榜单
服务器优惠
AI论文
-
二、特征编码
二、特征编码 2.1. 特征二元化 2.2. one-hot 2.3 离散化 2.3.1 分桶 2.3.2 特性 二、特征编码 2.1. 特征二元化 特征二元化的过程是将数值型的属性转换为布尔值的属性。通常用于假设属性取值为取值分布为伯努利分布的情形。 特征二元化的算法比较简单。 对属性 指定一个阈值 。 如果样本在属性 ... -
可视界面
第三方开发的可视化界面 开源 Tabix HouseOps LightHouse DBeaver clickhouse-cli clickhouse-flamegraph 商业 Holistics Software DataGrip 第三方开发的可视化界面 开源 Tabix ClickHouse Web 界面 Tabix ... -
X-Engine最佳实践
淘宝/天猫交易订单信息库 钉钉聊天记录信息库 阿里图片空间信息库 由于X-Engine分层存储的架构特点，该引擎特别适合某些业务负载特征的业务，本文介绍X-Engine的典型应用业务场景。 X-Engine的分层存储架构特别适合具有如下业务负载特征的业务： 数据访问具有鲜明的时间特征。例如大部分读取及修改操作集中在最近写入的数据上，而历史数据较... -
可视界面
第三方开发的可视化界面 开源 Tabix HouseOps LightHouse DBeaver clickhouse-cli 商业 DataGrip 第三方开发的可视化界面 开源 Tabix ClickHouse Web 界面 Tabix . 主要功能： 浏览器直接连接 ClickHouse，不需要安装其他软件。 高亮... -
第六课：反攻的一次溯源—项目实战3
反攻的一次溯源 — 项目实战3 事件过程 一、日志分析 二、现场还原 三、本地样本分析 四、测试并取证 反攻的一次溯源 — 项目实战3 事件过程 某厂商通过日志分析发现可疑 IP，但是日志记录里显示该 IP 的行为是频繁地登陆内网，并无发现有攻击的迹象，因此无法下手进行内网安全的加固和清除后门。而且显示的是外国 IP，无法确定是真实 I... -
2.1 误差与过拟合
2.1 误差与过拟合 2.1 误差与过拟合 我们将学习器对样本的实际预测结果与样本的真实值之间的差异成为：误差（error）。定义： 在训练集上的误差称为训练误差（training error）或经验误差（empirical error）。 在测试集上的误差称为测试误差（test error）。 学习器在所有新样本上的误差称为泛化误差... -
btmodule
btmodule 概述 OpenBT 示例代码 可用性 CloseBT 示例代码 可用性 ScanBT 示例代码 补充说明 可用性 DisConnectBT 示例代码 补充说明 可用性 WriteBT param 示例代码 补充说明 可用性 ReadBT param 示例代码 补充说明 可用性 Notify... -
自定义日志采集
自定义日志采集 自定义日志采集 应用日志对于发现和排查线上问题至关重要，KubeVela 提供了专门的日志收集插件，帮助用户快速地构建应用的日志可观测的能力。本文档将介绍如何对应用日志进行采集，并在 grafana 大盘中对日志进行查看和分析。 提示 本文档将更聚焦于日志采集并用于实时分析。如果你想实时的获取日志排查问题，可以直接使用 vela l... -
dubbo:argument
dubbo:argument dubbo:argument dubbo:argument 配置 方法参数配置。对应的配置类： org.apache.dubbo.config.ArgumentConfig 。该标签为 <dubbo:method> 的子标签，用于方法参数的特征描述，比如： <dubbo:method name = "findX...