- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(9-5)
计算节点支持mysqlbinlog命令，mysqlbinlog命令能够解析binlog文件用于同步增量数据，从而减少了将单机数据迁移至计算节点时的停机时间。使用mysqlbinlog连接远程实例获取binlog文件并解析出其中的SQL语句，然后交由计算节点执行，从而将某个数据库的增量数据导入到计算节点某个逻辑库下。首先，登入到管理端口（默认端口为3325），执行dbremapping命令添加数据库映射关系，关于dbremapping命令用法，请参考计算节点管理命令文档。
30010编辑于 2025-03-26 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-5 决策边界
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节介绍对于分类问题非常重要的决策边界，先对逻辑回归求出决策边界的函数表达式并绘制，但是对于像kNN这种不能求出决策边界表达式的可以通过预测样本特征平面中区间范围内的所有样本点来绘制决策边界。最后通过调整kNN算法的k值，了解模型的复杂与简单对应的决策边界不同。
3K20发布于 2020-02-26 - 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 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IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题9-5 通讯录排序
习题9-5 通讯录排序 输入n个朋友的信息，包括姓名、生日、电话号码，本题要求编写程序，按照年龄从大到小的顺序依次输出通讯录。题目保证所有人的生日均不相同。
1.3K30发布于 2020-09-15 - 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 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Coding迪斯尼
用go做个编译器:语法解析树及其实现
对于算术表达式9-5+2, 由于我们会首先使用list -> list + digit 来进行解析，因此 9-5对应一个list，2对应digit, 因此最终解析完成后，所形成的解析树如下： 使用生产式来定义语法是一件困难的事情 list+list进行解析，一种是使用list->list-list进行解析，如果是后者，那么我们会生成的语法树如下： 这里我们看到两个语法表达式都对应表达式”9-5+2”，但是第一个语法树执行的操作是(9- 对于算术表达式1+2，对应的算术表达式就是1 2 +, 对于表达式(3+4)，对应的后项表达式就是3 4 + , 我们看一个复杂一点的，(9-5)+2 ,首先我们计算(9-5)的后项表达式，也就是9 5
1.8K50编辑于 2022-03-28 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-9. 聚类(Clustering)
如图9-5的(1)所示。 但是，通常这条曲线是渐变的，没有很显然的"肘部"。如图9-5的(2)所示。 ? 图9-5 代价J关于簇数K的曲线图 注意：随着K的增加J应该总是减少的，否则，一种出错情况可能是K均值陷入了一个糟糕的局部最优。 一些其他的方法参见wikipedia。
1.6K110发布于 2018-03-13 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图9-4 为辅助虚拟机选择主机 （5）在”即将完成”对话框，显示辅助虚拟机详细信息，这包括辅助虚拟机所在主机、配置文件位置、硬盘位置等，如图9-5所示。 图9-5 完成 （6）返回到vSphere Web Client管理控制台，在”近期任务”中会显示为虚拟机打开容错的配置信息，如图9-6所示。
1.5K40编辑于 2021-12-23 - 来自专栏数据结构与算法
BZOJ1096: [ZJOI2007]仓库建设(dp+斜率优化)
Sample Input 3 0 5 10 5 3 100 9 6 10 Sample Output 32 HINT 在工厂1和工厂3建立仓库，建立费用为10+10=20，运输费用为(9-5)*3 如果仅在工厂3建立仓库，建立费用为10，运输费用为(9-0)*5+(9-5)*3=57，总费用67，不如前者优。 【数据规模】 对于100%的数据， N ≤1000000。
1.2K50发布于 2018-04-13 - 来自专栏区块链领域
像投资比特币一样投资旅游民宿
一、民宿通MST——全球旅游住宿产业的“币安” 民宿通MST是全球第一家旅游住宿产业区块链资产交易平台。 民宿通的先天优势在于它利用区块链技术直击了行业痛点，致力于解决交易所的多数token没有应用场景和使用价值、住宿类的token很难上线现有交易所、住宿产业急需金融创新的三大“痛点”。 正是看中了“全球旅游产业”的巨大价值和潜力以及住宿产业在旅游行业的龙头地位，民宿通MST应运而生。 ? 2018年4月28日 中国·上海 在第三届国际民宿博览会上探讨民宿通赋能全球旅游住宿产业 ? 近20天内MST住宿类区块链资产交易平台已协助近百家精品民宿酒店发行民宿通证，为平台储备了大量的优质项目。
