- 综合排序
- 最热优先
- 最新优先
- 来自专栏华来四Azure混合云
CIIF, blockchain and reverse logistics
Reverse logistics is involved here, so what is the value of reverse logistics? Compared with traditional forward logistics, reverse logistics is still a cost center. of profit for reverse logistics, and at the same time, it can effectively enhance its reputation and Seller can benefit from reverse logistics, and thus exploring a blue ocean. Blockchain Apple's refurbished machine is a classic case of reverse logistics.
40620发布于 2021-03-29 - 来自专栏大鹅专栏：大数据到机器学习
使用sklearn 实现 Logistics Regression 分类
使用Pandas 数据清洗特征选择 + sklearn 实现 Logistics Regression 分类 (记录一次Data Mining作业) 关于LR基础可以看这里 数据描述与分析 我们有这么一个数据集
93032发布于 2021-06-15 - 来自专栏最新最全的大数据技术体系
Logistics_Day02：Docker 入门使用
01 主要讲解物流大数据项目项目介绍和项目解决方案。 1、项目介绍 行业背景、项目背景：数据量大（海量数据、大规模数据）和业务复杂 本项目基于一家大型物流公司研发的智慧物流大数据平台 物流实时大屏系统：ClickHouse数据库 + 服务接口SpringCloud + NodeJS/Vue 2、项目解决方案 物流快读：业务流程，6个部分组成，中间4个部分 快递单：tbl_express_bill，运单：tbl_waybill，客户表、快递员表、仓库表、车辆运输表 逻辑架构
15520编辑于 2021-12-07 - 来自专栏XINDOO的专栏
Stanford 机器学习练习 Part 2 Logistics Regression
以下是我学习Andrew Ng machine learning 课程时logistic regression的相关代码，仅作为参考，因为是初学，暂时没办法做出总结。
40810发布于 2021-01-21 - 来自专栏KI的算法杂记
机器学习之逻辑回归（Logistics Regression）
“逻辑回归（Logistic Regression）与线性回归（Linear Regression）都是一种广义线性模型（generalized linear model）， 因此逻辑回归与线性回归有很多相同之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。”
45721编辑于 2022-07-29 - 来自专栏JetpropelledSnake
机器学习笔记之Logistics Regression逻辑回归模型原理介绍
在说逻辑回归前，还是得提一提他的兄弟，线性回归。在某些地方，逻辑回归算法和线性回归算法是类似的。但它和线性回归最大的不同在于，逻辑回归是作用是分类的。
87320发布于 2021-01-21 - 来自专栏机器学习AI算法工程
银行风控案例：Logistics模型预测银行贷款违约
在面试中会经常碰到考察对数据挖掘算法的熟悉程度，面试官会出一道题或给出一些数据，让你结合实际谈谈你选择什么模型，该模型的大致原理是什么，使用条件有哪些，模型优缺点，如何选择特征，模型如何调参优化，如何评估模型效果等。 以下将要介绍逻辑回归，以历史数据判断银行或P2P金融机构客户贷款违约情况。 逻辑回归是用来做分类任务的。分类任务的目标是找一个函数，把观测值匹配到相关的类或标签上。算法必须用成对的特征向量和对应的标签来估计匹配函数的参数，从而实现更好的分类效果。在二元分类中，分类算法必须把一个实例配置两个类别
5K120发布于 2018-03-14 - 来自专栏算法channel
logistics判别与线性模型中的4个问题
5 多分类问题 logistics判别解决的是二分类问题，那么应该如何解决多分类问题呢？一般采用拆解法，来将多分类问题分解成多个二分类问题。 优点：不丢失信息，数据集较大 缺点：若对数目少的数据进行重复采样会造成过拟合的问题，训练时间 阈值移动：我们在之前logistics判别中说过， ? 我们通过 ?
66600发布于 2018-07-31 - 来自专栏Piper蛋窝
【LP | TSP | 选址】文献阅读汇报：Routing for an on-demand logistics service
导读：笔者不曾一次抱怨过：大四了，为什么老师还要留这么多作业。心里比较抗拒，但还是要去做的。不得不承认，老师留的作业还是有一定价值的。本文是“物流工程与管理”课程上的一次文献阅读作业，以幻灯片形式上交。笔者选择了一篇使用线性规划为解决“最后一公里快递”问题的文章，套路与笔者的美赛论文差不多，通过灵敏度分析引申出现实中的管理意义。
74310发布于 2020-11-19 - 来自专栏JetpropelledSnake
机器学习笔记之sklearn的逻辑回归Logistics Regression实战
上次介绍的逻辑回归的内容，基本都是基于二分类的。那么有没有办法让逻辑回归实现多分类呢？那肯定是有的，还不止一种。
2.4K20发布于 2021-01-21 - 来自专栏阿黎逸阳的代码
逻辑回归(logistics regression)原理-让你彻底读懂逻辑回归
记得刚工作的时候，用的第一个模型就是逻辑回归。虽然从大二(大一暑假参加系里建模培训，感谢老师!)就参加了全国大学生数学建模比赛，直到研究生一直在参加数学建模，也获了大大小小一些奖。
74.7K2723发布于 2020-09-08 - 来自专栏最新最全的大数据技术体系
Logistics_Day04：业务服务器和大数据服务器
---- Logistics_Day04：业务服务器和大数据服务器 01 主要讲解2个方面内容：物流项目业务数据（数据库部署）和OGG 实时采集Oracle数据库表的数据。 1、物流项目业务数据 实际物流快递公司来说，有很多业务系统，使用不同类型数据库存储数据，在此仅仅以2个业务系统为例 - 物流系统Logistics 使用Oracle数据库 - CRM系统客户关系管理系统 使用MySQL数据库 统一采用Docker容器部署业务数据库，为了方便学习业务：业务数据实时采集 【针对上述2个业务系统数据，进行实时增量采集，分别使用不同采集框架：】 - 物流系统Logistics
36030编辑于 2021-12-07 - 来自专栏Small Code
sklearn中Logistics Regression的coef_和intercept_的具体意义
该文介绍了逻辑回归中coef_和intercept_的含义，以及如何使用它们。
