精华内容
下载资源
问答
  • 如何对数组进行扩容

    2021-04-06 22:18:53
    初学者在学习数据结构的时候总是考虑问题不太全面,上限,下限,容量空间,值的正负等问题 那么 在这里 我介绍一种简单的数组扩容的方法希望对你有帮助 对数组进行初始 大致分为三步: private Object[] ...

    初学者在学习数据结构的时候总是考虑问题不太全面,上限,下限,容量空间,值的正负等问题
    那么 在这里 我将介绍一种简单的数组扩容的方法希望对你有帮助

    对数组进行初始化 大致分为三步:

    private Object[] elements;  //初始化数组
    private static final int DEFAULT_CAPACITY=16; //初始化容量
    private int top;  //栈顶指针
    

    第一步:定义新的数组,是默认数组的两倍大(这样方便)
    在这里插入图片描述

    第二步:遍历旧数组,把值赋给新数组
    在这里插入图片描述
    第三步:让原来的数组指向新的数组
    在这里插入图片描述
    这样简单的三步就行了 ,

                                  有好的方法欢迎来讨论   。。。。。
    
    展开全文
  • 该项目使用聚类模型从Zillow数据集中预测对数错误。 在本自述文件中,我们: 说明什么是项目。 解释如何重现我们的作品。 包含项目计划中的注释。 目标 利用zillow数据集可以找到导致Zestimates错误的原因。 -...
  • 此功能图形中的曲线数字,例如保存为 PDF 文件的图像,绘制并显示数据。 % 数字仪% % 用途: 1. 输入要数字的图像,例如 test.jpg。 您可以键入% 可编辑文本字段中的图像名称,或按“浏览” % 按钮浏览文件...
  • 容器用来解析数据的正则表达式模式。 请注意,您始终必须提供一个命名的捕获组。 命名组上的每个匹配最终成为容器或声明的容器代表上其自己的属性。 representative str 一种名称,代表一个或多个容器
  • 经常要写各种临时脚本,和业务人员对数...那么如何用易观Argo免费快速搭起精细运营平台?在2020易观A10数据智能峰会深圳站的开发者日上,来自深圳高新企业唯修汇的技术总监夏彬,就现场分享了他们团队基于易观 Argo.

    在这里插入图片描述

    经常要写各种临时脚本,和业务人员对数耗费时间长,想着借助第三方工具来提效,但是花钱付费而且公司审批流程特别慢……这些是数据工程师们的亲身体会啊。

    易观 Argo 就是解决大家的困境而推出的,易观数科将投入过亿的用户行为分析产品免费开放给大家,集“收数、理数、用数”于一体,采集全端用户行为数据,帮助业务人员实现自助实时查数与用数。

    那么如何用易观Argo免费快速搭起精细化运营平台?在2020易观A10数据智能峰会深圳站的开发者日上,来自深圳高新企业唯修汇的技术总监夏彬,就现场分享了他们团队基于易观 Argo 数据分析平台的应用实践。

    唯修汇成立于2014年,是一家技工服务平台。唯修汇有三个方向的产品,用于技工派接单的APP、小程序,技工学习就业培训平台的公众号,蓝领垂直化社交平台公众号及小程序。

    唯修汇在2018年做社群运营时遇到了瓶颈,在精细化运营上大量的研发成本投入并没有给公司带来业务数据的持续增长,导致了公司在精细化运营建设上的搁置。2020年,唯修汇开始使用Argo,并快速搭建起自己的精细化运营平台。

    一 、为什么选择使用Argo?

    在产品和用户的精细化运营过程中主要有三大场景,无论你是交叉营销,还是唤醒沉睡用户等,都逃不过这三大场景:产品迭代、用户运营、用户营销。Argo也是在这三大应用场景,为唯修汇提供了精细化运营的帮助。
    1.产品迭代:用运营监控改进产品、优化体验

