- 综合排序
- 最热优先
- 最新优先
- 来自专栏光芯前沿
ECOC 2024 PDP：400G EML、高速铁电液晶调制
Lumentum Japen发表的PDP论文，标题是400 Gbps Semi-Cooled Lumped-Electrode EA-DFB Laser Operating At 200 Gbaud PAM4
70200编辑于 2025-04-08 - 来自专栏oeasy教您玩转linux、python
python0086_ASCII_出现背景_1963年_DEC_PDP系列主机_VT系列终端
年的版本 黑暗森林 已经 初具规模不过 好像找不到 EscEscEsc 还不在 当时的黑暗森林 中 而是 位于倒数第二1963年 Bemer将Esc 引入到ASCII中几年后 小型机开拓者DEC 通过 PDP -7 继续 玩《space travel》最终 unix 和 c 诞生这IBM统治之下 PDP 小型机 是如何崛起的呢？ 输出设备早期计算机输入设备 是开关早期计算机输出设备 是指示灯PDP的崛起1962年 美国麻省理工学院里第一台 拥有可视化显示器的小型机PDP-1出现拥有10英寸光栅显示器斯蒂芬·罗素 带着学生开发出了 unix 和 c 诞生之后 IBM那套自上而下、以销售为核心的体系不理解 软件特性unix 和 c 迅速占领市场 硬件 靠的就是 PDP系列小型机这也 推动了 Dec的发展ASA X3.4-1963Dec 没有IBM的历史包袱 期待 改变采取了 ASA X3.4-1963 这个编码集DEC公司 确实崛起了除了 作为主机的小型机 DEC 也做 终端VT-100VT-100 系列终端 真的很潮PDP小型机
54800编辑于 2023-02-18 - 来自专栏光芯前沿
OFC 2026 PDP：Coherent团队报道硅光MZM 400Glane PAM4调制
本届OFC上，除了Coherent的PDP论文之外，Silith/Aloe Semiconductors/Siluxtek也展出了400G PAM4的硅光MZM方案，虽然性能上不如TFLN，但也打破了行业对硅基
36010编辑于 2026-04-03 - 来自专栏素质云笔记
机器学习模型可解释性进行到底 ——PDP&ICE图（三）
单一变量PDP图的具体实施步骤如下： 挑选一个我们感兴趣的特征变量，并定义搜索网格； 将搜索网格中的每一个数值代入上述PDP函数中的X_s，使用黑箱模型进行预测，并将得到的预测值取平均； 画出特征变量的不同取值与预测值之间的关系 以比特币数据集为例，我们使用PDP方法对Xgboost模型结果进行解析。下图刻画的是单变量“区块大小”与比特币价格之间的函数关系。 另一个缺点是样本整体的非均匀效应（Heterogeneous effect）：PDP只能反映特征变量的平均水平，忽视了数据异质对结果产生的影响。 1.2 如何根据PDP 进行特征筛选 PDP, ICE: 模型可视化技术之一 特征选择： 当某个特征的PDP曲线几乎水平或者无规律抖动的时候, 这个特征可能是无用的特征. Part 1 个体条件期望图（ICE Plot）计算方法与PDP类似，它刻画的是每个个体的预测值与单一变量之间的关系。
6.8K21编辑于 2021-12-07 - 来自专栏oeasy教您玩转linux、python
python0089_大型机的衰落_Dec小型机崛起_PDP_VAX网络
-1 Programmed Data Processor 这是PDP系列的开始 与IBM纸带读写的 孤立大型机不同 PDP主机 可以彼此相连 网络初步形成 冷战 之后 美国担心 一个原子弹下来 就把 PDP-8 1965年3月 DEC公司推出第一台商业上获得成功的小型机PDP-8 售价1.85万美元 体积更小 CPU主频800kHZ 60年代 是一个 思想自由开放的年代 DEC海外销售主管 约翰·格伦 将PDP-8 运到英国 发现伦敦街头 正在流行“迷你裙”（miniskirt） 姑娘们争相穿上短过膝盖的裙子 活泼轻盈 显得那么妩媚动人 他突然发现PDP-8与迷你裙之间的联系 新闻传媒 PDP-8 引发 计算机市场的小型机革命 当年销售额 3900万美元 PDP-8/S PDP-8 共销售 50000套 改进型PDP-8/S 总销售额30万台 PDP系列 越来越多的计算机联入了 ARPA网 PDP系列和Nova 已经成为 ARPA网的主流 PDP 已占 主机份额的大头 1977年 ARPA网 甚至 可连到 挪威和伦敦 注意MIT有一台PDP-11 那一台上发生的事情
52470编辑于 2023-02-21 - 来自专栏数据派THU
模型的可解释性：部分依赖图PDP和个体条件期望图ICE
