- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
54410发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
37321编辑于 2023-01-09 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
TraceId唯⼀标识，span标识发起的请求信 息，各span通过parrentId关联起来 注意：我们往往把Spring Cloud Sleuth 和 Zipkin ⼀起使⽤，把 Sleuth 的数据信 息发送给 Zipkin 进⾏聚合，利⽤ Zipkin 存储并展示数据。 Bus） 官⽹：https://nacos.io 下载地址：https://github.com/alibaba/Nacos Nacos功能特性 服务发现与健康检查 动态配置管理 动态DNS服务 服务和元数据管理 【可选操作】这里顺便对 Nacos Server 数据持久化改造, 方便 nacos 服务端每次重启后还得重新进行配置. 修改${nacoshome}/conf/application.properties，增加 Mysql 数据源配置 spring.datasource.platform=mysql ### Count
90920编辑于 2022-05-17 - 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
安全、还是数据挖掘、大数据处理？ 项目开发:电商项目中的购物车数据持久化、考试系统的安全性考虑、 mysql设计基础：三大范式、功能->思维导图、创建表的第一字段是什么？ 看看简历，会问一些过去做的项目的用户量、pv、吞吐量、相关难点和解决方法等 数据库设计经验,为什么进行分表? 分库? 一般多少数据量开始分表? 分库? 分库分表的目的? 什么是数据库垂直拆分? 可以举例说明 数据库优化有哪些? 分别需要注意什么? web开发方面会遇到哪些缓存? 分别如何优化? 给你256M的内存,对10G的文件进行排序(文件每行1个数字),如何实现？ 为什么要对数据库进行主从分离? 如何处理多服务器共享session? 一个10G的表，你用php程序统计某个字段出现的次数,思路是?
1.6K100发布于 2018-03-09 jvm入门2：3-5运行时数据区+程序技术器+虚拟机栈
即栈解决程序的运行问题，程序如何执行，如何处理数据。对解决数据的存储问题，数据怎么放，放哪？java虚拟机栈是什么？ 1每个线程都有自己栈，栈中的数据都以栈帧的格式存在；2线程上正在执行的每个方法都对应一个栈帧；3栈帧是一个内存区块，一个数据集，维系着方法执行过程中的各种数据信息栈运行原理1jvm直接对栈的操作只有两个 ，数据引用（reference）、returnAddress类型；3由于局部变量表示建立在线程的栈上，线程的私有数据，不存在数据安全问题；4局部变量表所需的容量大小是编译期确定下来的，并保存在方法的code 属性maximum local variables数据项中。 只要被局部变量表中直接或间接引用的对象都不会被回收操作数栈1每一个独立的栈帧中除了包含局部变量表之外，还包含一个后进先出的操作数栈，也称为表达式栈；2操作数栈，在方法执行过程中，根部字节码指令，往栈中写入数据或提取数据
41010编辑于 2025-02-24- 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
30220编辑于 2022-11-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
print(X.shape) # (3, 5) size 属性查看数组中的元素个数 print(x.size) # 10 print(X.size) # 15 (3 x 5) numpy.array 的数据访问
90510编辑于 2022-05-25 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南3-5
复制原始数据，防止原始数组被更改 let newItems = []; for (let i = 0; i < this.data.itemsWidthAndFlexShrink.length 复制原始数据，防止修改原数组 let newItems = []; for (let i = 0; i < this.data.itemsWidthAndFlexGrow.length; 宿主环境提供了统一的下拉刷新交互，开发者只需要通过配置开启当前页面的下拉刷新，用户往下拉动界面触发下拉刷新操作时，Page构造器的onPullDownRefresh回调会被触发，此时开发者重新拉取新数据进行渲染 enablePullDownRefresh": true } //page.js Page({ onPullDownRefresh: function () { // 用户触发了下拉刷新操作 // 拉取新数据重新渲染界面
