- 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 3-11 Matplotlib数据可视化基础
np.random.normal(0, 1, 10000) plt.scatter(x, y, alpha = 0.1) # alpha为透明图 plt.show() References： Python3入门机器学习 经典算法与应用
1.1K30编辑于 2022-11-08 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-11)
代码清单3-11 // 数据结构定义 struct NODE { NODE* pLeft; // 左子树 NODE* pRight; // 右子树
28920编辑于 2022-11-30 - 来自专栏历史专栏
【愚公系列】2021年11月 攻防世界-进阶题-MISC-039(3-11)
文章目录 一、3-11 二、答题步骤 1.base64 总结 ---- 一、3-11 文件：攻防世界下载对应文件 二、答题步骤 1.base64 下载题目得到一张图片，进行lsb隐写查看 发现
59220编辑于 2021-12-03 - 来自专栏数控编程社区
Mastercam挖槽刀路的设置
．在绘图区串接被加工的轮廓，串接后的结果与图3-4相同，用鼠标单击主菜单区的“Done”，结束串接操作，进入“轮廓加工刀具参数（Tool parameters）设置”对话框，如图3-5所示； 图 3- 11 3．选择直径为25mm的端铣刀，出现此刀具的图标； 4．用鼠标单击图3-11上部“轮廓加工参数(Coutour parameters)”选项卡，进入“轮廓加工参数设置”对话框，设置完毕后，如图3- 11所示； 5．用鼠标单击图3-11中的“多次切削（Multi passes...）”按钮，进入多次切削设置对话框，设置完毕后，如图3-12所示； 图 3-12 6．用鼠标单击图3-12中的“OK” 按钮，回到图3-11； 7．用鼠标单击图3-11中的“确定”按钮，得到四周轮廓加工刀具路径，如图3-13所示。
2K20编辑于 2022-03-30 - 来自专栏C语言入门到精通
没有之一，我见过的最漂亮代码！！
此时，我们不是把前面所有的元素加在一起，而是在循环外部初始化总和并且加上下一个元素，如示例3-11所示。 我们可以很容易地把示例3-11用表格来实现，其中的值可以立即用于进一步的分析。在3-1给出了最初的结果行。 虽然在示例3-11中构建了完整的表格t，但它只需要使用表格中的最新值。因此，我们可以用变量t的定长空间来替代table t[]的线性空间，如示例3-12所示。 然而，除了在示例3-11中实现的表格外，我从来没有把任何一个示例作为计算机程序运行过。 我妥协了，把示例3-11用表格方式实现出来，并且无意中得到了一个完备的解答。 当这两个东西完美地匹配在一起时，你可以想象一下我当时的喜悦吧！
2.3K2219发布于 2020-12-24 - 来自专栏啄木鸟软件测试
基于Django的电子商务网站开发（连载20）
图3-10删除选择的商品信息 点击商品名称的链接，就可以修改这条商品信息的记录，如图3-11所示。 ? 图3-11修改商品信息记录 星云测试 http://www.teststars.cc 奇林软件 http://www.kylinpet.com 联合通测 http://www.quicktesting.net
96310发布于 2019-12-11 - 来自专栏Albert陈凯
3.6 Shuffle机制
在Spark中，任务通常分为两种，Shuffle mapTask和reduceTask，具体逻辑如图3-11所示： [插图] 图3-11 Spark Shuffl e 图3-11中的主要逻辑如下： 1） 2）其次MapTask产生的结果会根据设置的partition算法填充到每个bucket中。这里的partition算法是可以自定义的，当然默认的算法是根据key哈希到不同的bucket中。 虽然Spark属于MapReduce体系，但是对传统的MapReduce算法进行了一定的改变。Spark假定在大多数应用场景下，Shuffle数据的排序不是必须的，如word count。
1K40发布于 2018-04-04 - 来自专栏Albert陈凯
3.5RDD的容错机制
图3-11中，假如RDD2所在的计算作业先计算的话，那么计算完成后RDD1的结果就会被缓存起来。缓存起来的结果会被后续的计算使用。图中的示意是说RDD1的Partition2缓存丢失。 [插图] 图3-11 RDD的部分缓存丢失的逻辑图 3.6 小结 RDD是Spark最基本，也是最根本的数据抽象。RDD是只读的、分区记录的集合。
66880发布于 2018-04-08 - 来自专栏高性能服务器开发
什么是B+Tree
B+树范围查找3-11的过程 ? 先从上到下找到下限元素3，然后通过链表指针，依次遍历得到元素5/6/8/9/11；如此一来，就不用像B树那样一个个元素进行查找。 参考文献： 【1】很直观的图：http://www.jianshu.com/p/6f68d3c118d6 【2】《算法导论》
4.8K90发布于 2018-04-16 - 来自专栏卡拉云-低代码开发工具
React Echarts 使用教程 - 如何在 React 中加入图表（内附数据看板实战搭建案例）
echarts.init(chartRef.current); const option = { legend: { data: [ "3- 11岁任务数", "3-11岁全程接种量", "60岁任务数", "60岁全程接种量", "80岁任务数", backgroundColor: "rgba(0,0,0,0.8)", }, series: [ { name: "3- 150, 230, 224, 218, 135, 147, 260], type: "bar", }, { name: "3-
7.3K20编辑于 2022-05-27 - 来自专栏技术分享
【算法】----BF算法&KMP算法
