- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
37240发布于 2020-09-16 - 来自专栏携程技术
干货 | 浅谈携程大住宿研发效能提升实践
这是大住宿在敏捷转型前遇到最频繁的问题。团队成员视角割裂导致各角色只关注于自己熟悉的领域，而忽略目标价值的交付，最终会产生非必要的浪费。 3. 如何透明化组织、团队的目标，暴露重复、多余、无价的任务，节省成本 面对挑战，大住宿正在持续不断的探索改进中： 1. 为了更好的达到上下和左右对齐目标，提高协作效率，大住宿从今年Q1开始试行部门级产研一体的季度规划和复盘活动。 大住宿从2014年开始推行敏捷转型，敏捷让团队实现价值驱动管理。传统开发模式除了瀑布接力开发外，还有一个是任务驱动管理。 大住宿在去年接入公司统一产品研发管理平台IDEV后，不仅提高了产品研发过程的透明性，也率先实现了需求数字化管理。
1.4K20编辑于 2022-12-14 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
29710编辑于 2022-06-28 - 来自专栏机器学习AI算法工程
python数据挖掘：能不能找出吃货最佳住宿点？
这次我爬出了哈尔滨市TOP285家好吃的店，包括烧烤的TOP，饺子的TOP，酱骨的TOP等等等等，在地图上显示，规划热点，再用聚类算法计算下能不能找出吃货最佳的住宿点，能够距离吃的各个地方行程最近，吃货们 可能是住宿的最佳点把，因为离各个好吃的距离是比较近的，这本来就是kmeans的核心。 ---- ? 可以从图像自带缓冲区看重叠部分，看包子热点 所以综上所述，喜欢吃包子的吃货，可以选择以上的点当做中转点或者住宿点，到哪个包子铺都是比较近的，但是！！！谁会一天三餐加夜宵都吃包子？？ 总结 最终住哪，这不是我能决定的，主要还是靠交通，住宿环境和个人心情，推荐住在地铁附近，吃货可以选择在中央大街附近，最繁华，也里老道外很近，好吃的很多~诶，等等，我不是在做学术研究么。。
1.2K50发布于 2018-03-15 - 来自专栏携程技术
干货 | StarRocks在携程大住宿智能数据平台的应用
作者简介 Wenjun，携程资深软件工程师，负责大住宿数据智能平台的研发与维护，对于大数据领域技术有浓厚兴趣。 一、平台现状 大住宿数据智能平台（简称HData）是一个为携程大住宿业务提供数据可视化的平台。 在大住宿内部，每个部门关心的指标侧重点不同，权限控制不一样，所以数据展示的方式也是多样化。 HData每天有将近2200左右的UV，10w左右的PV访问，而节假日期间的访问量基本会翻2到3倍。
2.1K20发布于 2021-11-02 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.1K30发布于 2019-04-24 - 来自专栏Java学习资料
学习java编程快速入门
目前的Java培训费用一般都在万元左右，这只是学费，还要加上一些其它的费用，比如住宿，饮食等等一些生活费，学起期间的总金额想在培训班学习的同学可以估算一下。 2.培训费用高，一般培训班大部分是4-6个月学成就业，学习这段期间的消费还是挺多的，交了学费依然保持三天打鱼二天晒网，上课走神，下课不复习，作业不写，老师教的任务不完成，那你真的是对不起你交的学费以及被你浪费的时间了
79830发布于 2019-05-31 - 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
虽然移动设备的处理能力和功率都有限。虽然TensorFlow Lite提供了不少的加速途径，比如将机器学习模型转换成定点模型，但总是会在模型的性能或精度上做出让步。
1.6K20发布于 2019-03-15 重构大住宿业运营链路：绿云科技基于企点大模型落地高ROI场景
构建智能化业务闭环：底层引擎成功融合了结构化数据（如账务记录）与非结构化数据（如语音指令、文本对话），深度发挥算法优势，构建起涵盖“感知-分析-行动”的完整闭环，从根本上重塑了大住宿业的数字生态。
16310编辑于 2026-04-15- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
78900发布于 2019-11-13 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.8K11发布于 2020-08-14 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
1.9K10发布于 2018-08-22 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