    Argo在数据采集方面,既支持前端数据采集,也就是前端说的产品形态都可以通过SDK采集,也支持后端服务器数据采集,也就是全端数据采集。

    全端采集的数据可以通过热力图等形式展示,例如唯修汇通过用户点击数据,了解到用户平均停留时长是多少?哪个品类点击丰富?导航页哪个菜单没人点击?哪类资讯点击量高?店长推荐哪个商品抢购人数最多?个体师傅、服务网点老板、网点师傅,各用户角色人数有多少?他们在平台上都有什么行为轨迹?社区中哪类话题是热门话题?由此对产品的页面做优化,在版本的迭代中做按钮、板块上的更新。
    图片来自Argo的demo
    图片来自Argo的demo

    2.用户运营:用户分层与个性化推荐

    Argo可以解放数据工程师,业务同学能够根据用户事件和属性自定义圈选用户分层,针对不同分层用户制定不同运营策略,实现个性化推荐。
    在这里插入图片描述

    图片来自Argo的demo

    此外,近年来一些关于用户增长的理论比较火爆,一些好的运营模型,例如建立会员价值模型(RFM),在数据分析平台中如何对应、如何快速的运用起来,通过Argo都能够快速的去落地、去推进。如果没有Argo,公司的开发人员需要去做埋点、做后台、做分析,甚至还要涉及到更复杂的东西。
    在这里插入图片描述

    3.用户营销:用数据驱动商业决策

    数据不仅可以帮企业做产品迭代,还可以帮助企业做出更准确的商业决策。例如唯修汇通过Argo发现其用户群体使用的手机品牌比例最高的是格力,突破了大家以往的认知,由此展开的用户营销活动会比没有用户画像做支持的营销活动取得更好的效果。

    唯修汇之前在今日头条投放了一些广告,点开率很高,但实际转化为注册用户的比例不到20%。通过Argo的漏斗分析,最终发现问题出在短信通道,用户注册时获取验证码的短信打开率低,导致了注册成功的用户数量不高。唯修汇在更换通道、切换储备通道后,问题慢慢得到了一定的改善。这种类型的使用场景对于公司的运营团队而言非常多,例如双11购物等等,很多问题都可以通过这样一个漏斗分析去发现、去解决。

    此外,Argo的漏斗分析还有下钻功能,下钻后把用户分群,每一个群体都会有这个群体的用户画像,方便与其他群体做对比。
    在这里插入图片描述

    图片来自易观Argo的Demo

    二 、Argo在唯修汇的实践

    Argo是国内第一款可私有化部署且免费的用户分析和精益运营产品,支持全端数据采集、实时分析与查询、业务人员自助多维度分析等功能,其开放的链接能力能够与企业自有系统打通,此外还有社区支持。这些都是Argo的独特优势,也是唯修汇选择Argo的原因。

    1.贯穿产品全生命周期

    互联网产品,尤其是偏C端的产品,需要持续进行迭代,除了新功能上线外,很多的产品迭代都是来源于用户的。用户的需求是千差万别的,例如唯修汇所在的蓝领行业,其用户群体的综合文化素质不高,互联网的使用能力也很弱,他们的使用需求就是简单化。因此不能用统一的思维去思考所有用户的需求,而是用数据说话。产品经理的输出需求也要用数据做支撑,可以从Argo的漏斗分析、热力图等看需求的可行性。

    在完成输出需求后,紧接着需要输出埋点方案。研发的同学都知道,埋点比较枯燥和烦琐的,而Argo支持可视化埋点就相当于把埋点的工作平民化了,不需要研发来做,运营人员勾勾点点就埋下去了。
    在这里插入图片描述

    可视化埋点,图片来自易观Argo的Demo

    唯修汇通过产品经理、技术人员以及研发人员的三方讨论,形成一套完整的埋点方案,交由研发人员去开发上线,然后再从Argo上看数据的变化,由此判定功能需求做得好不好,能不能达到目的?这样就形成了一个“Argo→数据分析→输出需求→输出埋点方案→开发上线→Argo”的闭环,由此可见,Argo是可以贯穿整个产品的生命周期的。
    在这里插入图片描述

    2.全系统接入

    数据驱动最重要的特征是什么,就是需要把数据的价值实时发挥出来,以便指导我们的产品运营和用户运营。如果实时性难以保证,很多通过数据做决策的动作,就无法快速实施。现在很多同类产品产品采取ETL的方式,今天看到的数据也许是昨天的结果,Argo则是实时的数据采集,能够做到秒级的数据回传,分钟级在指标层能够呈现出来。唯修汇现在的C端产品、H5、小程序、APP已经全部接入了Argo,用Argo做存储、做计算、做分析。除了接入产品外,唯修汇还将Argo带入BI、SCRM等应用场景。

