首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Hank’s Blog

    3-3 数据框的子集

    > x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[

    91600发布于 2020-09-16
  • 来自专栏python3

    3-3 SQL Server 2005数

    3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置

    91420发布于 2020-01-07
  • 来自专栏叽叽西

    lagou 爪哇 3-3 dubbo 笔记

    Apache Dubbo是一款高性能的 Java RPC 框架。其前身是阿里巴巴公司开源的一个高性能、轻量级的开源 Java RPC框架,可以和 Spring 框架无缝集成。

    66510编辑于 2022-05-17
  • 3-3日志

    NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe

    6600编辑于 2026-06-17
  • 来自专栏悟道

    3-3欧几里得求最大公因子

    最大公因子,指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }

    54620发布于 2021-03-16
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 3-3 NumPy数据基础

    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NumPy模块的一些基础知识。

    94600发布于 2019-11-13
  • 来自专栏python3

    34补3-3 rhcs集群基础应用

    [root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'

    98000发布于 2020-01-15
  • 来自专栏python3

    3-3 File类的常用操作的静态方法练

    文本文件是我们接触频繁的一类文件,记事本程序经常操作的文件就是文本文件,很多应用程序会保存一些记录到日志文件里,这种日志文件也可以是文本文件。通过本小节的学习,可以掌握对文本文件的简单读写方法。

    88620发布于 2020-01-14
  • 来自专栏cwl_Java

    C++编程之美-结构之法(代码清单3-3)

    代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer

    23920编辑于 2022-11-30
  • 来自专栏程序编程之旅

    一首诗的代码

    ai_5('G','8',one2); ai_2('<',26,one3); ai_5('<','J',one4); ai_6('6','@',2*one5); } void chx ,'=',one6); ai_6(26,36,one4); } void chx_3() { ai_4('9','5',one6); ai_2('-',28,one1); ,5,one4); ai_6('6','@',one6); } void chx_14() { ai_3(36,'?' _1(); chx_2(); chx_3(); chx_4(); chx_5(); chx_6(); chx_7(); chx_8(); chx_9(); chx_10(); chx_11(); chx_12(); chx_13(); chx_14(); chx_15(); system

    41820发布于 2021-01-19
  • 来自专栏懂点编程的数据分析师

    牛顿与拟牛顿

    前言 同梯度下降法一样,牛顿和拟牛顿也是求解无约束最优化问题的常用方法。牛顿本身属于迭代算法,每一步需要求解目标函数的海赛矩阵的逆矩阵,计算比较复杂。 拟牛顿通过正定矩阵近似海赛矩阵的逆矩阵或海赛矩阵,简化了这一计算过程。 需要提前了解的知识 1.泰勒展开 当 ? 在 ? 处具有 ? 阶连续导数,我们可以用 ? 的 ? 牛顿 考虑无约束最优化问题: ? 1.首先讨论单自变量情况 假设 ? 具有二阶连续导数,运用迭代的思想,我们假设第 ? 次迭代值为 ? , 将 ? 进行二阶泰勒展开: ? 其中 ? 拟牛顿 在牛顿的迭代过程中,需要计算海森矩阵 ? ,一方面有计算量大的问题,另一方面当海森矩阵非正定时牛顿也会失效,因此我们考虑用一个 ? 阶矩阵 ? 来近似替代 ? `。 2.常见的拟牛顿 根据拟牛顿条件,我们可以构造不同的 ? ,这里仅列出常用的几种拟牛顿,可根据需要再学习具体实现。

    1.4K20发布于 2020-06-09
  • 来自专栏杨龙飞前端

    快速排序,冒泡排序

    快速排序 function sort(arr){ if(arr.length<=1){ return arr } var index=Math.floor(arr.length sort(left).concat([arrIndex]).concat(sort(right)); } var arr=[7,8,9,2,5,3,6,1,3,7]; sort(arr);   冒泡排序

    1.1K50发布于 2018-06-15
  • 来自专栏大数据文摘

    《情报》出台,隐私将死?

    这两天,法国人民确实整个儿都不太好了,因为法国国民议会议员周二(5月5日)以438票赞成、86票反对、42票弃权,一读通过了《情报》案。你也许要问,这是个什么东西?和我有什么关系? 耐心,编者马上为你解释法国《情报》的来龙去脉,以及告诉你,这也许真的和你有点关系。 如果你稍稍关心天下大事,一定还记得今年初发生在巴黎的查理周刊枪击案吧。 法国政府脑洞大开,觉得情报工作存在严重漏洞,于是Duang,《情报》出炉了。 1 《情报》到底讲了什么? 《情报》目前已提交至参议院,而参议院似乎很有可能通过该法案。针对这个法案,法国人民提前准备好了防范措施来保护自己的私隐。或许他们的经验可以被国人所借鉴。

