- 综合排序
- 最热优先
- 最新优先
- 来自专栏大猫的R语言课堂
10行代码搞定【滚动回归】
写 在前面 “ 对于任意一天t，在[t - n, t]的区间内进行回归。 如果数据一共有N天，那么就会得到N - n个数据点 这就是滚动回归，一个非常容易理解而且在研究中常常遇见，然而实现起来却不是那么容易的问题。在今天的大猫课堂中，大猫教大家用10行代码搞定它！ 此处每个id有n = 1000天观测，由于窗口期为100天，因此最终每个id会有1000 - 100 = 900个回归结果 keyby语句将原数据集按照id进行分组，具体作用可以看上期的《一行代码搞定分组回归 关于.SD的具体使用可以见上期《一行代码搞定分组回归》 rbindlist()语句：上面对于每一天t我们都生成了一个回归，rbindlist语句将这些回归结果打包起来输出。 总 结 是不是很简单？ 但是，这个滚动回归的代码也不是完美的，最大的劣势就在于我们的滚动窗口是用“期”而不是用“天”来定义的，也就是说，程序在每次滚动的时候都会固定找前面n期的观测，而不管这n期之间可能间隔的是10天，20天还是一个月
2.6K20发布于 2020-10-23 - 来自专栏404
Vue CLI 3 配置兼容IE10
useBuiltIns: 'entry' } ] ], }; 修改 .browserslistrc > 1% last 2 versions not ie <= 10 module.exports = { transpileDependencies: [] } 详细说明可参见官方文档：https://cli.vuejs.org/zh/conf...
66350编辑于 2022-04-25 - 来自专栏码客
Vue CLI 3 配置兼容IE10
module.exports = { transpileDependencies: [] } 官方文档https://cli.vuejs.org/zh/config/#transpiledependencies
1.6K30发布于 2019-10-21 - 来自专栏SuperFeng
机器学习系列10：线性回归与逻辑回归的正则化
线性回归的正则化 还记得在线性回归中我们有哪两种方法去求代价函数的最小值吗？当然是梯度下降和正规方程了。让我们来复习一下线性回归中梯度下降算法，如下： ? 逻辑回归的正则化 逻辑回归的代价函数为： ? 与线性回归的正则化类似，逻辑回归的正则化就是在逻辑回归的代价函数中加入对参数的惩罚： ? 正则化后得到的梯度下降算法与线性回归中非常像，只是假设函数不同而已。 ?
97230发布于 2019-09-26 - 来自专栏JavaEdge
Spring Boot CLI安装(WIN10、macOS系统)
接着配置Spring Boot CLI的环境变量：我的电脑，属性，高级系统设置，环境变量，在系统变量Path中加入： E:\spring-boot-cli-1.5.2.RELEASE-bin\spring
66220编辑于 2025-06-25 - 来自专栏技术杂记
RabbitMQ 的CLI管理工具 rabbitmqadmin（10）
查看 users [root@h102 rabbitmq]# rabbitmqadmin list users +-------+-----------------------------+------------------------------+---------------+ | name | hashing_algorithm | password_hash | tags | +-------+-----------------
60010发布于 2021-11-25 - 来自专栏黄腾霄的博客
2019-10-21-C++CLI委托回调
我们都习惯了在c#中使用事件，但是c++中没有默认的事件机制，所以在编写c++/cli时，这将是一个令人困扰的问题 ---- 在c++中常见的方式是传入一个回调，在特定的时机，通过调用回调函数，执行上层的代码 在c++/cli中，一种可以参考的处理方式是使用一个托管类对非托管的回调类进行封装。向非托管的回调类传入一个托管类的委托函数后，由委托函数重新引发.NET事件。 System.Runtime.InteropServices)- Microsoft Docs ---- 本文会经常更新，请阅读原文： https://xinyuehtx.github.io/post/C++CLI
1.1K50发布于 2020-06-10 - 来自专栏DeepHub IMBA
10种常见的回归算法总结和介绍
