超图平台学习第8页

开发指南109-工作流节点功能

平台上工作流由一个个节点编排而来，每个节点对应的功能分成两种:1固定功能固定功能是开发人员开发的，在sys_functions定义的功能，简单说就是菜单上显示的功能。

大道不孤,众行致远·2025-03-23 21:20

机器学习：让计算机学会思考的艺术

目录什么是机器学习？机器学习的基本步骤常见的机器学习算法机器学习的实际应用如何入门机器学习？结语在当今数字化时代，机器学习（MachineLearning,ML）已经成为一个炙手可热的话题。

平凡而伟大.·2025-03-23 21:19

机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类是一种常用的无监督学习算法，用于将数据集中的样本分成K个簇。其基本原理是将所有样本点划分到K个簇使得簇内样本点之间的距离尽可能接近，而不同簇之间的距离尽可能远。

平凡而伟大.·2025-03-23 21:18

一文讲清楚深度学习和机器学习

目录1.定义机器学习（MachineLearning,ML）深度学习（DeepLearning,DL）2.工作原理机器学习深度学习3.应用场景机器学习深度学习4.主要区别5.为什么选择深度学习？

平凡而伟大.·2025-03-23 21:18

可视化埋点在React Native中的实践

1.背景笔者所在团队为Shopee的本地生活前端团队，用户可以在我们的平台购买优惠券，然后去线下门店使用。随着用户规模不断增加，研究用户行为数据可以更好地指导产品功能设计，提供更加优秀的用户体验。

Shopee技术团队·2025-03-23 20:46

pyspark学习rdd处理数据方法——学习记录

python黑马程序员"""文件，按JSON字符串存储1.城市按销售额排名2.全部城市有哪些商品类别在售卖3.上海市有哪些商品类别在售卖"""frompysparkimportSparkConf,SparkContextimportosimportjsonos.environ['PYSPARK_PYTHON']=r"D:\anaconda\envs\py10\python.exe"#创建Spark

亭午·2025-03-23 20:12

回归任务中的评价指标MAE，MSE，RMSE，R-Squared

仅供自己学习使用，如有侵权，请联系删除分类任务的评价指标有准确率，P值，R值，F1值，而回归任务的评价指标就是MSE，RMSE，MAE、R-SquaredMSE均方误差MSE是真实值与预测值的差值的平方和然后求平均

旺旺棒棒冰·2025-03-23 20:12

React Native 迁移的阵痛

此外，我们团队中的Android开发人员一直很短缺，这导致我们在两个平台上的开发进度和质量存在巨大差异。

Ethan. L·2025-03-23 20:41

DeepSeek：智能搜索与分析的新纪元

DeepSeek，这一基于深度学习和数据挖掘技术的智能搜索与分析系统，不仅重新定义了搜索引擎的边界，更以其卓越的性能和广泛的应用场景，为全球用户带来了前所未有的智能体验。

XRC2231·2025-03-23 20:11

图像质量评价学习笔记02：IQA模型性能评价指标（PLCC、SROCC、KROCC、RMSE）

性能好的图像质量评价（IQA）算法，其质量评测分数会与主观质量分数高度一致，IQA有许多评价指标，为了衡量方法测试结果与主观评价之间的一致性，视频质量专家组VQEG（VideoQualityExpertsGroup，目前国际上对视频质量进行标准化及性能测试的权威组织）提出了四个可以验证客观评价结果和主观评价结果之间的紧密程度的四个指标：PLCC、SROCC、KROCC和RMSE，也是目前最常用的I

可靠的豆包蟹同志·2025-03-23 20:11

【005安卓开发方案调研】之Flutter+Dart技术开发安卓

基于2025年国内移动开发环境现状，结合多份行业分析报告和技术文档，对Flutter+Dart开发安卓应用的技术成熟度和生态适配性分析如下：一、技术成熟度评估1.跨平台能力达到生产级标准Flutter的