39910编辑于 2025-08-25 - 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
但在回答前，我还是忍不住吐槽一下那种简单回答 “深度学习”，“大数据”，“NLP”，“机器视觉” 的人。 数据压缩 / 可视化 (Data Compression & Visualization)。 工业界的另一个特点就是大量的数据缺失，大部分情况都没有标签。以最常见的反诈骗为例，有标签的数据非常少。所以我们一般都需要使用大量的无监督，或者半监督学习来利用有限的标签进行学习。 所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。 虽不可尽信，但对特定领域的深刻理解往往就是捅破窗户的那最后一层纸，只理解模型但不了解数据和数据背后的意义，导致很多机器学习模型只停留在好看而不实用的阶段。
73260发布于 2018-03-19 - 来自专栏iOS逆向与安全
写作小技能：卡片式写文章（用3-5张卡片写文）
挑战->核心概念->该怎么做->总结->升华 找到1张卡做大的核心概念 找到3-5张卡做子概念的内容 把这些卡片的“行动指引”总结下，列在最后做个行动指引大全。 .… 用3-5张卡片写文是个很好的体验：1.主题是自下而上生成，而不是逼你针对命题写一个。2. 内容是过去知识卡片的积累，而不是临时写一句，出去找一段儿。3.
1.6K10编辑于 2022-08-22 - 来自专栏大数据文摘
大数据：大机遇还是大忽悠？
持反方观点，为大技术时代的到来欢呼的，一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌，另一位是日本政治家、内阁成员山本一太。 他提出“一台电脑论”，即科学家们研究所需的数据，最好用一台电脑就能装下，否则数据处理会过于繁琐，无助于解决问题。他结合自身经验说，随着数据量的增大，研究的准确性一开始会随之上升，但很快就会趋平。 这有三个原因：一是因为不同机构间的数据还未真正流动起来，目前还只是数据“孤岛”；二是完整的生态产业链还未形成，尽管通过行为数据分析已能够分辨出一个消费者的喜好，但从供应到购买的链条还没建成；三是因为数据分析人才仍然极度匮乏 一位听众挑战正方，说，你们认为大数据过于庞杂纷繁，反而解决不了问题，那是不是说，当处理数据的计算工具变得足够好时，大数据就会变得有用？ 正如Howard在发表“失败感言”时所说，“我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。
4.3K81发布于 2018-05-18 - 来自专栏服务端技术杂谈
：UBER数据大迁徙
数据大迁移的日期定为万圣节（10月31日），而这恰是交通量会非常高的一天。 上面图中的大问题是：我们仍然依赖于单一的PostgreSQL （数据库管理系统）来存储大部分的数据。下面的饼图显示了数据是如何在数据库中分配的： ? 我们评估了各种NoSQL（不同于传统的关系数据库的数据库管理系统的统称）的具有上述特点风格的数据库。 追加（无更新）数据模型：它仅支持一个只追加数据模型中，一旦它被写入后，就不能进行修改。这对于存储交易数据，并希望防止数据损坏的系统是非常有用的。由于是只追加模型，修改会自然幂等和交换。 在真正可以开始大迁移之前，第一个任务是从用户身份到用户唯一识别码的迁移，因为原代码依赖于自动递增的PostgreSQL 数据库标识符。几百条SQL查询需要被重写。
3K70发布于 2018-04-16 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 小数据学习：针对罕见病或患者数据稀缺的场景，迁移学习和合成数据技术将提升模型泛化能力。 个性化药物设计：结合患者基因组和病理数据，AI辅助设计个体化疗法（如肿瘤新抗原疫苗）。 3. 开源生态与平台竞争 社区驱动的创新：开源工具（如BioNeMo、DeepMind的模型库）降低研究门槛，但大企业与学术机构的资源差距可能扩大。 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。
62010编辑于 2025-02-05 - 来自专栏Java面试教程
意料之中、要求3-5年的leader，最后选了应届生
大家好，我是了不起，前段时间，了不起在当面试官，挑了许多人给leader去面谈，最后可能是因为把之前某个想走的同事留了下来了，所以对新人没有太多的要求，所以选了应届生。
29000编辑于 2024-11-22 - 来自专栏鲸落学习笔记
C++ 中的字符串数组（5 种不同的创建方式3-5）
---- theme: channing-cyan highlight: a11y-dark ---- 小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 3.