73220发布于 2018-07-23 - 来自专栏程序员分享
差旅首选:第一次出差温州开住宿餐饮发票实体店电子专用,保姆级教程请收好‖第一财经
温州开住宿1️⃣5️⃣9️⃣一1️⃣4️⃣1️⃣5️⃣一8️⃣️5️⃣2️⃣9️⃣餐饮电子发票哪里,可先开。 住宿费、餐饮费、会务费、劳务费、技术服务费、咨询费、医药费、运输费、建材钢材、机械设备、办公用品、劳保用品、建筑工程等态输入）-决策层（LLM+ 规则引擎）-执行层（API生态）智能体的架构可清晰地分为三个关键层级
21410编辑于 2026-03-16 - 来自专栏云计算linux
学生宿舍管理系统
正普数字化校园宿舍管理系统是为学校宿管科老师方便管理学生住宿情况设计的信息管理系统，通过宿舍管理系统可实时掌握学校公寓使用情况、每个公寓楼房间住宿情况、全校学生住宿情况、每个学生住宿详细信息等等 系统不仅仅支持单条数据记录的处理更支持批量记录的处理，例如：批量生成房间、批量退宿、批量入住等；系统增加了特有的临客管理功能，为管理临时住宿人员提供便利；系统还提供了预分宿舍功能，可以在迎新现场直接为学生分配宿舍 实现数据实时更新，满足管理人员对学校住宿情况的实时掌握。 全面覆盖学校宿舍管理涉及的各方面信息，满足宿舍管理业务流程 提供宿舍辅助管理功能，使宿舍管理更加完善。 软件界面
90010编辑于 2024-12-19 - 来自专栏知晓程序
从刷脸支付到入住，腾讯正用「读脸术」改变你的吃穿住行
从商场、便利店、无人店的刷脸支付，到刷脸过闸，如今，腾讯云又要将刷脸等互联网、物联网能力整合到大住宿行业，从而实现前台「刷脸入住」、手机上实时远程控制等等酒店体验。 住酒店就像住在自己家里一样，这是对酒店住宿体验的感性表达。 然而，怎样才能让顾客感受到回家的体验呢？ 其实，对于顾客来说，酒店住宿主要包括 3 个阶段：入住前，办理入住流程；正式入住；以及结束入住，办理退房。 深度赋能住宿业，店家的痛点是什么？ 顾客端的便捷化，不应该加重后端服务的负担，而是能够同时优化住宿行业的经营模式、服务方式。 在后互联网时代，从酒店运营和营销的角度，智慧化将是酒店未来的发展方向。 腾讯云大住宿行业解决方案依托腾讯云大数据、用户画像等能力，精准定向目标客户群体，并通过广点通等投放渠道做精准营销，最后通过大住宿客流共享平台为酒店引流。
1.4K30发布于 2018-07-03 - 来自专栏携程技术
干货 | 在搜索引擎广告关键词生成上，算法可以做什么？
以下以住宿产品为例，阐述模块的细节。 例子： 上海酒店住宿 ——> 上海 + 酒店住宿 ——> {城市名} 酒店住宿 虹桥机场宾馆优惠 ——> 虹桥机场 + 宾馆优惠 ——> {地理兴趣点名称} 宾馆优惠 Beijing family accomodation > 上海 + 住宿 ——>{酒店名} + {住宿需求词} 具体方法为：基于词典来进行分词与词性标注。 下面我们逐一地来看看模块A (是否住宿相关)，模块B (酒店住宿意图识别) 的内部细节。 相应的，如果一个搜索语句大概率点击的是非住宿相关的搜索结果，那么就生成一条非住宿相关的搜索语句正样本。分类为住宿相关，并且概率大于一定阈值的搜索语句会进入住宿意图识别模块。
1.5K20发布于 2020-05-09 - 来自专栏三掌柜的技术空间
吃透大模型系统：提示工程、符号推理、智能体实战全解
它把“上下文工程”讲得非常透彻，而且不是停留在概念层面，作者直接用图 9-5 把一条最常走、最高频的工程动线画出来了： 每一轮推理开始前，系统先把“可用的决策上下文”拼装好，将所需的模板、资源、工具、状态一次性拉齐 ▲上下文工程的 MCP 最佳实现（原书图 9-5） 如果跳过这一步，智能体甚至不知道自己能干什么、该用什么、现在处在什么状态，更谈不上稳定规划和可靠执行。 结合图 9-5，这条动线其实就是一套非常清晰的四步闭环： 1.选择适配当前任务的上下文模板（逻辑分区） 先把上下文结构定型：身份/目标/约束/输出格式如何分区，历史记录与状态存放在哪一块分区，工具与资源放在哪一块分区
24311编辑于 2026-03-03 - 来自专栏钱塘大数据
【五一出游大数据】世界那么大，赶紧去看看！
导读：五一出游大数据：综合景点、饮食、住宿三项指标，算出各个城市值得玩的综合得分。结果表明，内地城市中，西安、杭州、成都成为最值得玩城市。台北、中国澳门、中国香港三地中，台北三项综合得分更高。 从全国各省分别选择了一个代表性热门旅游城市，通过蚂蜂窝、大众点评、携程旅游网分别获得这些城市的景点、美食、住宿满意度评价情况。 综合景点、饮食、住宿三项指标，算出各个城市值得玩的综合得分。结果表明，内地城市中，西安、杭州、成都成为最值得玩城市。台北、中国澳门、中国香港三地中，台北三项综合得分更高。 （如图7） 住宿篇 桂林、成都、敦煌满意度高 通过携程获取各城市住宿最低价在150-300元之间的酒店评价情况，算出消费者对各个城市住宿的总体满意度。 另外，由于中国香港、中国澳门、台北三地住宿消费价格与内地有区别，因此另行对比。结果显示，桂林、成都、敦煌等地的住宿消费者满意更高。
1K100发布于 2018-03-05
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