在本文中，我们将介绍以下回归算法：线性回归、Robust 回归、Ridge 回归、LASSO 回归、Elastic Net、多项式回归、多层感知机、随机森林回归和支持向量机。 sklearn.model_selection import cross_val_score def cross_val(model): pred = cross_val_score(model, X, y, cv=10 Robust回归是一种回归分析形式，它的目标是克服传统参数和非参数方法的一些局限性，旨在不受基础数据生成过程违反回归假设的过度影响。 1979246136.9966476 RMSE: 44488.71921056671 R2 Square 0.9844729124701823 __________________________________ 10 : 96766.87310960986 R2 Square 0.9265412370487783 __________________________________ 结果对比 以上就是我们常见的10
1.7K30编辑于 2022-11-11 - 来自专栏CDA数据分析师
EViews、Stata、回归分析……10月论坛答疑精选！
问题6：我有10个控制变量需要加到回归方程里面，可以加一个，也可以加2个，甚至全部加，我想者10个变量的每一种排列组合方式都运算一次回归。 因此，通过最小化残差绝对值总和得到中位数回归系数。 中位数回归估计量可一般化为第p分位数回归的估计量。单变量样本y1， y2，... 问题7： 回归分析如何确定变量之间的因果关系？ 精彩回答： 这里回答简单回归分析吧！ 多元回归分析中明确提出从u中分离更多的相关因素，OLS的这个工具使得多元回归系数的含义具有排除控制的其他变量影响的特性，因此正确的回归模型设定下显著的回归系数通常被赋予因果关系的证据。 问题10：有人说：“统计就像比基尼，露出来的部分固然诱人，没露出来的才是致命的”，大家如何理解这句话？
4.1K80发布于 2018-02-24 - 来自专栏黄腾霄的博客
2019-10-14-C++CLI居然不能创建无参数list
然而c++/cli是.NET兼容语言，语法自然是支持list或者foreach的使用的。所以事实上这里的语法完全没有任何问题，而且是可以通过编译的，就如同下图。 ? 那么是什么造成这些错误提示了呢？ 那么，对于c++/cli来说，是.NET兼容语言，自然和标准c++的语法差异更大了。 所以我们将这一项改为false就能编译通过了。 Visual Studio 2017 version 15.5 - C++ Team Blog ---- 本文会经常更新，请阅读原文： https://xinyuehtx.github.io/post/C++CLI
72210发布于 2020-06-10 AI 应用架构底层重构：从 GUI 备胎到 Agent 核心原语，CLI 的强势回归
从 GUI 的“备胎”到 AI Agent 的“主接口”：CLI 为何在大模型时代强势回归？摘要：命令行界面（CLI）曾被认为是“老程序员”的玩具、GUI 时代被淘汰的交互化石。 年开源了 CLI-Anything，让任意软件都能一键变成 AI Agent 可操控的 CLI 工具。 本文从 CLI 的六十年历史出发，解析它的兴衰曲线，再深入 AI Agent 时代 CLI 不可替代的底层原因，最后用真实案例和 CLI-Anything 实战说明：为什么今天每个开发者都应该重新重视命令行 2.3 复兴：2009-2020，DevOps 与云原生把 CLI 拉回 C 位年份工具意义2009WP-CLI / Heroku CLI自动化部署与网站运维的 CLI 先驱2013Docker CLI 2024-2025 年是 CLI 工具集中爆发期，2026 年 CLI-Anything 进一步把“CLI 化”能力泛化到任意软件。
1K21编辑于 2026-07-06- 来自专栏深度学习之tensorflow实战篇
回归，岭回归。LASSO回归
Lasso 的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0 的回归系数，得到可以解释的模型。 当t不断增大时，选入回归模型的变量会逐渐增多，当t增大到某个值时，所有变量都入选了回归模型，这个时候得到的回归模型的系数是通常意义下的最小二乘估计。 主要是岭回归（ridge regression）和lasso回归。通过对最小二乘估计加入罚约束，使某些系数的估计为0。 (3)维数缩减 主成分回归（PCR）和偏最小二乘回归（PLS）的方法。 把p个预测变量投影到m维空间（m 3、岭回归、lasso回归和elastic net三种正则化方法[] （1）岭回归[] 最小二乘估计是最小化残差平方和（RSS）： 岭回归在最小化RSS的计算里加入了一个收缩惩罚项 岭回归优于最小二乘回归的原因在于方差-偏倚选择。随着lambda的增大，模型方差减小而偏倚（轻微的）增加。
