- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-5)
管理用户界面的审计日志主要用来查看管理用户对管理平台的操作记录，同时可查看所有纳管的计算节点集群内普通用户的基本操作。
66510编辑于 2025-03-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-5 精确率和召回率的平衡
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要说明精准率和召回率是相互制约、相互矛盾的两个指标，通过选取不同的threshold阈值来观察精准率和召回率的变化。在具体编程中，sklearn没有直接能够传入threshold阈值的函数，但是可以使用算法的decision_function函数计算出样本的score值，然后转换为布尔向量，进而转换为元素为0,1的整型向量，整型向量即为算法在当前阈值下预测的样本类别。
4.6K51发布于 2020-04-26 - 来自专栏完美Excel
VBA专题10-5：使用VBA操控Excel界面之隐藏取消隐藏及最小化功能区
可以重命名和隐藏内置选项卡和内置组，改变其在功能区中的顺序。然而，不能重命名和隐藏内置控件，修改内置控件的图标，修改功能区内置组中内置控件的顺序。
4.3K30发布于 2020-08-17 - 来自专栏前端知识分享
第27天：js-表单获取焦点和数组声明遍历
45 46
- 47 上证指数364110 48
49- 50 上证指数364110 51
52- 53 上证指数364110 54
55- 56 上证指数364110 57
58- 59 上证指数364110
4.6K20发布于 2018-09-11 - 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10-5 递归计算Ackermenn函数
习题10-5 递归计算Ackermenn函数 本题要求实现Ackermenn函数的计算，其函数定义如下： ?
83910发布于 2020-09-15 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十五） —— 多重星型模式
实际生产环境每天定期装载应该共用一个调度，也即应该把清单（五）- 10-5里的脚本并入每天定期装载脚本中，并且针对使用cdc_time表做相应的修改。 -5 Kettle定期装载工厂维度表和产品事实表如图（五）- 10-5到图（五）- 10-22所示。 图（五）- 10-5 图（五）- 10-6 图（五）- 10-7 图（五）- 10-8 图（五）- 10-9 图（五）- 10-10 图（五）- 10-11 运行完清单（五）- 10-5里的脚本以后，需要把系统日期设置成任意晚于上一篇“杂项维度”设置的日期。这里设置系统日期为2015年3月18日。 先把系统日期设置为2015年3月19日，然后执行清单（五）- 10-5里的脚本或对应的Kettle定期装载作业。
65020编辑于 2022-12-02 - 来自专栏气象学家
利用深度学习估计再分析数据集中的大气重力波参数
通过利用29年的大气再分析数据集训练卷积神经网络，在合理的计算成本下，将大尺度的输入数据很好地降尺度为细尺度的重力波参数。 重力波在推动和维持全球环流方面发挥着重要作用。 为此，在29年的再分析数据集(JRA-55和DSJRA-55)上训练了一个深度卷积神经网络，并保留了最后5年的数据进行评估。结果表明，可以在合理的计算成本下估计重力波的细尺度动量通量分布。 特别是在冬季重力波较强的时候，最大动量通量和特征区带文数的中位数RMSE分别为0.06-0.13mPa和1.0×10-5。
82610发布于 2020-10-09 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1K80发布于 2018-03-13 - 来自专栏Michael阿明学习之路
LeetCode 644. 最大平均子段和 II（二分查找）*
答案的计算误差小于 10-5 。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/maximum-average-subarray-ii 著作权归领扣网络所有。
1.1K20发布于 2021-02-19 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1.1K100发布于 2018-04-04 - 来自专栏Michael阿明学习之路
LeetCode 5259. 计算应缴税款总额
与标准答案误差不超 10-5 的结果将被视作正确答案。 最后一个税级的上限大于等于 income 来源：力扣（LeetCode） 链接：https://leetcode.cn/problems/calculate-amount-paid-in-taxes 著作权归领扣网络所有
48120编辑于 2022-06-13 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图10-4 辅助虚拟机运行截图 当ESXi主机内存是4GB、5GB时，尝试启动容错虚拟机，则会弹出”父资源池中可用内存资源不足”的提示，如图10-5所示。 图10-5 父资源池中可用内存资源不足 11 其他 vSphere Web Client控制台中，各个窗口可以向四个方向拖动，如图11-1所示。 图11-1 拖动窗口 图11-2 拖动到指定位置