2.9K20编辑于 2022-11-14 - 来自专栏分布式系统和大数据处理
大数据：大价值大机遇大变革
大数据：大价值大机遇大变革 2017-3-26 张子阳 推荐: 1 难度: 1 ? 这本书就像一个印刷出来的PPT，字体比较大，留白比较多，大量图片，全彩印刷。 概括起来有下面这些要点： 数据量正指数级别增长。大数据时代已经来临。 大数据特点：存储量大、计算量大、增长速度快、类型多样化。 制造业应用：给挖掘机安装GPS和数据上传系统，统计挖掘机每月的工作时长。然后根据大量用户的实际使用数据，来判断市场是否有过剩的风险。 银行业应用：反诈骗系统。 数据仓库（Data Warehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。 相对稳定：数据一旦进入数据仓库以后，一般很少进行修改，更多地是对信息进行查询操作。 反映历史变化：不只是反映企业当前的状态，而是记录了过去某一点到当前各个阶段的信息。
1.2K40发布于 2018-09-30 - 来自专栏大数据文摘
2016大数据发展7大趋势
大数据已过时，算法正当道。数据已经成为一种商品，每个组织都能够收集和存储大量的数据。分析大数据也不再那么引人注目了。每个组织都可以聘用或培训大数据分析人员来了解数据模式。 由于数据湖带来了相当多的挑战，在2016年，我们将看到数据湖管理的未来：数据湖服务作为一种解决方案，为您的数据湖提供一个完整的管理方案。 由于数据湖在大规模数据存储和分析方面具有巨大优势，数据湖服务解决方案将被用于许多组织中。 因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。 人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。 对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。
1.3K60发布于 2018-05-22 - 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3-5 输出闰年
练习3-5 输出闰年 输出21世纪中截止某个年份以来的所有闰年年份。注意：闰年的判别条件是该年年份能被4整除但不能被100整除、或者能被400整除。
2.6K20发布于 2020-09-15 - 来自专栏程序员小灰
数据结构大总结！
说到算法，就不能不说起数据结构。今天我来讲一讲，什么是数据结构？程序员怎么学好数据结构？ 我们介绍算法的时候说过，计算机当中的算法，本质就是一系列程序指令，用以解决特定的运算和逻辑问题。 而所谓数据结构，是数据的组织、管理和存储格式。简单理解的话，数据结构就是执行算法的“原材料”。 俗话讲，巧妇难为无米之炊。算法，就好比是聪明勤劳的女主人，而数据结构，就是用来做饭做菜的柴米油盐。 数据结构都有哪些组成方式呢？ 首先，是线性结构。 但凡有过一点编程基础的小伙伴，肯定都知道数组，这就是一种典型的线性数据结构。 除了数组以外，链表也是一种重要的数据结构。 Redis当中的集合 sortedSet，背后的数据结构就是跳表。 复合数据结构，往往结合了多种基础数据结构当然优势，在特定的场景下非常有用。 这就是数据结构的几种组成方式，大家可以把这张图保存一下。由于篇幅原因，图里面所列出的具体数据结构，只是最最常用的几种，并非全部。
1.4K41发布于 2021-11-30 - 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 Loess平滑通常用于探索性数据分析、数据可视化、时间序列分析和回归建模的预处理步骤。它可以帮助用户识别数据中的局部特性、趋势和周期性，从而更好地理解数据的结构。 数据平滑：Savitzky-Golay滤波器旨在平滑数据，减小数据中的高频噪声和突发波动。它保留了数据中的趋势和主要特征，同时去除了噪声。
6.4K44编辑于 2023-10-13
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