ThinkPet·2025-03-23 20:10

PyQt和PySide的区别和比较

它们都是基于Qt框架，Qt是一个跨平台的应用程序和UI开发框架。本文将介绍PyQt和PySide之间的区别和比较，并提供相应的源代码示例。

PgosOcaml·2025-03-23 19:40

计算机基础：编码01，无符号数编码

专栏导航本节文章分别属于《Win32学习笔记》和《MFC学习笔记》两个专栏，故划分为两个专栏导航。读者可以自行选择前往哪个专栏。

水饺编程·2025-03-23 19:09

《AI大模型趣味实战》第8集：多端适配个人新闻头条基于大模型和RSS聚合打造个人新闻电台(Flask WEB版) 2

本文将带领读者通过Python和Flask框架，结合大模型的强大能力，构建一个个性化的新闻聚合平台，不仅能够自动收集整理各类RSS源的新闻，还能以语音播报的形式提供"新闻电台

带娃的IT创业者·2025-03-23 19:37

机器学习knnlearn1

importmatplotlib.pyplotaspltimportnumpyasnpimportoperator#定义一个函数用于创建数据集defcreateDataSet():#定义特征矩阵，每个元素是一个二维坐标点，代表不同策略数据点的坐标group=np.array([[20,3],[15,5],[18,1],[5,17],[2,15],[3,20]])#定义每个数据点对应的标签，用于区分

XW-ABAP·2025-03-23 19:07

基于 MySQL 和 Spring Boot 的在线论坛管理系统设计与实现

markdownCopy✌全网粉丝20W+,csdn特邀作者、博客专家、CSDN[新星计划]导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、pyhton

城南|阿洋-计算机从小白到大神·2025-03-23 19:36

转 C# .NET4.0 混合模式程序集异常

2.项目属性里边，把目标平台改成X86。

weixin_30516243·2025-03-23 19:05

10万双枪充电桩平台神级配置：服务器成本直降80%+日志/数据库存储全拆解！慧知开源充电桩平台！！！必看攻略

-慧知开源充电桩平台一、服务器配置方案及逻辑（阿里云）1.需求分析设备规模：10万台双枪充电桩，理论最大并发连接数为20万（每个枪独立通信）。

文慧的科技江湖·2025-03-23 19:02

先验地图--slam学习笔记

先验信息(PriorInformation)先验信息指的是在收集新数据之前已有的知识或假设。这种信息可以来自之前的实验、历史数据、理论模型或专家意见。地图信息：在无人驾驶中，车辆通常会预先加载高精度地图数据，这些地图数据提供了道路布局、车道线位置、交叉口结构等信息。这些信息就是先验信息。车辆动力学模型：车辆的动力学模型，包括车辆的物理特性（如质量、轮胎摩擦系数等），这些模型可以帮助预测车辆的行为。

超级璐璐·2025-03-23 19:31

零基础入门机器学习：用Scikit-learn实现鸢尾花分类

适合人群：机器学习新手|数据分析爱好者|需快速展示案例的学生一、引言：为什么要学这个案例？目的：明确机器学习解决什么问题，建立学习信心。机器学习定义：让计算机从数据中自动学习规律（如分类鸢尾花品种）。

藍海琴泉·2025-03-23 19:31

机器学习--DBSCAN聚类算法详解

目录引言1.什么是DBSCAN聚类？2.DBSCAN聚类算法的原理3.DBSCAN算法的核心概念3.1邻域（Neighborhood）3.2核心点（CorePoint）3.3直接密度可达（DirectlyDensity-Reachable）3.4密度可达（Density-Reachable）3.5密度相连（Density-Connected）4.DBSCAN算法的步骤5.DBSCAN算法的优缺点5

2201_75491841·2025-03-23 18:30

项目解决方案：博物馆视频监控系统建设解决方案

威迪斯特·2025-03-23 18:59

【机器学习】机器学习工程实战-第3章数据收集和准备

上一章：第2章项目开始前文章目录3.1关于数据的问题3.1.1数据是否可获得3.1.2数据是否相当大3.1.3数据是否可用3.1.4数据是否可理解3.1.5数据是否可靠3.2数据的常见问题3.2.1高成本3.2.2质量差3.2.3噪声（noise）3.2.4偏差（bias）3.2.5预测能力低（lowpredictivepower）3.2.6过时的样本3.2.7离群值3.2.8数据泄露/目标泄漏3

