移植到每个未受辐射的受体中，从而避免了辐射引起的微环境变化。白血病细胞归巢于骨髓和脾脏，小鼠在 3 周内发展为 BCR-ABL1+ 白血病。
96630编辑于 2022-06-13 - 来自专栏程序小工
【Git】修改已经提交的commit内容
[补充order模型隐藏字段的设置] 197fcdd 10-13 测试下14 测试下单接口, 修改程序错误 fdeb6af 10-13 一对多关系的新增操作[完成下单接口方法] da0bd4e 10-13 5ab5068 10-11 订单快照的实现 09c2116 10-10 订单快照的业务分析 8493571 10-9 下单接口说明文档补充注释 6edda7e (origin/develop) 下单接口业务模型 60b8f01 10-7 编写一个复杂的验证器 3e8375c 10-4|5|6 下单与支付流程 + 重构权限控制前置方法 发现提交的信息中： 6edda7e的信息中没有加标题序号 da0bd4e [补充order模型隐藏字段的设置] 并且下方会提示修改建议： # Commands: # p, pick <commit> = use commit # r, reword <commit> = use [补充order模型隐藏字段的设置] 将需要修改的记录前的 pick 改为 r，然后:wq保存退出后，会按顺序自动进入需要编辑的提交信息框 下单接口业务模型 # Please enter the commit
10.1K30发布于 2018-09-12 - 来自专栏愿天堂没有BUG（公众号同名）
阿里高级专家推荐学习深入解析java虚拟机：垃圾回收，Parallel GC
Parallel GC是基于分代堆模型的垃圾回收器，其YGC和FGC的逻辑与Serial GC基本一致，只是在垃圾回收过程中不再是单线程扫描、复制对象等，而是用GCTaskManager创建GCTask Parallel GC为减少STW时间付出了努力，它的解决方式是暂停Mutator线程，使用多线程进行垃圾回收，最后唤醒所有Mutator，如图10-7所示。 图10-7 Parallel GC 其中，并发垃圾回收线程数目由-XX:ConcGCThreads=<val>控制，并行垃圾回收线程数目由-XX:ParallelGCThreads=<val>控制。
1.4K30编辑于 2022-10-28 - 来自专栏数据分析与挖掘
pycaret之集成模型（集成模型、混合模型、堆叠模型）
1、集成模型 组装训练好的模型就像编写ensemble_model一样简单。它仅采用一个强制性参数，即经过训练的模型对象。 此函数可用于混合可以使用blend_models中的estimator_list参数传递的特定训练模型，或者如果未传递列表，它将使用模型库中的所有模型。 3、堆叠模型 堆叠模型是使用元学习的整合方法。堆叠背后的想法是建立一个元模型，该模型使用多个基本估计量的预测来生成最终预测。在PyCaret中堆叠模型就像编写stack_models一样简单。 此函数使用estimator_list参数获取训练模型的列表。所有这些模型构成了堆栈的基础层，它们的预测用作元模型的输入，可以使用meta_model参数传递该元模型。 restack参数控制将原始数据公开给元模型的能力。默认情况下，它设置为True。当更改为False时，元模型将仅使用基本模型的预测来生成最终预测。
3.6K10发布于 2020-10-27 - 来自专栏全栈程序员必看
–AR模型,MA模型,ARMA模型介绍
AR模型的定义 ————— AR模型平稳性判别 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 。 第一个平稳的AR模型 这个AR模型的递推式子是x[t]=0.8*x[t-1]+e，其实e是一个误差项。 AR模型的一些性质 若AR模型满足平稳性条件，则他的均值为0，我们可以从上面的图中看出 AR模型的自相关系数是呈复指数衰减– 有拖尾性 AR模型的偏自相关系数有截尾性 注意第二,第三条很重要，后面可以用来做模型的识别 我在强调一遍 AR模型的自相关系数是呈复指数衰减– 有拖尾性 * AR模型的偏自相关系数有截尾性* MA模型 MA模型的定义 MA模型的可逆性 这个性质在推到MA模型的相关系数和自相关系数的时候比较有用 看一下可逆的定义 接下来看一下MA模型怎么转换成AR模型 最后我们看一下什么样的MA模型可以转化为AR模型 可逆MA模型的应用 对于一些MA模型，虽然其生成的式子不一样，但是其自相关图是一样的
2.7K20编辑于 2022-09-20
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