1.5K40编辑于 2021-12-23 - 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
73020发布于 2019-06-18 - 来自专栏登神长阶
【Linux网络】Linux网络基础入门：初识网络，理解网络协议
无论你是对网络技术充满好奇的初学者，还是希望深化Linux网络知识的专业人士，了解并掌握Linux网络协议，都是通往更深层次技术探索的必经之路 本文，正是为了引领你踏入Linux网络协议的神秘殿堂而精心准备 在这里，我们将从网络协议的基本概念出发，逐步揭开Linux网络协议栈的面纱，带你领略TCP/IP协议族的博大精深，以及Linux如何优雅地实现这些协议，确保信息的准确、高效传输 网络协议的学习之路或许充满挑战 计算机网络背景 发展历程 计算机网络的发展可以追溯到20世纪60年代。 网络协议初识 网络协议，简称为协议，是网络通信（即网络数据传输）经过的所有网络设备都必须共同遵从的一组约定、规则。 通过生动的实例和直观的图表，我们成功地将复杂的网络协议知识转化为易于理解的精华，让你在轻松愉快的氛围中掌握了Linux网络协议的核心要点 然而，这仅仅是学习Linux网络协议的起点。
1.7K10编辑于 2024-10-29 - 来自专栏韩曙亮的移动开发专栏
【Java 网络编程】网络环境简介 ( 网络 | 网络编程 | OSI 七层网络模型 | TCPIP 网络模型 )
文章目录 I 网络简介 II 网络编程 III OSI 七层网络模型 IV OSI 七层网络模型 - 网络编程 V OSI 七层网络模型 - TCP/IP 模型 对应关系 I 网络简介 ---- 互联网 : 局域网 , 广域网 , 城域网的集合就是互联网 ; II 网络编程 ---- 网络编程 : 控制客户端或服务器端信息的发送和接收 ; 通过编程语言 API 调用网络设备硬件资源 , 利用网络传输渠道 网络层 ( Network ) : 控制网络选择 , 即逻辑地址寻址 , 和路由选择 ; 6. TCP/IP 网络模型 : 应用层 , 传输层 , IP 层 , 网络接口层 ; 2. TCP/IP IP 层 对应 OSI 网络层 ; 5. TCP/IP 数据链路层 , 物理层 对应 OSI 网络接口层 ; 物理层有以太网 , 令牌环网 , ATM 网络等 ;
72030编辑于 2023-03-27 - 来自专栏Michael阿明学习之路
LeetCode 1776. 车队 II（单调栈）
答案精度误差需在 10-5 以内。 ^6 positioni < positioni+1 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/car-fleet-ii 著作权归领扣网络所有
47330发布于 2021-09-06 - 来自专栏wujunmin
Power BI自定义业绩达成华夫饼图
/生成1-100的序号 VAR tWaffle=ADDCOLUMNS(tPlusPlus,"circle","<circle cx='"&[Value]*10-5&"' cy='"&[Value1]*<em>10</em> 该度量值也可直接用作卡片图，放入Image这个第三方视觉对象即可： 显示效果如下（进行了一定的格式改变）： 以上是一个朴素的版本，还可以花式填充任意图形： 将度量值中的circle替换为image标签，链接<em>网络</em>图片即可填充图案
1.2K30编辑于 2021-12-27 - 来自专栏运维小路
Linux网络-网络小结
Linux服务器作为一个常用的网络服务器，主要的作用就是向客户端提供网络服务，所以我们需要熟练掌握网络相关的命令，用于探测对端网络是否畅通，用于检查本地网络进程是否正常，以及可以通过命令去远端服务器进行下载文件 ） 6.检查本地服务状态（ss） 7.网络小结（本章节） 经过前面6小节的介绍，我们已经可以完成配置ip地址，探测远端服务器的的连通性问题，可以基本判断网络是否有问题。 上面讲的只是Linux网络的基本命令，对于计算机网络一点都没有讲，这个后期会单独出一个大的章节来讲解。 前面6小节我们只讲了几个网络命令，涉及到网络的命令当然远远不止上面那几个，但是平时一般运维的情况下，使用频繁的网络命令就是上面几个，比如ip这个命令，就有非常多的参数。 这种方法通常用于快速检查目标主机的网络可达性，特别是在没有安装ping或telnet等网络工具时。
1.2K00编辑于 2024-11-01 - 来自专栏LeetCode解题
1619. 删除某些元素后的数组均值
与 标准答案 误差在 10-5 的结果都被视为正确结果。
5K20发布于 2021-02-26 - 来自专栏Michael阿明学习之路
LeetCode 1701. 平均等待时间（模拟）
与标准答案误差在 10-5 范围以内，都视为正确结果。 arrivali <= arrivali+1 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/average-waiting-time 著作权归领扣网络所有
84320发布于 2021-02-19
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