3.1K40发布于 2018-03-16 - 来自专栏低代码平台
2026年AI编码CLI工具终极对比：Claude Code、Cursor、Gemini CLI、Codex CLI、Copilot CLI
JEECG低代码AI编程工具研究|从编程能力到Skills生态，五款主流AI编码CLI横评与选型指南引言：AI编码工具已是基础设施如果你还把AI编程工具当作"锦上添花"的辅助品，那你可能已经落后了。 五大选手速览在深入对比之前，先来看一眼这五款工具的基本定位：工具出品方核心定位起步价格ClaudeCodeAnthropic高自主度终端Agent$20/月CursorCLIAnysphereAI原生IDE+CLI GeminiCLIGoogle开源终端Agent免费CodexCLIOpenAI轻量终端Agent$20/月(ChatGPTPlus)CopilotCLIGitHub/MicrosoftGitHub原生CLI $10/月有意思的是，五款工具的价格带从免费到$20/月不等，而定价高低和实际能力之间并非简单的线性关系。 终极选型建议只选一款的话追求最高代码质量和最强重构能力→ClaudeCode追求最佳IDE体验和实时补全→Cursor零成本试水AI编码→GeminiCLI（免费）最低价入门→CopilotCLI（$10
15K121编辑于 2026-04-17 - 来自专栏深度学习之tensorflow实战篇
回归，岭回归。LASSO回归
Lasso 的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0 的回归系数，得到可以解释的模型。 当t不断增大时，选入回归模型的变量会逐渐增多，当t增大到某个值时，所有变量都入选了回归模型，这个时候得到的回归模型的系数是通常意义下的最小二乘估计。 主要是岭回归（ridge regression）和lasso回归。通过对最小二乘估计加入罚约束，使某些系数的估计为0。 (3)维数缩减 主成分回归（PCR）和偏最小二乘回归（PLS）的方法。 把p个预测变量投影到m维空间（m 3、岭回归、lasso回归和elastic net三种正则化方法[] （1）岭回归[] 最小二乘估计是最小化残差平方和（RSS）： 岭回归在最小化RSS的计算里加入了一个收缩惩罚项 岭回归优于最小二乘回归的原因在于方差-偏倚选择。随着lambda的增大，模型方差减小而偏倚（轻微的）增加。
2K10发布于 2019-02-13 - 来自专栏网络收集
Vue CLI
2、Vue CLI 什么是Vue CLI 如果你只是简单写几个Vue的Demo程序, 那么你不需要Vue CLI. CLI是什么意思? CLI是Command-Line Interface, 翻译为命令行界面, 但是俗称脚手架. Vue CLI是一个官方发布 vue.js 项目脚手架 使用 vue-cli 可以快速搭建Vue开发环境以及对应的webpack配置. 注意：上面安装的是Vue CLI3的版本，如果需要想按照Vue CLI2的方式初始化项目时不可以的。 image.png Vue CLI2初始化项目 vue init webpack my-project Vue CLI3初始化项目 vue create my-project
1.2K10编辑于 2022-05-29 - 来自专栏SmartSi
ZooKeeper CLI
ZooKeeper 集合向 znode 路径填充10位序列号。例如，znode 路径 /myapp 将转换为 /myapp0000000001，下一个序列号为 /myapp0000000002。 你可以通过退出 ZooKeeper CLI，然后重新打开 CLI 来尝试。 2. 获取数据 返回 znode 的相关数据以及指定 znode 的元数据。 CLI 还用于分配监视器以显示数据相关的通知。 完成此操作后，你可以使用 get CLI 命令检查数据。 原文：ZooKeeper CLI
1.4K30发布于 2019-11-27 - 来自专栏全栈开发那些事
Vue CLI