来源：Deephub Imba本文约1800字，建议阅读5分钟本文我们通过一个简单据集的回归示例了解了部分依赖图 (PDP) 和个体条件期望 (ICE) 图是什么，以及如何在 Python 中制作它们 部分依赖图 (PDP) 和个体条件期望 (ICE) 图可用于可视化和分析训练目标与一组输入特征之间的交互关系。 个体条件期望图（Individual Conditional Expectation ） 虽然 PDP 擅长显示目标特征的平均效果，但它可能会模糊仅在某些样本上显示特征的关系影响。 看起来模型已经学会了有意义的规则 总结 在本文中，我们通过一个简单据集的回归示例了解了部分依赖图 (PDP) 和个体条件期望 (ICE) 图是什么，以及如何在 Python 中制作它们。
3.1K30编辑于 2022-04-01 - 来自专栏光芯前沿
OFC 2026 PDP： McGillCienaLumiphase展示448G PAM4薄膜BTO硅光异质集成芯片
人工智能驱动的数据中心流量爆发式增长，推动光互连向单通道400Gbps以上的速率演进。当前主流技术路线均存在明显瓶颈：
26110编辑于 2026-04-03 - 来自专栏DeepHub IMBA
模型的可解释性：部分依赖图PDP和个体条件期望图ICE
部分依赖图 (PDP) 和个体条件期望 (ICE) 图可用于可视化和分析训练目标与一组输入特征之间的交互关系。 个体条件期望图（Individual Conditional Expectation ） 虽然 PDP 擅长显示目标特征的平均效果，但它可能会模糊仅在某些样本上显示特征的关系影响。 看起来模型已经学会了有意义的规则 总结 在本文中，我们通过一个简单据集的回归示例了解了部分依赖图 (PDP) 和个体条件期望 (ICE) 图是什么，以及如何在 Python 中制作它们。
1.7K50编辑于 2022-04-14 - 来自专栏云深知网络 可编程P4君
一起向未来，可编程数据平面都拥有 i
可编程数据平面PDP Programmable Data Planes 作为完美的科研试验平台 成为杀人越货评选四青之必备佳品 网络领域三大顶会SIGCOMM、NSDI INFOCOM中有关PDP论文的数量逐年增加 （二）当强化学习碰到P4可编程的网络 （三）当分类算法碰到P4可编程的网络 （四）当DDoS检测碰到P4可编程的网络 （五）当分布式存储碰到P4可编程的网络 （六）当分布式训练碰到P4可编程的网络 从PDP , Opportunities, and Challenges 本文对PDP在机器学习方面的应用的最新进展进行了调研，首先介绍了PDPi和用PDP辅助ML的好处。 然后，由于PDP的计算和存储资源有限，不足以支持ML的需求。例如，可编程交换机不支持浮点数运算，但是神经网络等机器学习模型需要浮点数计算的加持。 为此，研究者通过估算、拆分计算等方式，充分利用PDP设备有限的能力，实现更复杂的功能。 我们展示了克服上述挑战的方式，也展望了可编程数据平面智能未来的研究方向。
35910编辑于 2023-03-06 - 来自专栏数据科学学习手札
（数据科学学习手札72）用pdpipe搭建pandas数据分析流水线
传入流程列表的方式创建pipeline first_pipeline = pdp.PdPipeline([pdp.ColDrop("original_title"), pdp.ApplyByCols(columns=['title'], func=lambda x: x.lower()), pdp.RowDrop 图22 默认参数下执行OneHotEncode： pdp.OneHotEncode().apply(df) ? (pdp.ColDrop("original_title"), pdp.ApplyByCols(columns=['title ': lambda x: x <= 5})) # 以pdp.PdPipeline传入流程列表的方式创建pipeline first_pipeline2 = pdp.PdPipeline([pdp.ColDrop
1.8K10发布于 2020-02-12 - 来自专栏全栈程序员必看
Excel VBA 编程练习
(0) = c_pdp(0) + 1 If temp = "OH" Then c_pdp(1) = c_pdp(1) + 1 c_pdp(2) = c_pdp(2) + 1 ElseIf temp = "NOH" Then c_pdp(1) = c_pdp (14, j - ofs(idx) + 1).Value = c_pdp(2) If c_pdp(0) = 0 Then ActiveSheet.Cells (1) / CDbl(c_pdp(0)) ActiveSheet.Cells(11, j - ofs(idx) + 1).Value = c_pdp(2) / CDbl( c_pdp(0)) End If For i = 0 To 2 c_pdp(i) = 0 Next