    1.1K30发布于 2018-05-23
  • 来自专栏glm的全栈学习之路

    抛物线、牛顿、弦截求根实例

    ,要求计算结果准确到四位有效数字 (1)用牛顿 (2)用弦截,取 x0=2,x1=1.9x_0=2,x_1=1.9x0​=2,x1​=1.9 (3)用抛物线,取 x0=1,x1=3,x2=2x_0 套公式编写程序即可注意控制精度,要求准确到四位有效数字,即要求准确解和所得近似解误差不超过 0.5∗10−40.5*10^{-4}0.5∗10−4 ,同时要注意迭代时的变量关系,以下是源代码: (1)牛顿: scanner.close(); double res = getEistimate(x,e,N); System.out.println("牛顿得到的解为 (2)用弦截,取 x0=2,x1=1.9x_0=2,x_1=1.9x0​=2,x1​=1.9 /** * @Title: secant.java * @Desc: TODO * @Package ] (3)用抛物线,取 x0=1,x1=3,x2=2x_0=1,x_1=3,x_2=2x0​=1,x1​=3,x2​=2 /** * @Title: parabolic.java * @Desc

    2.3K50发布于 2020-09-28
  • 来自专栏算法工程师的养成之路

    牛顿与拟牛顿

    牛顿和拟牛顿是求解无约束最优化的常用方法,有收敛速度快的优点. 牛顿法属于迭代算法,每一步需要求解目标函数的海赛矩阵的逆矩阵,计算复杂. 拟牛顿通过正定矩阵近似海赛矩阵的逆矩阵,简化了这个过程. 牛顿 对于无约束优化 min⁡x∈Rnf(x) \min_{x\in R^n} f(x) x∈Rnmin​f(x) x∗x^*x∗是目标的极小值点. 计算HkH_kHk​,并求pkp_kpk​ x(k+1)=x(k)+pkx^{(k+1)} = x^{(k)} + p_kx(k+1)=x(k)+pk​ k=k+1k=k+1k=k+1,转2 拟牛顿 如果HkH_kHk​是正定的,那么可以保证牛顿搜索方向pkp_kpk​是下降方向: 因为搜索方向是pk=−λgkp_k = -\lambda g_kpk​=−λgk​ x=x(k)+λpk=x(k)

    1.4K20发布于 2019-01-18
  • 来自专栏用户6093955的专栏

    素数筛(Eratosthenes筛

    介绍 Eratosthenes筛,又名埃氏筛,对于求1~n区间内的素数,时间复杂度为n log n,对于10^6^ 以内的数比较合适,再超出此范围的就不建议用该方法了。 筛的思想特别简单: 对于不超过n的每个非负整数p, 删除2p, 3p, 4p,…, 当处理完所有数之后, 还没有被删除的就是素数。

    2K30发布于 2019-09-11
  • 来自专栏杨龙飞前端

    快速排序,冒泡排序

    快速排序 function sort(arr){ if(arr.length<=1){ return arr } var index=Math.floor(arr.length sort(left).concat([arrIndex]).concat(sort(right)); } var arr=[7,8,9,2,5,3,6,1,3,7]; sort(arr);   冒泡排序

    82820发布于 2018-06-27
  • 来自专栏WebJ2EE

    React:Table 那些事(3-3)—— 列宽自适应、列宽拖动

    《React:Table 那些事》系列文章,会逐渐给大家呈现一个基于 React 的 Table 组件的定义、设计、开发过程。每篇文章都会针对 Table 的某个具体功能展开分析:

    10.1K41发布于 2019-07-19
  • 来自专栏Python

    头插和尾插

    头插 void HeadCreatList(List *L) //头插建立链表 { List *s; //不用像尾插一样生成一个终端节点。 List));//s指向新申请的节点 s->data = i;//用新节点的数据域来接受i s->next = L->next; //将L指向的地址赋值给S;//头插与尾插的不同之处主要在此 } } 尾插 void TailCreatList(List *L) //尾插建立链表 { List *s, *r;//s用来指向新生成的节点。r始终指向L的终端节点。

    35010编辑于 2024-10-12
  • 来自专栏Linyb极客之路

    聊聊如何利用管道模式来进行业务编排(上篇)

    this.channelHandlerName = channelHandlerName; } public abstract boolean handler(ChannelHandlerContext chx AbstactChannelHandler { @SneakyThrows @Override public boolean handler(ChannelHandlerContext chx ); User user = (User)params; userMap.put(user.getUsername(),user); chx.put = channelHandlerRequest.getParams(); if(params instanceof User){ Object userMap = chx.get AbstactChannelHandler { @SneakyThrows @Override public boolean handler(ChannelHandlerContext chx

    89840编辑于 2022-08-30
领券