- 综合排序
- 最热优先
- 最新优先
隐语SML0.1.0版本发布！SPU开源机器学习Python算法库
每一个点赞，都是社区技术大佬前进的动力Github地址：https://github.com/secretflow/sml我们很高兴地宣布，隐语SML0.1.0版本正式发布！ SML库目前支持约数十种核心算法，涵盖了机器学习的主要领域，如监督学习（线性模型、支持向量机等）、无监督学习（KMeans聚类算法，PCA等降维算法）、数据预处理（标准化、特征选择等）、模型评估（各种分类 版本链接：https://pypi.org/project/sf-sml/#history什么是SML？ SML是一个基于Python的机器学习模块，它利用JAX实现算法，并借助SPU(SecretFlowProcessingUnit)的能力进行安全的训练和推理。 原生API更利于社区共建与持续演进快速开始你可以通过PyPI快速体验SML：展开代码语言：TXTAI代码解释pipinstallsf-sml从源代码安装展开代码语言：TXTAI代码解释gitclonehttps
12110编辑于 2025-12-26- 来自专栏大数据仓库建设
hive 非分区表 导入csv数据
tmp_cuiwei_main_recommend; create table IF NOT EXISTS tmp_cuiwei_main_recommend( sml_sa_id int, sml_set_time int, sml_cancel_time int ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' LINES TERMINATED local inpath '/data/home/gongzi/main_recommend.csv' into table temp.tmp_cuiwei_main_recommend; select sml_sa_id , -- 加上##号的目的是看字段与数据有没有对应上 "##", sml_set_time, "##", sml_cancel_time from temp.tmp_cuiwei_main_recommend
1.5K30发布于 2019-03-14 NC:深度学习在神经影像数据分析中优于机器学习
为了建立SML方法的性能基线，我们纳入三种线性SML模型——线性判别分析(LDA)，逻辑回归(LR)和线性核支持向量机(SVML)和三种非线性SML模型——支持向量机(SVMP)，径向基函数(SVMR) 图1 系统比较SML和DL方法的分类和回归性能。我们发现，在每个减少的特征空间上，两个DL模型的表现明显优于SML模型(图2a)。 有趣的是，在相同的训练样本量下，我们的SML基线也大大高于Schulz等人的SML基线。 尽管SML基线有了改进，但我们的结果显示DL在这项任务上明显优于SML。有趣的是，DL模型的性能改进表现出类似于SML方法的渐近行为，尽管性能显著提高。 这一对比说明了大多数SML模型的计算时间的更高增长率，因为两类模型的记录差异随着除LDA以外的所有SML模型的训练样本量的增加而减小。
33110编辑于 2025-05-28- 来自专栏YoungGy
资本配置与资本定价
资本配置 Efficient frontier CAL CML 资本定价 CAPM SML SML与CML的区别 CAPM与对冲基金 估价 假设 对冲基金中的作用 概述 例子 资本配置 Efficient SML SML（Security Market Line），证券市场线。判断证券的价格被高估还是低估。 ? SML与CML的区别 用途不一样：SML涉及资本定价，CML涉及资本投资。 横坐标不同：SML的横坐标是β\beta，表征的是该股票与市场的相关性，衡量系统风险。CML的横坐标是标准差，衡量了系统风险和非系统风险。
4.2K50发布于 2018-01-03 - 来自专栏Jack-Cui
写代码，必须要优雅...
