- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
74730发布于 2019-11-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球历史小麦产量数据集
全球小麦产量与产区分布： 1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。 2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。 3. 欧洲地区是全球第二大小麦生产地区，占全球小麦产量的约26%。 4. 北美洲地区是全球第三大小麦生产地区，占全球小麦产量的约14%。 5. 小麦是世界上最重要的粮食作物之一，也是世界人类的主要粮食来源之一。 春小麦和冬小麦是根据播种时间的不同而划分的两种小麦品种。它们的主要区别如下： 1. 播种时间不同：春小麦在春季播种，而冬小麦在秋季播种。 2. 生长期不同：春小麦生长期相对较短，一般为90~110天；而冬小麦生长期相对较长，一般为180~280天。 总的来说，春小麦和冬小麦有着明显的差异，但它们都是重要的小麦品种，对于满足人们的粮食需求和农业发展都有着重要的作用。
51410编辑于 2024-02-02 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
88140发布于 2020-09-16 - 来自专栏「毅硕|生信教程」
Sentieon | 小麦全基组（WGS）分析流程
引言 今天给大家介绍的是基于 Sentieon 软件开发的用于小麦全基因组测序数据的自动化流程脚本。 测试小麦样本平均测序深度7.55x，从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。 补充说明：对于单个染色体长度>536870911（约512MB）的物种（比如小麦），Sentieon软件可以切换至cram，不用因BAM 文件索引 (.bai) 的格式限制切割染色体。 脚本应用示例 使用上述脚本对小麦全基因组测序数据分析的测序结果，具体样本信息如下表所示： 测试样本下载 wget -nc ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR298 从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。
37210编辑于 2025-09-25 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
26120编辑于 2022-03-07 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
69340发布于 2018-09-27 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。本节主要包括以下内容：
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
82620编辑于 2023-01-09 - 来自专栏小明的数据分析笔记本
杂记：NCBI下载测序数据；小麦GO富集分析
./ SRR8502595 但是好像不管用，还是sra格式的数据 -O 指定下载文件的存储位置 小麦做GO富集分析 找到了一个在线工具，直接上传 geneid 就可以 , 链接是 http://wheat.cau.edu.cn
1.4K20发布于 2021-05-07 - 来自专栏GoCoding
TorchVision Faster R-CNN 微调，实战 Kaggle 小麦检测
本文将利用 TorchVision Faster R-CNN 预训练模型，于 Kaggle: 全球小麦检测[1] ? 上实践迁移学习中的一种常用技术：微调（fine tuning）。 pd import seaborn as sns from matplotlib import pyplot as plt from PIL import Image 下载数据 Kaggle: 全球小麦检测 如下： ce4833752,0.5 0 0 100 100 image_id ce4833752 的图片，预测出 x y w h 0 0 100 100 处是小麦，置信度 0.5。 [8] Pytorch Starter - FasterRCNN Train[9] Global Wheat Detection: Starter EDA[10] 脚注 [1]Kaggle: 全球小麦检测 Notebooks: https://github.com/ikuokuo/start-pytorch/blob/master/docs/use_kaggle_notebooks.md [5]Kaggle: 全球小麦检测
1.6K31发布于 2021-05-06 - 来自专栏生信小王子
专属于六倍体小麦的Bioconductor注释包
专属于六倍体小麦的注释包。 此注释包是基于iwgsc_refseqv1.1版本的基因号制作的，GO注释来源于 https://doi.org/10.5281/zenodo.2541477。 做小麦的同学赶快下载下来试一下吧~ 参考资料： Bioconductor的注释包太旧怎么办？自己做呀 https://www.jianshu.com/p/77246ff36214
1.9K51发布于 2020-08-10 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4-
32110编辑于 2025-11-13 - 来自专栏小麦苗的DB宝专栏
小麦苗人大金仓数据库巡检脚本
和PostgreSQL数据库相似，需要有psql客户端或者有人大金仓的ksql客户端都可以，运行方式如下：
1.4K20编辑于 2022-04-11 - 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4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
58210编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
86350发布于 2018-05-17 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
72030发布于 2018-06-25 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例6：决策树模型实现冬小麦提取
决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征，可建立冬小麦提取算法，进行像元尺度冬小麦提取。 这里同样是使用的NDVI作为阈值提取条件，分别使用不同的聚合方式完成对影像的筛选，从而得出冬小麦种植面积的提取。 get_ndvi(image): ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']) return ndvi # 黄淮海地区冬小麦典型物候期 -20').max().clip(region) NDVI_min = getl8_ndvi('2018-05-20', '2018-06-30').min().clip(region) # 冬小麦提取规则集 bounds=region.getBounds()) map.addLayer(wheat,mask_vis, 'wheat', bounds=region.getBounds()) # 绿色区域为小麦
40910编辑于 2024-02-02 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.4K40发布于 2020-05-29 小麦病害分割数据集labelme格式1882张4类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
36600编辑于 2025-07-17小麦成熟度分类数据集10695张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：10695 分类类别数：7 类别名称:["anthesis","booting","crown_root","heading","mid_vegetative_phase","milking","tillering"]
26900编辑于 2025-07-16
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