腊肉芥末果·2025-03-23 18:28

机器学习实战第一章机器学习基础

第一章机器学习1.1何谓机器学习1.2关键术语1.3机器学习的主要任务1.4如何选择合适的算法1.5开发机器学习应用程序的步骤1.6Python语言的优势1.1何谓机器学习 1、简单地说，机器学习就是把无序的数据转换成有用的信息

LuoY、·2025-03-23 18:27

数据挖掘实战-基于机器学习的垃圾邮件检测模型

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍

艾派森·2025-03-23 18:26

集成学习（随机森林）

目录一、集成学习概念二、Bagging集成原理三、随机森林四、例子（商品分类）一、集成学习概念集成学习通过建⽴⼏个模型来解决单⼀预测问题。它的⼯作原理是⽣成多个分类器/模型，各⾃独⽴地学习和作出预测。

herry57·2025-03-23 18:24

【机器学习】朴素贝叶斯入门：从零到垃圾邮件过滤实战

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-03-23 18:22

【机器学习】机器学习工程实战-第2章项目开始前

上一章：第1章概述文章目录2.1机器学习项目的优先级排序2.1.1机器学习的影响2.1.2机器学习的成本2.2估计机器学习项目的复杂度2.2.1未知因素2.2.2简化问题2.2.3非线性进展2.3确定机器学习项目的目标

腊肉芥末果·2025-03-23 18:21

Xilinx系ZYNQ学习笔记（二）ZYNQ入门及点亮LED灯

系列文章目录文章目录系列文章目录前言简单介绍简称xc7z020型号FPGAZYNQ实操通用IO点亮LED灯硬件逻辑基础前言简单入门一下ZYNQ是何种架构，如何编程，至于深入了解应该要分开深入学习Linux

贾saisai·2025-03-23 17:50

ZYNQ学习笔记_GPIO之输入输出

ZYNQ学习笔记_GPIO之输入输出GPIO介绍MIO介绍EMIO介绍控制GPIO接口的寄存器原理_输入输出部分GPIO介绍GPIO的英文全称为General-purposeinput/output，即一种通用外设

凌星星星星星·2025-03-23 17:20

《基于自适应正负样本对比学习的特征提取框架》-核心公式提炼简洁版 2022年neural networks

论文源地址以下是从文档中提取的关于“基于对比学习的特征提取框架（CL-FEFA）”中正负样本对比学习实现的技术细节，包括详细的数学公式、特征提取过程以及特征表示方式的说明。

阳光明媚大男孩·2025-03-23 17:49

zynq设计学习笔记2——GPIO之MIO控制LED实验

vivado软件操作步骤与学习笔记1——helloworld差不多，这里不再过多赘述，不同点是在zynq的设置中添加上GPIO的设置即可。

墨漓_lyl·2025-03-23 17:49

QGIS结合天地图API实现批量经纬度转地址的完整指南

QGIS作为开源GIS平台，通过插件扩展可实现批量地理编码操作。天地图作为我国权威地理信息服务平台，其API提供高精度的地理编码服务。

网优随笔·2025-03-23 17:49

conda install 和 pip install 的区别

conda是一个跨平台的开源包管理系统和环境管理系统，它不仅可以管理Python包，还能管理其他语言（如R、C++等）的包。conda更侧重于数据科

不知江月待何人..·2025-03-23 17:17

蓝桥杯备赛计划

1-2小时的蓝桥杯PythonB组冲刺日程表（持续1个月，聚焦高频考点）：第一周：核心算法突破Day1（周一）学习重点：动态规划（01背包问题）学习资源：AcWing《蓝桥杯辅导课》第8讲（背包问题模板

laitywgx·2025-03-23 17:47

机器学习怎么做特征工程

一、特征工程通俗解释特征工程就像厨师做菜前的食材处理：原始数据是“生肉和蔬菜”，特征工程是“切块、腌制、调料搭配”，目的是让机器学习模型（食客）更容易消化吸收，做出更好预测（品尝美味）。

全栈你个大西瓜·2025-03-23 17:47

【机器学习】机器学习四大分类

机器学习的方法主要可以分为四大类，根据学习方式和数据标注情况进行分类：1.监督学习（SupervisedLearning）特点：有标注数据（即训练数据有明确的输入(X)和输出(Y)）。