醍醐灌顶到没有，别扭确实存在。当然这需要一段时间来适应，说下这段时间最难接受的点吧。 1、文件的单一职责做不好，一个文件里有多个结构体，想知道某个结构体有哪些方法，需要借助IDE 2、命名使用单字母，特定场景能理解，例如循环里的i，遍历map的k,v，但是很多单字母不是这种常见场景里的。代码整洁之道里说命名要见名知意，宁愿用长命名也不用无法表达清楚的短命名，这点go背道而驰。此书里说有时需要短命名加注释，而代码整洁之道里说注释就不应该存在，如果要用注释，说明写的代码无法准确清晰的表达意思。
1.1K20编辑于 2022-09-21 - 来自专栏linux 自动化运维
自动统计出差费用-shell 脚本自动统计， 计算车费，餐补，住宿补。并且转换金额大写
# 60元/天 20 # 20 天 ) zslist=( # 住宿费标准 170 # 住宿 170元/天 19 # 19 天 ) zslist[1]} ; zssum=`echo "" | awk -v x="$x" -v y="$y" '{printf "%.2f", x*y}' ` zssumstr=`echo "住宿补为
59800编辑于 2023-06-09 - 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 练习4-6 猜数字游戏
练习4-6 猜数字游戏 猜数字游戏是令游戏机随机产生一个100以内的正整数，用户输入一个数对其进行猜测，需要你编写程序自动对其与随机产生的被猜数进行比较，并提示大了（“Too big”），还是小了（“Too
1.2K20发布于 2020-09-15 绿云科技融合腾讯企点大模型：驱动3.5万家大住宿企业向“算法驱动”转型
应对长服务链路断点，驱动大住宿业向算法驱动转型 大住宿业（涵盖酒店、公寓、邮轮、文旅综合体等）的数字化进程正面临从“系统记录”向“自主决策”跨越的拐点。 绿云科技选择接入腾讯企点大模型及其大型机器人管理平台，构筑了高确定性的技术底座： 通过调用腾讯企点任务型/加模型选择（如餐饮iPOS、商务版机器人），绿云能够在封闭或半封闭的企业级环境中训练和调度AI，确保核心运营数据和会员隐私“不上公网”，满足大住宿业对数据安全的高度关注
14110编辑于 2026-04-08- 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4-6 水仙花数
习题4-6 水仙花数 水仙花数是指一个N位正整数（N≥3），它的每个位上的数字的N次幂之和等于它本身。例如：153=13+53+33。 本题要求编写程序,计算所有N位水仙花数。
90240发布于 2020-09-15 - 来自专栏DT数据侠
如何用数据找到“钱多事少离家近”的工作？
卫生和社会工作产业、公共管理业、科研服务业； 3、收入中等（5-10万）：交运仓储业、文化体育娱乐业、商务服务业、批发零售业、公共设施管理业、房地产业、制造业； 4、收入较低（5万以下）：建筑业、住宿餐饮业 根据上图，从行业密集（离家近概率）的角度，我们再次将行业分为四类： 1、行业聚集度极高（离家近概率很大）：金融业、住宿餐饮业； 2、行业聚集度较高（离家近概率较大）：商务服务业、房地产业、文化体育娱乐业 4-6月和9-11月的用电量相对稳定，在最热的7-8月和最冷的12-1月，用电量有显著增加。 根据上图，从“事少”的角度，我们再次将行业分类： 1、早起早归型：批发零售业、信息技术服务业、交运仓储业 2、晚起晚归型：建筑业 3、起早贪黑型：商务服务业、住宿餐饮业、房地产业 4、正常型 离家近概率较大-起早贪黑； 6、交运仓储业：收入中等-离家近概率一般-早起早归； 7、批发零售业：收入中等-离家近概率一般-早起早归； 8、制造业：收入中等-离家近概率较低-工作状态普通 9、住宿餐饮业
59810发布于 2018-08-08 - 来自专栏深度学习与python
汇总了30余场面试，4-6月Java面经笔记及详解，通用性极强 | 极客时间
最近感慨面试难的人越来越多了，一方面是市场环境，更重要的一方面是企业对 Java 的人才要求越来越高了。 基本上这样感慨的分为两类人，第一，虽然挂着 3、5 年经验，但肚子里货少，也没啥拿得出手的项目，自己还意识不到问题；第二，自身有技术追求，但欠点儿火候，多练习多吸收知识，锤炼一下问题不大。 拿我自己来说，早几年也是心比天高，觉得自己特了不起，结果往往一面试就发虚，大部分人都经历过这样一个不自知的阶段。 后面见识多了，再主动多跟着大佬学习，薪资就能相对顺利地随着经验积累增多一路涨起来。 之前私圈分享过
23810编辑于 2023-03-29 - 来自专栏一心无二用，本人只专注于基础图像算法的实现与优化。
SSE图像算法优化系列四：图像转置的SSE优化（支持8位、24位、32位），提速4-6倍
本文介绍了如何利用SSE/AVX指令集进行CPU并行加速，以解决图像转置中存在的内存访问瓶颈问题。首先介绍了图像转置的算法和实现过程，然后通过具体示例展示了如何使用SSE/AVX指令集进行CPU并行加速，最后给出了针对不同CPU架构的优化策略。
2.4K100发布于 2018-01-03
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