- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-6)
计算节点升级为管理平台对计算节点版本提供在线升级的功能。满足对单节点、主备节点、多节点和容灾模式集群的跨版本或小版本升级迭代。同时可为用户提供升级过程突发异常情况时的自动回滚保护机制，程序尽量保证将集群回滚至升级前的状态减少对线上业务的影响。
23110编辑于 2025-03-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-6 精确率-召回率曲线
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍两个精准率-召回率曲线，其中一个是横坐标为选定的阈值，里面的两根曲线分别为对应阈值下的精准率和召回率，通过这个图可以帮助我们非常好的来选取我们想要的那个阈值。另外一个是横坐标为精准率，纵坐标为召回率，用于查看精准率和召回率的平衡点。
4.2K30发布于 2020-05-13 - 来自专栏C语言及其他语言
【优质题解】问题 1716: 算法10-6~10-8：快速排序
1):先选取一个元素作为枢纽，把比枢纽小的元素置于枢纽前，比枢纽大的元素置于枢纽后，此时枢纽前的元素都比它小，其后面的元素都比它大，然后再按以上方法递归处理枢纽前，后序列。
42230发布于 2018-07-24 - 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10-6 递归求Fabonacci数列
习题10-6 递归求Fabonacci数列 本题要求实现求Fabonacci数列项的函数。
1.4K30发布于 2020-09-15 - 来自专栏用户4866861的专栏
选择电子停车计时装置检定仪应注意这9点
2、内部晶振指标对比 首选恒温晶振OCXO,并且准确度越高越好，市场上一般的厂家的频率准确度：1×10-6，建议选择稍微好点的晶振，比如恒温晶振频率准确度：≤3E-8，秒稳定度：≤3E-11/s，客户挑选的时候务必留意 3、计时测量指标对比 市场上一般的厂家的停车计时检定装置的计时分辨率：0.01s，计时误差：±(0.01+T×10-6)s，这点虽说是可以建标，但是毕竟分辨率位数多了更精确些，比如：计时分辨率：0.001s
57830发布于 2021-06-18 - 来自专栏全栈程序员必看
Oracle 函数大全[通俗易懂]
select CURRENT_TIMESTAMP from dual; --结果：10-6月 -21 02.34.20.845299 下午 +08:00 LOCALTIMESTAMP：返回当前会话时区的日期时间 Select LOCALTIMESTAMP from dual; --结果：10-6月 -21 02.36.17.989733 下午 MONTHS_BETWEEN(date1,date2)：计算date1 select SYS_EXTRACT_UTC(systimestamp) from dual; --结果：10-6月 -21 06.41.59.738669 上午 SYSDATE：取得当前的日期和时间, SELECT systimestamp from dual; --结果：10-6月 -21 02.44.06.551610 上午 -04:00 TO_TIMESTAMP(char[fmt[,’nls_param /1 21:11:11 --date型转成timestamp select cast(sysdate as timestamp) date_to_timestamp FROM dual; --结果：10
3.3K20编辑于 2022-09-07 - 来自专栏黎鹤舞的编程技术栏
常用的数据单位符号
= 1,024 (210)B 1 Kbps = 1,000 bps m = 10-3 1 MB = 1,000 KB 1 MB = 1,024 KB 1 Mbps = 1,000 Kbps µ = 10
38400编辑于 2024-05-27 - 来自专栏完美Excel
VBA专题10-6：使用VBA操控Excel界面之执行命令以及激活功能区选项卡的两种方法
Application.CommandBars.ExecuteMso(idMso)
5.2K20发布于 2020-09-25 【周练】 几何水题 （水）
Errors less than 10-6 will be ignored.
22210编辑于 2025-08-26- 来自专栏用户4866861的专栏
电子停车计时收费检定仪注意事项总结，停车计时检定仪，停车计时收费校准仪
2、内部晶振指标对比首选恒温晶振OCXO,并且准确度越高越好，市场上一般的厂家的频率准确度：1×10-6，建议选择稍微好点的晶振，比如恒温晶振频率准确度：≤3E-8，秒稳定度：≤3E-11/s，客户挑选的时候务必留意 3、计时测量指标对比市场上一般的厂家的停车计时检定装置的计时分辨率：0.01s，计时误差：±(0.01+T×10-6)s，这点虽说是可以建标，但是毕竟分辨率位数多了更精确些，比如：计时分辨率：0.001s
55930编辑于 2023-05-31 【周练】 求导
Errors less than 10-6 will be ignored.