1.7K10编辑于 2022-09-05 - 来自专栏多能鄙事
重装Windows 10后常用软件的下载
$Access_Url = "ms-windows-store://pdp/? $Excel_Url = "ms-windows-store://pdp/? $Inkscape_Url = "ms-windows-store://pdp/? $Ubuntu_Url = "ms-windows-store://pdp/? $Word_Url = "ms-windows-store://pdp/?
1.2K00发布于 2021-05-12 - 来自专栏Python大数据分析
案例 | 用pdpipe搭建pandas数据分析流水线
传入流程列表的方式创建pipeline first_pipeline = pdp.PdPipeline([pdp.ColDrop("original_title"), pdp.ApplyByCols(columns=['title'], func=lambda x: x.lower()), pdp.RowDrop = 'en'}), pdp.ApplyByCols(columns=['genres'], func=lambda x: [item[' (pdp.ColDrop("original_title"), pdp.ApplyByCols(columns=['title ': lambda x: x <= 5})) # 以pdp.PdPipeline传入流程列表的方式创建pipeline first_pipeline2 = pdp.PdPipeline([pdp.ColDrop
1.2K10编辑于 2022-04-02 - 来自专栏机器学习/数据可视化
基于随机森林模型的心脏病人预测分类
# 特征变量；除去目标值 feature=feat_name # 指定单个字段 ) pdp.pdp_plot(pdp_dist, feat_name) # 传入两个参数 plt.show =feat_name) pdp.pdp_plot(pdp_dist, feat_name) plt.show() 关于年龄字段age，原文的描述： That's a bit odd. =feat_name) pdp.pdp_plot(pdp_dist, feat_name) plt.show() oldpeak字段同样表明：取值越大，患病几率越低。 Let's check with a 2D PDP 2D-PDP图 查看的是 slope_upsloping 、slope_flat和 oldpeak的关系： inter1 = pdp.pdp_interact =base_features, features=['slope_flat', 'oldpeak'] ) pdp.pdp_interact_plot( pdp_interact_out
2.4K11编辑于 2022-02-22 - 来自专栏光芯前沿
OFC 2025 PDP：单波400G的III-V（NTT华为）、铌酸锂（Hyperlight住友）及硅光（Aloe）
OFC 2025 PDP又增添了好几个单波400G的验证结果，其中有华为的540 Gbps EML传光纤30km的报道（OFC 2025 PDP：华为的110 GHz带宽、540 Gbps NTT也演示了8通道的无制冷高带宽的InP MZM的3.2T 500m传输；住友基于前两年做的集成电光均衡器的高带宽铌酸锂(封装后带宽＞100GHz)演示了单波400Gbps 传输(不过是C波段的)，PDP 电芯片方面，去年Ciena在OCP会议上首发了3nm的448Gbps Serdes，OFC上Marvell 宣布首发了400G PAM4的DSP，而Nokia Bell Labs也有一篇PDP论文，基于新设计的
2.8K10编辑于 2025-04-08 - 来自专栏SAMshare
关于机器学习模型可解释性算法的汇总