3K60发布于 2018-01-02 - 来自专栏最新最全的大数据技术体系
Note_Logistics_Day01(客快物流项目概述及Docker入门)
Logistics_Day01：项目概述及Docker入门 01-[理解]-客快物流大数据项目概述 大数据分析中，主要分析引擎： 1）、MapReduce 分析引擎，更多使用Hive编写SQL， 1）、业务服务器（存储业务数据） 物流项目来说，需要将多个业务系统数据，实时采集到大数据框架Kafka中 物流系统Logistics业务数据，存储Oracle数据库 CRM客户关系管理系统业务数据
65510编辑于 2022-05-08 - 来自专栏最新最全的大数据技术体系
Logistics_Day03：业务服务器和大数据服务器
---- Logistics_Day03：业务服务器和大数据服务器 01 主要讲解Docker 基本使用：Docker是什么、Docker 基本命令（镜像image命令和容器container命令）
42550编辑于 2021-12-07 - 来自专栏Lansonli技术博客
客快物流大数据项目（七十九）：Impala映射kudu表
登录Hue页面二、选择Impala执行引擎1、选择Impala执行引擎2、进入编写执行sql语句窗口三、执行sql语句映射Kudu表若数据库已经存在，则使用级联的方式删除：DROP DATABASE logistics cascade;编写kudu与impala表的映射关系，Sql语句如下：CREATE DATABASE IF NOT EXISTS logistics;CREATE EXTERNAL TABLE logistics.tbl_warehouse_transport_tool_detail 'tbl_express_bill_detail', 'kudu.master_addresses' = 'node2.lanson.cn:7051');CREATE EXTERNAL TABLE logistics.tbl_waybill ' = 'tbl_postal_standard', 'kudu.master_addresses' = 'node2.lanson.cn:7051');CREATE EXTERNAL TABLE logistics.tbl_emp = 'tbl_warehouse_receipt', 'kudu.master_addresses' = 'node2.lanson.cn:7051');CREATE EXTERNAL TABLE logistics.tbl_dot
58841编辑于 2022-12-19 - 来自专栏Lansonli技术博客
客快物流大数据项目(五十三)：实时ETL模块开发准备
kafka.logistics.topic=logistics kafka.crm.topic=crm # ZooKeeper zookeeper.host=node2. zookeeper.port =/apps/logistics/jars # Run in the local mode in Linux spark.app.local.checkpoint.dir=/apps/logistics =/apps/logistics/jars # Running in the local Mode in Windows spark.app.win.checkpoint.dir=D://apps/logistics =D://apps/logistics/jars 二、创建包结构 本次项目采用scala编程语言，因此创建scala目录 包名 说明 cn.it.logistics.etl.realtime 实时ETL程序所在包 cn.it.logistics.etl.parser Canal和Ogg数据解析类所在包 三、编写工具类加载配置文件 实现步骤： 在公共模块的scala目录下common包下创建
62431编辑于 2022-03-02 - 来自专栏波波烤鸭
好好编程-物流项目02【tomcat插件启动web项目】
2.配置tomcat插件 我们在logistics-parent中定义了tomcat的插件，而logistics-manager-web又依赖了logistics-parent。 logistics-parent的定义: ? 3.2安装logistics-parent工程 因为我们其他的项目都依赖了logistics-parent工程，而我们本地的maven仓库中并没有logistics-parent包: ? 3.4安装logistics-common工程 同样的道理web项目有依赖logistics-common，而本地maven仓库中没有logistics-common包，因此需要打包。 3.5安装logistics-manager工程 相同的原因，我们需要将相应的jar打包到本地仓库中。注意只需要install logistics-manager一个项目即可。 ?
68410发布于 2019-04-02 - 来自专栏睡前机器学习
容易逻辑混乱的逻辑回归
这天聊Logistics回归。 Logistics回归是大多数初学者接触机器学习时，要学习的第一款分类学习算法。中文一般译作逻辑回归。 实话实说，这个名字很容易引起错乱。 其实，Logistics回归作为分类问题的新手装，说也简单，结构就是线性回归套上Logistics函数，图像是这样： Logistics函数是非线性函数，图像呈S型，看着简单，里面大有文章。 要知道，线性回归只能输出线性变化的值，这是肯定没法预测需要输出离散值的分类问题，但套上了Logistics函数，输出就呈非线性了，特别是放大坐标轴尺度后，Logistics函数的图像非常类似阶跃函数，特别适合用于做二元分类问题的预测 这样做还有一个好处：线性回归好用呀，本身是一款成熟的机器学习模型，拟合数据的能力那称得上有口皆碑，和具有阶跃能力的Logistics回归强强联手，Logistics回归自然也就具备了拟合数据的能力，也就是学习能力 ，这样一来Logistics回归立马就变成一款经得住实践检验的机器学习模型。
1K20编辑于 2022-04-11 - 来自专栏API百科
原生JS + HTML + CSS 实现快递物流信息 API 的数据链式展示
li:first-child:before { display: none; } .logistics-trace li:last-child:after { : 5px; } .logistics-status { font-size: 12px; margin-bottom: 5px; } .logistics-desc { font-size: 12px; } .logistics-status.accept { color: green; } .logistics-status.transport { color: blue; } .logistics-status.delivering { color: red; } </style> JS ">${time}
${logisticsStatusDesc}<div1.2K20编辑于 2023-04-14
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