19910编辑于 2025-08-26【UVa】10566 - Crossed Ladders（二分 & 数学）
Errors less than 10-6 will be ignored.
24510编辑于 2025-08-27- 来自专栏智能大数据分析
聚类分析方法（二）
根据算法10-5，因为 S 有8个数据对象，因此，刚开始每个对象为一个簇，详见下表10-6。 因此簇 \{X_1,X_2\} 和 \{X_3,X_4\} 合并为 \{X_1,X_2,X_3,X_4\} ，见表10-6计算步骤3所在的行。 因此簇 \{X_7\} 和 \{X_8\} 合并为 \{X_7,X_8\} ，见表10-6计算步骤5所在的行。 因此簇 \{X_5,X_6\} 和 \{X_7,X_8\} 合并为 \{X_5,X_6,X_7,X_8\} ，见表10-6计算步骤6所在的行。 但是，如果在例10-6中指定 k=4 ，则算法需要进入第二轮和第三轮循环。
29210编辑于 2025-01-23 【LightOJ】1137 - Expanding Rods（二分 & 几何）
Errors less than 10-6 will be ignored.
21910编辑于 2025-08-27- 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
GameServer" --dimension InstanceId= $id --value $players （2）设定CloudWatch的报警规则，当服务器在线人数为零时，会触发SNS通知，如图10 图10-6 CloudWatch自定义指标报警 在实际场景中，需要通过以下脚本自动建立报警。
2.3K10发布于 2021-06-15 - 来自专栏福大大架构师每日一题
2022-09-23：整数数组 stations 表示 水平数轴 上各个加油站的位置。给你一个整数 k 。 请你在数轴上增设 k 个加油站， 新增加油站可以位于
与实际答案误差在 10-6 范围内的答案将被视作正确答案。答案2022-09-23：二分答案法。代码用rust编写。
30410编辑于 2022-09-23 - 来自专栏韦东山嵌入式
Tina_Linux_WiFi_RF测试_使用指南
频率范围 ≤ -80 dBm/Hz (fL ≥ 2.4 GHz; fH ≤ 2.4835GHz) 占用带宽 — 载频容限 ≤ 20 x 10-6 杂散发射 ≤ -36 dBm/100 kHz (30-1000 频率范围 ≤ -80 dBm/Hz (fL ≥ 2.4 GHz; fH ≤ 2.4835GHz) 占用带宽 — 载频容限 ≤ 20 x 10-6 杂散发射 ≤ -36 dBm/100 kHz (30-1000 频率范围 ≤ -80 dBm/Hz (fL≥ 2.4 GHz; fH ≤ 2.4835GHz) 占用带宽 — 载频容限 ≤ 20 x 10-6 杂散发射 ≤ -36 dBm/100 kHz (30-1000 频率范围 ≤ -80 dBm/Hz (fL ≥ 2.4 GHz; fH ≤ 2.4835GHz) 占用带宽 — 载频容限 ≤ 20 x 10-6 杂散发射 ≤ -36 dBm/100 kHz (30-1000 | | 载频容限 | ≤ 20 x 10-6 | | 杂散发射 | ≤ -36 dBm/100 kHz (30-1000 MHz); ≤ -33 dBm/100 kHz (2.4-2.4835 GHz
2.4K30编辑于 2023-02-25 - 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
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 执行清单（五）- 10-6里的脚本向源数据库的factory_master表中装载四个工厂信息。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。 ', 17055, 'Pittsburgh', 'PA' ); COMMIT ; 清单（五）- 10-6 执行下面的语句查询factory_dim表，确认装载正确
60020编辑于 2022-12-02 【LightOJ】1331 - Agent J（数论）
Error less than 10-6 will be ignored.
24910编辑于 2025-08-27- 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)
一般的，将特征量从n维降到k维： image.png 注意: PCA和线性回归是不同的，如图10-6所示，线性回归是以平方误差和(SSE)最小为目标，参见1.2.4节；而PCA是使投影(二维即垂直)距离最小 图10-6 PCA不是线性回归 分别基于上述两种目标的具体推导过程参见周志华老师的《机器学习》P230。
99180发布于 2018-03-13
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