我们今天所讨论的两个算法就是有关该过程的算法。 事实上，对于检索，无非就是两个字符串的匹配过程，模式串是你想要匹配的串，主串是你搜索所在串。 BF算法和KMP算法是较为著名的模式匹配算法，接下来作出详细介绍。 BF算法 BF算法(Brute-Force)也称为暴力算法，其核心原理是逐个比较文本串和模式串的字符，如果匹配失败，则通过向右移动模式串的位置，再次进行比较。 在实际情况下，BF算法的效率并不高，特别是当文本串T和模式串P的长度很大时。对于较长的文本串和模式串，BF算法的时间复杂度可能会导致性能问题。 答案就是KMP算法。 KMP算法 KMP算法的核心思想是利用模式串自身的特点来加速匹配过程，避免重复匹配。
58210编辑于 2024-06-18 - 来自专栏【计网】Cisco
操作系统 | 编写内核
7.解压缩这个文件tar xzvf linux*22*并ls查看是否解压成功如图3-8至如图3-9. 8.输入cd *22并输入ls查看如图3-10. 9.输入vi Makefile查看文件源码如图3- .输入cat /proc/version显示为2.4.22版本如图3-37. 1.4 实验过程 图3-1 图3-2 图3-3 图3-4 图3-5 图3-6 图3-7 图3-8 图3-9 图3-10 图3-
37210编辑于 2024-02-20 - 来自专栏PPV课数据科学社区
【算法】PCA算法
小编邀请您，先思考： 1 PCA算法的原理是什么？ 2 PCA算法有什么应用？
2K40发布于 2018-04-18 - 来自专栏用代码征服天下
算法——排序算法
基本思想：现在有一个数组arr= {12,35,99,18,76}，需要将其从小到大排序
1K10编辑于 2022-05-09 - 来自专栏Super 前端
算法--分治算法
本文链接：https://ligang.blog.csdn.net/article/details/83866378 分治算法 分而治之，把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题 经典递归案例： 示例： 归并排序 详见：javascript排序算法 示例： 二分查找法（二分法） 二分查找也称折半查找，其要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。
89531发布于 2019-08-15 - 来自专栏数据科学与人工智能
【算法】xgboost算法
小编邀请您，先思考： 1 XGBoost和GDBT算法有什么差异？ XGBoost的全称是 eXtremeGradient Boosting，2014年2月诞生的专注于梯度提升算法的机器学习函数库，作者为华盛顿大学研究机器学习的大牛——陈天奇。 xgboost问世后，因其优良的学习效果以及高效的训练速度而获得广泛的关注，并在各种算法大赛上大放光彩。 ? 具体算法如下： 输入：训练集 ? 输出：提升树 步骤： （1）初始化 （2） 对m=1,2,3……M a）计算残差 ?
2K90发布于 2018-03-27 - 来自专栏半生瓜のblog
【算法】查找算法
查找算法 查找的定义 查找:又称检索或查询，是指在查找表中找出满足一定条件的结点或记录对应的操作。 查找效率:查找算法中的基本运算是通过记录的关键字与给定值进行比较，所以查找的效率通常取决于比较所花的时间，而时间取决于比较的次数。通常以关键字与给定值进行比较的记录个数的平均值来计算。 数组是特殊的块索引（一个块一个元素）： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xDbRyWBM-1635489015712)(查找算法.assets/image- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6LawbrgF-1635489015715)(查找算法.assets/image-20211028180620292.png )] 分块查找的算法分两步进行，首先确定所查找的节点属于哪一块，即在索引表中查找其所在的块，然后在块内查找待查询的数据。
1K20编辑于 2023-05-13 - 来自专栏数据科学与人工智能
【算法】PCA算法
小编邀请您，先思考： 1 PCA算法的原理是什么？ 2 PCA算法有什么应用？
1.9K60发布于 2018-03-27 - 来自专栏数据科学与人工智能
【算法】Adaboost 算法
小编邀请您，先思考： 1 Adaboost算法的原理是什么 ？ 2 Adaboost算法如何实现？ 是一个加法模型，而Adaboost算法其实是前向分步算法的特例。那么问题来了，什么是加法模型，什么又是前向分步算法呢？ 3.1 加法模型和前向分步算法 如下图所示的便是一个加法模型 ? 这个优化方法便就是所谓的前向分步算法。 下面，咱们来具体看下前向分步算法的算法流程： 输入：训练数据集 ? 损失函数： ? 基函数集： ? 输出：加法模型 ? 3.2 前向分步算法与Adaboost的关系 在上文第2节最后，我们说Adaboost 还有另外一种理解，即可以认为其模型是加法模型、损失函数为指数函数、学习算法为前向分步算法的二类分类学习方法。 前向分步算法逐一学习基函数的过程，与Adaboost算法逐一学习各个基本分类器的过程一致。 下面，咱们便来证明：当前向分步算法的损失函数是指数损失函数 ?
2.6K140发布于 2018-03-27 - 来自专栏数据科学与人工智能
【算法】SVD算法
2 SVD算法与PCA算法有什么关联？ 3 SVD算法有什么应用？ 4 SVD算法如何优化？ 前言 奇异值分解(Singular Value Decomposition，简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域，是很多机器学习算法的基石 本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。 也可以用于推荐算法，将用户和喜好对应的矩阵做特征分解，进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法，比如潜在语义索引（LSI）。 SVD小结 SVD作为一个很基本的算法，在很多机器学习算法中都有它的身影，特别是在现在的大数据时代，由于SVD可以实现并行化，因此更是大展身手。
2K121发布于 2018-03-27
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