img = cv2.imread(img_path) img_h, img_w, _ = img.shape stepx = 10 stepy = 10 sml_w = img_w // stepx sml_h = img_h // stepy res_img = np.zeros((sml_h, sml_w, 3), np.uint8) for m in range(0, sml_w): for n in range(0, sml_h): map_col = int(m * stepx + stepx , sml_w, _ = sml_img.shape stepx = big_w / sml_w stepy = big_h / sml_h for m in range(0 , sml_w): for n in range(0, sml_h): map_col = int(m * stepx + stepx * 0.5)
59920编辑于 2022-09-27 - 来自专栏思影科技
深度学习在静息态功能磁共振成像中的应用
此外，作者探讨了不同方法识别fMRI特征的优劣，其中对于fMRI体素级别特征DL显著优于SML方法。 比较SML（标准机器学习）和三维DL模型 作者使用三种SML模型--弹性网(EN)、基于核方法的岭回归(KRR)和随机森林(RF)集成学习，以及一个合适的DL模型作为4DStL模型需要对比的方法。 这三个SML和DL模型是使用python中的scikit-learn库实现的。 图2说明了DL与SML在fMRI数据的年龄回归任务上具有一定的优势。 SML模型的性能变化趋势 使用SML方法对所有fMRI特征进行验证，使用KR（岭回归 ）SML方法在GRP特征上进行学习时获得最佳性能(MAE=3.78年，r=0.78，R2=0.60)，其次是使用EN
1.8K30编辑于 2022-06-13 - 来自专栏测试人生
TestNg之XMl形式实现多线程测试
DOCTYPE suite SYSTEM "http://testng.org/testng-1.0.dtd" > <suite name="<em>sml</em>多线程测试" parallel="tests" thread-count DOCTYPE suite SYSTEM "http://testng.org/testng-1.0.dtd" > <suite name="<em>sml</em>多线程测试" parallel="methods" thread-count DOCTYPE suite SYSTEM "http://testng.org/testng-1.0.dtd" > <suite name="<em>sml</em>多线程测试" parallel="classes" thread-count DOCTYPE suite SYSTEM "http://testng.org/testng-1.0.dtd" > <suite name="<em>sml</em>多线程测试" parallel="classes" thread-count
1.1K40发布于 2019-06-03 - 来自专栏游戏开发之旅
Unity内建图标
-1852958945275035103 sv_icon_dot10_sml -7212902865190176595 sv_icon_dot11_sml 2222350287466812449 sv_icon_dot12_sml 7137473090074043530 sv_icon_dot13_sml 408315542758243262 sv_icon_dot14_sml -6468625602989856505 sv_icon_dot15_sml -4788206278268923522 sv_icon_dot1_sml -1072665210962886420 sv_icon_dot2_sml 1777224716415355536 sv_icon_dot3_sml 4070028476727247493 sv_icon_dot4_sml -6861806574729942327 sv_icon_dot5_sml 2860686844604528909 sv_icon_dot6_sml 8487625137779298168 sv_icon_dot7_sml -3783406597322001887 sv_icon_dot8_sml 6077879297295136865
2.9K30发布于 2019-12-03 - 来自专栏进击的Coder
10 个 Python 自动探索性数据分析神库！
from speedml import Speedml sml = Speedml('../input/train.csv', '.. /input/test.csv', target = 'Survived', uid = 'PassengerId') sml.train.head() sml.plot.correlate () sml.plot.distribute() sml.plot.ordinal('Parch') sml.plot.ordinal('SibSp') sml.plot.continuous(
2.5K32编辑于 2022-09-13 - 来自专栏机器学习/数据可视化
美食之旅
数据基本信息 数据信息 数据的主要信息： 用户id: cus_id 评论时间: comment_time 评价: sml-str40，表示4颗星✨ 评价内容: cus_comment 基于星星（stars或comment_star） 对应关系 我们通过观察数据发现，这两个字段是一一对应的关系： sml-str50：5.0 sml-str40：4.0 sml-str30： 3.0 sml-str20：2.0 sml-str10：1.0 NAN：0.0 在这里我们直接分析stars字段即可 ?