藓类少女·2025-03-23 17:16

大模型学习终极指南：从新手到专家的必经之路，全网最详尽解析，你敢挑战吗？

本文将为您详细介绍从零开始学习大模型直至成为专家的全过程，包括所需掌握的知识点、学习资源以及实践建议等。无论您是初学者还是有一定基础的专业人士，都能从中获得有价值的指导。

大模型入门教程·2025-03-23 17:15

蓝桥杯备赛Day12 动态规划1基础

(3)子问题重叠，将子问题的解存储下来两种思路:(1)按题目线性DP数字三角形学习:(1)将整个大

爱coding的橙子·2025-03-23 17:45

Python 爬虫实战：从知乎盐选专栏，爬取优质内容付费数据

分析知乎盐选专栏页面3.2模拟登录3.3获取文章列表3.4爬取更多文章数据3.5数据存储四、分析篇4.1数据清洗4.2热门文章分析4.3收藏数分析4.4评论数分析五、总结与展望六、注意事项一、前言知乎盐选专栏作为知乎平台上的优质内容付费板块

西攻城狮北·2025-03-23 17:44

机器学习——KNN超参数

sklearn.model_selection.GridSearchCV是scikit-learn中用于超参数调优的核心工具，通过结合交叉验证和网格搜索实现模型参数的自动化优化。以下是详细介绍：一、功能概述GridSearchCV在指定参数网格上穷举所有可能的超参数组合，通过交叉验证评估每组参数的性能，最终选择最优参数组合。其核心价值在于：自动化调参：替代手动参数调试，提升效率3。交叉验证支持：通

练习AI两年半·2025-03-23 17:44

【Docker系列四】Docker 网络

Kwan的解忧杂货铺@新空间代码工作室·2025-03-23 16:13

《Solidity智能合约开发：从零到一实战指南》大纲

做区块链项目的人越来越多，但真正从零系统学习Sol

白马区块Crypto100·2025-03-23 16:40

Milvus学习整理

Milvus学习整理一、度量类型(metric_type)二、向量字段和适用场景介绍三、索引字段介绍（一）、概述总结（二）、详细说明四、简单代码示例（一）、建立集合和索引示例（二）、搜索示例（三）、参考文档五

louisliao_1981·2025-03-23 16:10

_网络安全零基础怎么学习

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包前言写这篇教程的初衷是很多朋友都想了解如何入门/转行网络安全，实现自己的“黑客梦”。

白帽黑客啊一·2025-03-23 16:09

RK3568平台SDIO接口驱动能力提升指南

使用RK3568主控通过SDIO连接Wi-Fi模块（如RealtekRTL8733BS）时，出现了CMD53读写失败等不稳定现象，我们尝试了通过提高SDIO引脚的驱动能力（DriveStrength）的方法来增强了信号稳定性。本文将从驱动能力配置方法、内核和Bootloader阶段的调整、修改时的注意事项以及推荐参数四个方面，提供相关解说，以供大家参考。1.SDIOIO驱动强度的配置方法设备树配置

思考的下一页·2025-03-23 16:08

Github上神仙级大模型项目：大语言模型(LLM)入门学习路线图，三个月让你从大模型基础到精通！

Github项目上有一个大语言模型学习路线笔记，它全面涵盖了大语言模型的所需的基础知识学习，LLM前沿算法和架构，以及如何将大语言模型进行工程化实践。

AI大模型-大飞·2025-03-23 16:35

AtCoder备赛冲刺必刷题（C++） | 洛谷 AT_abc396_a Triple Four

本文分享的必刷题目是从蓝桥云课、洛谷、AcWing等知名刷题平台精心挑选而来，并结合各平台提供的算法标签和难度等级进行了系统分类。

热爱编程的通信人·2025-03-23 15:03

Unity 与 JavaScript 的通信交互：实现跨平台的双向通信

Unity是一个强大的跨平台游戏引擎，而JavaScript是Web开发的核心技术之一。

Front_Yue·2025-03-23 15:28

python 捕获异常

在学习Python的过程当中，大家一定要区分清楚异常和布尔值False布尔值的False只是一个值，通常代表的是一个条件的不成立，常用于逻辑判断比如：1num=22print(num>3)3ifnum>

weixin_30730151·2025-03-23 15:57

推荐频道

超图平台学习