- 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 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
76730发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
93640发布于 2020-09-16 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
75640发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
28520编辑于 2022-03-07 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。本节主要包括以下内容：
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
88720编辑于 2023-01-09 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4-
36410编辑于 2025-11-13 - 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4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
74310编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
75330发布于 2018-06-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
88350发布于 2018-05-17 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.5K40发布于 2020-05-29 - 来自专栏Linux运维
时序数据选型、存储模型与选型
时序数据选型、存储模型与选型一、时序数据的特征与挑战时间戳驱动：数据天然带有时间维度，典型场景包括监控指标、传感器采集、交易日志。高吞吐写入：数据持续产生，要求数据库具备批量写入与乱序处理能力。 压缩与分区优化金融交易、日志分析Prometheus云原生监控拉取式模型与Kubernetes深度集成，PromQL强大应用监控、容器指标IoTDB工业物联网灵活序列模型面向设备数据优化，接口丰富工业场景、传感器数据四、选型考量维度场景匹配监控 选型建议：根据业务场景、数据规模与团队技术栈综合评估，避免“一刀切”。
61210编辑于 2026-01-04 - 来自专栏John Wong's Blog
前端技术选型
技术选型是我们必然会碰到的，我们常常面临的不是单个技术的选型，而是对于一个项目所涉及的一整套技术、方案、规范或者产品的选型。我们需要仔细的去权衡各种技术、各种组合的利弊，做出取舍。 技术选型需要考虑的因素 项目因素 明确现在项目的规模、重要程度。 项目的需求（特别是非功能性需求）也会限制技术的选型 团队因素 考虑团队的因素，也就是人的因素，考虑团队人员的技术组成。 如何进行技术选型 上面列出了很多技术选型需要考虑的因素，那么到底该如何进行技术选型呢？ 首先明确选型的需求和目的，最好能列出必须要考虑的各种因素以及评判标准。寻找候选技术和产品。 可以列个技术选型分析表（小的不太重要的技术选型不一定要这么麻烦，而重要的技术选型则可能要反复各个步骤多次） 团队、技术成熟度、性能、架构一致性... 选型最后 当一个技术或产品选型后，下面要做的便是接入和推进。抓住时机，坚定地推进。
1.4K10编辑于 2021-12-23 - 来自专栏顶级程序员
前端框架选型
本文将详细介绍框架选型 框架与库 库(lib)具有以下三个特点： 1、是针对特定问题的解答，具有专业性； 2、不控制应用的流程 3、被动的被调用 框架(frameword)具有以下三个特点： 1、具有控制反转 == SPA(单页系统) SPA应用程序的逻辑比较复杂，需要一种模式来进行解耦，但并不一定是MV*模式 最后 最后推荐一个框架选型网站https://www.javascripting.com，该网站根据不同的需求的选择 ，给出当下流行的框架选型 ? 作者：小火柴的蓝色理想 链接：www.cnblogs.com/xiaohuochai/p/7041595.html 本文是蔡剑飞、郑海波老师的《产品前端架构》课程中《框架选型》章节的学习记录
2.1K60发布于 2018-05-03 - 来自专栏硬件工程师
运放选型
事先声明，这只是本人的一点小小见解，如有错误，不妥，还请指出，大家共同进步！！！谢谢。
98620编辑于 2022-08-29 - 来自专栏全栈程序员必看
OLAP组件选型
OLAP组件选型 一、OLAP简介 1、olap准则 2、OLAP场景的关键特征 3、与oltp比较 二、开源引擎 1、Hive 2、spark SQL 3、presto 4、kylin 5、impala 6、druid 7、Greeplum 8、clickhouse 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据 2、可以接入hive数据 3、单表查询数据较多，较少的join，在数仓中完成宽表构建 Spark SQL、Presto、Kylin、Impala、Druid、Clickhouse、Greeplum等，可以说目前没有一个引擎能在数据量，灵活程度和性能上做到完美，用户需要根据自己的需求进行选型 没有完整的事务支持 不支持二级索引 有限的SQL支持，join实现与众不同 不支持窗口功能 元数据管理需要人工干预维护 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据
3.7K30编辑于 2022-11-17 - 来自专栏房东的猫
MySQL索引选型
image.png 所以数据库索引数据结构的选型而言，B 树是一个很不错的选择。
90431发布于 2021-03-26 - 来自专栏ThoughtWorks
技术选型指南
这是一篇综合类技术选型指南，试图为你提供一份比较通用的技术选型思维框架。当你需要进行技术选型时，可以参照它来设计自己的决策树。 ---- 反模式 有一些技术选型策略可能会导致灾难性的失败，这些选型中存在一些共同的反模式，比如： 舆论驱动选型 人云亦云，盲目听信外人或者某些布道师的主观性言论，这就是舆论驱动选型。 单一指标驱动选型 根据任何一个单一指标进行选型都会给你带来灾难，更何况很多指标并不适合作为选型的依据。 如果技术选型只是个数字游戏，那还要你干嘛？ 话语权驱动选型 这几乎是最糟的选型，但却屡见不鲜。技术栈的更迭往往会带来话语权的变化，而这将给公司带来灾难。 粉丝驱动选型 对于生命线产品，最糟糕的选型莫过于粉丝驱动选型了，这次可没有“几乎”。对于技术人员来讲，最重要的特质是客观冷静，这样才能配得上“专业”二字。
1.4K30发布于 2019-05-05 - 来自专栏技术随笔心得
微服务选型
微服务架构的缺点： 1、分布式部署，各个业务以http或者RPC方式进行调用，一定程度上增加了调用的复杂性(相比于集中式服务的进程内函数堆栈调用) 2、服务之间协议的选型
64720发布于 2021-04-13 - 来自专栏SAP梦心的SAP分享
再谈ERP选型
这几天收到老友的消息，谈及他们公司ERP选型的结果，基本上确定了使用Oracle EBS，因此闹了接近一年的选SAP还是选Oracle的纷争落下帷幕。 算起来我也是经历了几次系统的选型，我所考虑的都是从业务层面，需求层面，公司战略以及期望，架构成熟度、未来拓展和费用等几个方面来考虑一套系统是否能满足需要。 选型选型，完全就避不了考虑太多的东西，但企业在选型之前，或许应该端正自己的观念，明确自己的需求，梳理企业技术路线，这样才不至于有偏差。 ? ----
1.8K00发布于 2018-07-31
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