1.2K10发布于 2021-03-01 - 来自专栏EDI电子数据交换知识分享
Peppol电子交付网络概述
Peppol SML（用于寻址的中央注册系统） 为了将电子文件从发件人传递给正确的收件人，所有Peppol接入点都需要了解对方和他们支持的参与者。 为了做到这一点，Peppol维护一个集中的服务，称为服务元数据定位器（SML）。Peppol SML定义了使用哪个服务元数据发布者（SMP）来查找任何Peppol参与者的交付细节。 Peppol SML是一项核心服务，用于识别所有Peppol可信接入点和SMP。 （AP）提供商协议 Peppol服务元数据发布者（SMP）提供者协议 协议制度和治理结构确保： 每个参与者的角色和职责都得到了清晰的描述，并且可以公开获取，使Peppol成为一个开放透明的社区； 通过SML
81930发布于 2021-06-18 - 来自专栏DeepHub IMBA
10个自动EDA库功能介绍：几行代码进行的数据分析靠不靠谱
from speedml import Speedml sml = Speedml('../input/train.csv', '.. /input/test.csv', target = 'Survived', uid = 'PassengerId') sml.plot.correlate() sml.plot.distribute () sml.plot.ordinal('Parch') sml.plot.continuous('Age') 9、DataTile DataTile（以前称为Pandas-Summary）是一个开源的
95311编辑于 2022-11-11 [vscode]vscode运行cmake时候exe不执行而且前面多一些字符
fileNameWithoutExt", "fortran": "cd $dir && gfortran $fileName -o $fileNameWithoutExt && $dir$fileNameWithoutExt", "sml ": "cd $dir && sml $fileName" }, "debug.allowBreakpointsEverywhere": true, "editor.codeLensFontFamily
25410编辑于 2025-07-17- 来自专栏量化小白上分记
从零开始学量化（五）：用Python做回归
statsmodels.formula.api(sml) statsmodels中做回归有很多模块都能实现，sml.ols的优点是可以写成公式型的回归，类似R中做回归的过程，比如PB和ROE的回归可以用公式表示为 sml.ols一般包括formula和data两个输入，formula是回归的公式，data为使用的数据。 代码如下 import statsmodels.formula.api as sml model = sml.ols(formula='pb_lf~roe_ttm2',data = datas1) result
8.6K31发布于 2019-07-10 - 来自专栏咸鱼学Python
一键还原 ali 混淆开源了。。。
滑块混淆 群里直接炸了，有需要的可以直接访问下面的链接获取源码，直接用起来 看了下文件的创建时间，一年前哲哥哥就已经卷到这种程度了 真就是卷王本王了 项目地址：https://github.com/sml2h3 main.js即可 以上图文来自十一，可以拉取到本地后npm install 哲哥哥除了这个项目之外还有一个 ddddocr 的项目帮助爬虫工程师内卷验证码，大家可以去看看 https://github.com/sml2h3
2.8K20编辑于 2022-03-29 - 来自专栏生物信息学、python、R、linux
使用dplyr进行数据转换
选择不在“year”和“day”之间的所有列(不包括“year”和“day”) select(flights, -(year:day)) mutate 使用mutate()添加新变量 flights_sml select(flights, year:day,ends_with("delay"), distance,air_time ) mutate(flights_sml
1.5K10发布于 2020-04-01 - 来自专栏技术杂记
CTAGS 基础
Fortran HTML Java JavaScript Lisp Lua Make MatLab OCaml Pascal Perl PHP Python REXX Ruby Scheme Sh SLang SML Scheme *.SCM *.SM *.sch *.scheme *.scm *.sm Sh *.sh *.SH *.bsh *.bash *.ksh *.zsh SLang *.sl SML *.sml *.sig SQL *.sql Tcl *.tcl *.tk *.wish *.itcl Tex *.tex Vera *.vr *.vri Scheme f functions s sets Sh f functions SLang f functions n namespaces SML
1.2K20发布于 2021-10-18 - 来自专栏零域Blog
「SF-PLF」14 RecordSub
(SML and OCaml)
48720编辑于 2022-03-02 [C#][原创]让code-runner点击可以直接运行C#代码
fileNameWithoutExt", "fortran": "cd $dir && gfortran $fileName -o $fileNameWithoutExt && $dir$fileNameWithoutExt", "sml ": "cd $dir && sml $fileName" }, "debug.allowBreakpointsEverywhere": true, "editor.codeLensFontFamily
35610编辑于 2025-07-19- 来自专栏开源技术小栈
phpy基于深度学习ddddocr库进行OCR双重数字识别
php /** * @desc 基础ocr识别能力 * @help https://github.com/sml2h3/ddddocr * @author Tinywan(ShaoBo Wan) php /** * @desc 目标检测能力 * @help https://github.com/sml2h3/ddddocr * @author Tinywan(ShaoBo Wan) */ 可能对于截图党用户没那么友好~，如果使用过程中无需调用ocr功能或目标检测功能，可以在初始化时通过传参ocr=False关闭ocr功能或det=False来关闭目标检测功能 更多参考：https://github.com/sml2h3
72210编辑于 2024-09-17
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