分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.048
秒,为您找到
191386
个相关结果.
搜书籍
搜文档
7.7 小结
677
2019-11-04
《深入剖析Vue源码》
7.7 小结 7.7 小结 这一节内容,我们正式进入响应式系统的介绍,前面在数据代理章节,我们学过Object.defineProperty ,这是一个用来进行数据拦截的方法,而响应式系统构建的基础就是数据的拦截。我们先介绍了Vue 内部在初始化数据的过程,最终得出的结论是,不管是data,computed ,还是其他的用户定义数据,最终都是调用Ob...
数值函数与操作符
232
2023-05-08
《TiDB v6.5 中文文档》
数值函数与操作符 算术操作符 数学函数 数值函数与操作符 TiDB 支持使用 MySQL 5.7 中提供的所有数值函数与操作符 。 算术操作符 操作符名 功能描述 + 加号 - 减号 * 乘号 / 除号 DIV 整数除法 %, MOD 模运算,取余 - 更改参数符号 数学函数 函数名 功能描述 POW() 返回参数的指定乘...
数值函数与操作符
281
2022-11-03
《TiDB v6.1 中文文档》
数值函数与操作符 算术操作符 数学函数 数值函数与操作符 TiDB 支持使用 MySQL 5.7 中提供的所有数值函数与操作符 。 算术操作符 操作符名 功能描述 + 加号 - 减号 * 乘号 / 除号 DIV 整数除法 % , MOD 模运算,取余 - ...
数值函数与操作符
438
2021-06-27
《TiDB v5.1 用户手册》
数值函数与操作符 算术操作符 数学函数 数值函数与操作符 TiDB 支持使用 MySQL 5.7 中提供的所有数值函数与操作符 。 算术操作符 操作符名 功能描述 + 加号 - 减号 * 乘号 / 除号 DIV 整数除法 % , MOD 模运算,取余 -...
数值函数与操作符
840
2019-06-29
《TiDB v3.0 用户文档》
数值函数与操作符 算术操作符 数学函数 数值函数与操作符 算术操作符 操作符名 功能描述 + 加号 - 减号 * 乘号 / 除号 DIV 整数除法 % , MOD 模运算,取余 - 更改参数符号 数学函数 函数名 功能描述 ...
6. 支持向量机
2839
2018-02-16
《机器学习实战(Machine Learning in Action)》
第6章 支持向量机 支持向量机 概述 支持向量机 场景 支持向量机 原理 SVM 工作原理 寻找最大间隔 为什么寻找最大间隔 怎么寻找最大间隔 SMO 高效优化算法 SVM 开发流程 SVM 算法特点 课本案例(无核函数) 项目概述 开发流程 核函数(kernel) 使用 项目案例: 手写数字识别的优化(有核函数) 项目概述 开发...
ReduceOnPlateau
327
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
ReduceOnPlateau ReduceOnPlateau class paddle.optimizer.lr. ReduceOnPlateau ( learning_rate, mode=’min’, factor=0.1, patience=10, threshold=1e-4, threshold_mode=’rel’, cooldown=...
Runtime Filter
101
2024-09-22
《Apache Doris v3.0 中文文档》
Runtime Filter 名词解释 原理 使用方式 Runtime Filter 配置项 查看 query 生成的 Runtime Filter Runtime Filter Runtime Filter 旨在为某些 Join 查询在运行时动态生成过滤条件,来减少扫描的数据量,避免不必要的 I/O 和计算,从而加速查询。 名词解释 ...
迭代再加权最小二乘
2313
2018-04-25
《spark机器学习算法研究和源码分析》
迭代再加权最小二乘 1 原理 2 源码分析 2.1 更新权重 2.2 训练新的模型 3 参考文献 迭代再加权最小二乘 1 原理 迭代再加权最小二乘(IRLS )用于解决特定的最优化问题,这个最优化问题的目标函数如下所示: arg min{\beta} \sum{i=1}^{n}|y{i} - f{i}(\beta)|^{p} ...
正则化
1444
2018-07-20
《神经网络与深度学习(完整版)》
正则化 正则化 避免过拟合的方法之一是增加训练数据数量。那么,还有没有别的方法能让我们避免过拟合呢?一种可能的方法是减小网络的规模。然而,我们并不情愿减小规模,因为大型网络比小型网络有更大的潜力。 幸好,哪怕使用固定的网络和固定的训练数据,我们还有别的方法来避免过拟合。这就是所谓的正则化(regularization)技术。在这一节我将描述一种最常...
1..
«
19
20
21
22
»
..100