- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(8-6)
若服务器内存较大，可根据需求使用G1算法及相应配置。
37510编辑于 2025-03-10 - 来自专栏AI机器学习与深度学习算法
机器学习入门 8-6 验证数据集与交叉验证
在kNN算法中超参数有k值和p值，在多项式回归中degree阶数也是超参数。 比如将训练的数据集分成三份的话，通过这样的方式就可以得到三个模型，这三个模型每一个模型在验证集上都会求出一个性能指标，把这些性能指标的平均值作为最终衡量当前算法得到的模型的性能标准。 使用kNN算法来对手写数字进行识别，在这个过程中训练模型相应的进行调参。 对于kNN算法而言，超参数一共有两个： k值，也就是k近邻算法中几个相邻的元素当成邻居进行投票，选择范围设定为2到10之间； p值，也就是k近邻算法计算的距离，选定的范围为1到5之间； kNN算法中的9 这里直接调用sklearn的model_selection下的cross_val_score方法即可，只需要传入相应的算法以及训练的数据（将来会被划分为训练集和验证集）就会自动进行交叉验证的过程，返回k
1.9K30发布于 2019-12-30 - 来自专栏深度学习和计算机视觉
【从零学习OpenCV 4】分割图像——Mean-Shift分割算法
Mean-Shift算法又被称为均值漂移法，是一种基于颜色空间分布的图像分割算法。该算法的输出是一个经过滤色的“分色”图像，其颜色会变得渐变，并且细纹纹理会变得平缓。 函数最后一个参数表示算法迭代停止的条件，该参数的数据类型是TermCriteria，该数据类型是OpenCV 4中用于表示迭代算法终止条件的数据类型，在所有涉及到迭代条件的函数中都有该参数，用于表示在满足某些条件时函数将停止迭代并输出结果 double epsilon ) type：终止条件的类型标志，可以选择的参数及含义在表8- epsilon：迭代算法停止时需要满足的精度或者参数变化。 该函数可以表示迭代算法的终止条件，主要分为满足迭代次数和满足计算精度两种。 函数第一个参数是终止条件的类型标志，其可选参数在表8-6中给出，这几个标志可以互相结合使用，需要注意的是，由于该参数在TermCriteria类中，因此在使用时需要在变量前面添类名前缀。
2K10发布于 2020-03-05 - 来自专栏全栈程序员必看
VB程序设计教程(第四版)龚沛曾-实验8-6「建议收藏」
实验8-6 VB程序题：编写一个随机文件程序。 要求： （1）建立一个具有5个学生的学号、姓名和成绩的随机文件(Random. dat)。
41720编辑于 2022-11-08 - 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8-6 删除字符
习题8-6 删除字符 本题要求实现一个删除字符串中的指定字符的简单函数。
2.1K20发布于 2020-09-15 - 来自专栏智能大数据分析
关联规则挖掘（二）
三、FP-增长算法 （一）算法的背景 Apriori算法存在以下两方面的不足： （1）产生大量的候选项集 例如，当事务数据库有104个频繁1-项集时， Apriori算法就需要产生多达107个候选2 -项集，即对存储空间要求会影响算法的执行效率。 用 FP-增长 (Frequent-Pattern Growth，FP-Growth) 算法来发现频繁项集。算法只需扫描事务数据库两次，其计算过程主要由以下两步构成。 例 8-6 假设FP-树中已有两条路径 null-a-b 和 null-c-d-e (图8-4(1))。 例 8-8 假设FP-树中已有两条路径 null-a-b 和 null-b-c-d (图8-6(1))。
49510编辑于 2025-01-22 - 来自专栏OpenFPGA
原理图输入设计历史（二）
同样的网表还可以用来驱动布局布线软件（见图8-6) 。 ? 图8-6 简单的（早期）原理图驱动ASIC流程 最初由逻辑仿真使用的任何时序信息是估计的，特别是对于互联线来说，直到所有的布局布线完成以后才可能进行准确的时序分析，在布局布线完成以后，将使用一个提取程序来计算与新城电路的结构
51720发布于 2020-06-30 - 来自专栏愿天堂没有BUG（公众号同名）
大牛用一文带你深入解析java虚拟机：C1编译器的编译流程
frame_map()); allocator->do_linear_scan(); ... }} 首先使用LIRGenerator将HIR转换为更低级的LIR，然后使用LinearScan根据线性寄存器分配算法将 一个直观的HIR表示可以参见代码清单8-6，它表示一个简单的a+b的加法操作，其中a和b是方法参数。 代码清单8-6 加法的HIR B1 -> B0 [0, 0] Locals size 3 [static jint AddTest.add(jint, jint)] 0 i1 [method parameter
97720编辑于 2022-10-31 - 来自专栏码力up
八、神经网络（上）
Data Augmentation基于算法“人为地”扩充输入图像（训练图像）。具体地说，如图8-4所示，对于输入图像，通过施加旋转、垂直或水平方向上的移动等微小变化，增加图像的数量。 接下来我们思考一下图8-6中重复两次3 × 3的卷积运算的情形。此时，每个输出节点将由中间数据的某个3 × 3的区域计算出来。 仔细观察图8-6，可知它对应一个5 × 5的区域。也就是说，图8-6的输出数据是“观察”了输入数据的某个5 × 5的区域后计算出来的。
20610编辑于 2025-12-18 - 来自专栏API百科
基于机器学习的纠错系统技术 - 智能文本纠错 API
基于机器学习的文本纠错系统通常分为两个主要部分：语言模型和纠错算法。 语言模型是根据大量文本数据训练得到的，可以预测一个词语在语言中的概率；纠错算法则根据语言模型的预测结果和词语的上下文信息来识别错误并纠正它们。 默认分类） 8-2: ⻩赌毒 8-3: 司法、政治 8-4: 宗教、迷信 8-5: ⾔语 辱骂 8-
1.7K30编辑于 2023-04-28 - 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JackieZheng
《数据结构与算法之美》- 栈
还记得当时看吴恩达的《machine learning》，在前几节课里展示了如何使用聚类算法进行图像处理，如果使用增强学习算法让一个模型飞机飞起来 ? ? 那么，我们来看下栈有什么应用 栈在表达式求值中的应用 给出一个表达式“3+5*8-6”，如果让你算，想必难不倒你。 交给机器做，肯定也难不倒它，机器甚至可以做更加复杂的你做不到的运算。
80620发布于 2018-12-21 - 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