Vue CLI 1、简介 2、安装 3、创建项目 3.1 vue create 1、简介 在开发大型单页应用时，需要烤炉项目的组织结构、项目构建、部署、热加载、代码单元测试等多方面与核心业务无关的事情 在Vue.js环境中，这个脚手架工具就是Vue CLI，利用这个工具，可以自动生成一个基于Vue.js地单页应用地脚手架项目。 2、安装 可以使用下面的命令安装Vue CLI npm install -g @vue/cli # 或者 yarn global add @vue/cli Vue CLI在Vue项目开发中基本是必需的， 安装完成之后，可以使用下面的命令检查版本是否正确，同时验证Vue CLI是否安装成功。 3、创建项目 安装完Vue CLI，就可以开始创建一个脚手架项目了。 存放项目中的静态资源，如CSS、图片等 | |--logo.png //logo图片 | |--components //编写的组件放在这个目录下 | |--HelloWorld.vue //Vue CLI
1.6K20编辑于 2023-02-25 - 来自专栏Pulsar-V
C++CLI（一）-C++CLI简介
false; } /*9*/ virtual int GetHashCode() override { return X ^ (Y << 1); } /*10a */ virtual String^ ToString() override { /*10b*/ return String::Concat("(", X, ",", Y, ")"); 句柄在此是一个C++/CLI术语，CLI实际上把它称为“引用”，但C++已经有引用了，这是两回事。 const类型的句柄是允许的，但它们只能被用在一个C++/CLI上下文之内，而不能与任何CLI标准库函数一起使用的，因为目前CLI中还未有const这个概念，未来版本的C++/CLI有可能会全面支持const 与相等性比较类似，值的格式化是通过一个重载System::Object的函数实现的，如标记10(a)，而不是重载<<操作符。
3.7K30发布于 2019-03-12 - 来自专栏ionic3+
自建node的简单cli——san-cli
公司的业务有部分需要兼容IE8，虽然公司内部已有相应的框架，但是百度的San还是引起了个人的兴趣，奈何San这个东西，一年多了配套还有待完善，为了快速构建项目，自建一个简单cli，步骤如下： 创建cli 项目 创建san-cli目录，并使用npm init创建package.json文件： mkdir san-cli && cd san-cli npm init 在交互询问中输入相应参数，其中name参数检验 npm中是否已占用，如创建好的package.json文件如下，其中bin为cli调用的命令名称，main为入口js： { "name": "my-san-cli", "version": "0.0.1 " }, "keywords": [ "san-cli" ], "scripts": { "test": "echo \"Error: no test specified author": "woodstream", "license": "MIT", "bugs": { "url": "https://github.com/woodstream/san-cli
1.3K20发布于 2018-08-20 - 来自专栏大数据，java，Python和前端
当 AI 遇见 CLI：CodeBuddy code 如何将重构效率提升 10 倍
传统的重构、调试、文档生成等任务往往耗时耗力，直到AI与CLI（命令行界面）的深度融合为我们打开了新世界的大门。 一、AICLI：开发者手中的“瑞士军刀”CLI一直是开发者高效操作系统的利器，而集成自然语言能力的AICLI（如CodeBuddycode）则将其提升到了新的高度。 2.CodeBuddycodeCLI方案(耗时：约10-15分钟)执行上述命令后，AI会分析目标文件并输出重构后的代码。 同时，CLI还会生成相应的单元测试骨架：收起代码语言：JavaScript运行AI代码解释///tests/api/auth.test.js-(CLI生成的测试示例)importrequestfrom'supertest ..测试用例...});});效果对比[原始方案]：2-3小时（手动分析、重写、调试、编写测试）[CodeBuddycodeCLI方案]：<15分钟（编写命令、审核并微调AI生成的代码）>效率提升超过10
96020编辑于 2025-09-17
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