我们将其分为下面几种： Partial Dependence Plot (PDP)； Individual Conditional Expectation (ICE) Permuted Feature ) PDP是十几年之前发明的，它可以显示一个或两个特征对机器学习模型的预测结果的边际效应。 PDP能很直观地显示平均边际效应，因此可能会隐藏异质效应。 例如，一个特征可能与一半数据的预测正相关，与另一半数据负相关。那么PDP图将只是一条水平线。 02 Individual Conditional Expectation (ICE) ICE和PDP非常相似，但和PDP不同之处在于，PDP绘制的是平均情况，但是ICE会显示每个实例的情况。 如上图所示，与PDP不同，ICE曲线可以揭示异质关系。但其最大的问题在于：它不能像PDP那样容易看到平均效果，所以可以考虑将二者结合起来一起使用。
1.3K30编辑于 2022-04-12 - 来自专栏Datawhale专栏
关于机器学习模型的可解释性算法！
我们将其分为下面几种： Partial Dependence Plot (PDP)； Individual Conditional Expectation (ICE) Permuted Feature ) PDP是十几年之前发明的，它可以显示一个或两个特征对机器学习模型的预测结果的边际效应。 PDP能很直观地显示平均边际效应，因此可能会隐藏异质效应。 例如，一个特征可能与一半数据的预测正相关，与另一半数据负相关。那么PDP图将只是一条水平线。 02 Individual Conditional Expectation (ICE) ICE和PDP非常相似，但和PDP不同之处在于，PDP绘制的是平均情况，但是ICE会显示每个实例的情况。 如上图所示，与PDP不同，ICE曲线可以揭示异质关系。但其最大的问题在于：它不能像PDP那样容易看到平均效果，所以可以考虑将二者结合起来一起使用。
94720发布于 2021-11-23 - 来自专栏深度学习和计算机视觉
机器学习模型的可解释性算法汇总！
我们将其分为下面几种： Partial Dependence Plot (PDP)； Individual Conditional Expectation (ICE) Permuted Feature ) PDP是十几年之前发明的，它可以显示一个或两个特征对机器学习模型的预测结果的边际效应。 PDP能很直观地显示平均边际效应，因此可能会隐藏异质效应。 例如，一个特征可能与一半数据的预测正相关，与另一半数据负相关。那么PDP图将只是一条水平线。 02、Individual Conditional Expectation (ICE) ICE和PDP非常相似，但和PDP不同之处在于，PDP绘制的是平均情况，但是ICE会显示每个实例的情况。 如上图所示，与PDP不同，ICE曲线可以揭示异质关系。但其最大的问题在于：它不能像PDP那样容易看到平均效果，所以可以考虑将二者结合起来一起使用。
42710编辑于 2024-08-27 - 来自专栏生信小驿站
使用pandas构建简单直观的数据科学分析流程
删除某一列 # In[*] import pdpipe as pdp drop_age = pdp.ColDrop('Avg. Area House Age') df2 = drop_age(dta) 对某一列进行热编码 # In[*] pipeline = pdp.ColDrop('Avg. Area House Age') pipeline+= pdp.OneHotEncode('House_size') df3 = pipeline(dta) df3.columns 整合示例： Area House Age'列 pipeline = pdp.ColDrop('Avg. '的观察值 pipeline+=pdp.ValDrop(['drop'],'Price_tag') df5 = pipeline(dta) df5.columns ?
1.2K20发布于 2019-12-11 - 来自专栏Laikee Tech Space
RRD浅析
Data Point)，PDP的范围由min,max来制定，如果在heartbeat时间内没有 收到数据，那么该PDP就会被置为UNKNOWN。 在上面的例子中，每隔300s就会产生一个新的 PDP。 这里的xff是指CDP合并时允许出现的UNKNOWN的最大比率，在本例中即是，如果step个PDP中有一半是UNKNOWN，那么该CDP是UKNOWN,否则就去不是UKNOWN值的平均值。 ，这样的方式就保证了数据库的大小是不会增长的，同时将PDP合并成CDP的做法，又可以保证RRD可以存储很长一段时间的数据。 PDP之间的间隔是300s,所以CDP之间的间隔就是12*300，即1小时，24个这样的CDP就是1天，因此我们可以得知，第一个RRA就是mem的一天的监控统计。
2.9K10编辑于 2022-04-25
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