    在这里插入图片描述

    唯修汇有自己的一套BI报表,供管理层分析,其中的一半数据是来源于Argo的。此外,运营之前对于产品部分数据的了解,都是用Excel去各个平台抓取,在接入Argo后,可以直接建运营看板,减少繁琐的工作,效率也得到提高。

    在SCRM层面,唯修汇有很多企业微信的外部客户,例如七、八百个家电维修员的微信群,唯修汇将这些聊天数据以及用户画像、微信群画像放入Argo,就可以精准的筛选出需要的用户,同时将微信作为推送的通道。例如给客户安装新风机时,找不到接单的安装员,通过Argo用户标签搜索,检索出约30个最近30天有在APP活跃,有看过与新风机有关的内容的安装维修人员,通过微信给他们推送消息,马上就解决了问题。这只是一个很小的应用场景,通过接入Argo,发散思维,可以完成更多应用场景的创新。
    在这里插入图片描述

    图片来自易观Argo的Demo

    很多免费的产品,可能仅仅是一个免费的组件,并没有实际的应用场景,它免费的是一种技术的基础能力。但Argo的免费,是真正从端到端的整个技术解决方案,唯修汇技术总监夏彬表示:“Argo已经打磨到一个很厉害的状态了,基本上可以满足任何一个公司60%~80%的应用场景。”无需关心数据驱动该如何做,只需要关注创新的业务本身,这也是易观一直践行的“让数据能力平民化”的使命体现。

    展开全文
  • 如何让它自己工作-源代码下载到src文件夹-通过创建新的reactjs应用并替换src文件夹代码,使用ReactJS运行它 链接-https: 排序可视器 设计了一个网页,使用不同的排序算法(例如Heap,Merge,Quick和Bubble)...
  • java数据结构和算法(第二版)

    千次下载 热门讨论 2012-11-29 21:12:37
    程序划分成类 类接口 Ordered专题applet 有序数组的Java代码 对数 存储对象 大O表示法 为什么不用数组表示一切? 小结 问题 实验 编程作业 第3章简单排序 如何排序? 冒泡排序 选择排序 插入排序 对象排序 几种简单...
  • C#数据结构

    2013-12-10 11:49:54
    数据的取值范围可以看作是数据元素的有限集合,而对数 据进行操作的集合可以看作是数据元素之间关系的集合。 数据结构包括数据的逻辑结构和物理结构。上述数据结构的定义就是数据的 逻辑结构(Logic Structure),数据...
  • 大话数据结构

    2018-12-14 16:02:18
    如果你教某人如何编写程序,你折磨他一辈子。 1.2你数据结构怎么学的? 3 他完成开发并测试通过后,得意地提交了代码。项目经理看完代码后拍着桌子对他说:“你数据结构是怎么学的?” 1.3数据结构起源 4 1.4...
  • Matplotlib 是最常用的 2D 绘图库之一,也是一款很实用的数据可视工具,但是有时候你画出的图很难正好符合心意。比如说你可能遇到下面这些问题:   怎么更改图例上的标签名称?如何设置刻度线?怎样比例...

     

    原文地址:https://www.jianshu.com/p/9fd7a6992741

    python的意思是用外语打招呼

    Matplotlib 是最常用的 2D 绘图库之一,也是一款很实用的数据可视化工具,但是有时候你画出的图很难正好符合心意。比如说你可能遇到下面这些问题:

     

    怎么更改图例上的标签名称?如何设置刻度线?怎样将比例设置为对数?我该怎么给图表添加注释和箭头?如何给我的图表添加网格线?

    python的意思是用外语打招呼

    本文收集了如何自定义你的 matplotlib 绘图的常见问题和答案,也可以作为 matplotlib 快速绘图的速查表,但不是 matplotlib 的入门介绍。如果你对这个库还不熟悉,可以看看它的文档。

    文章涵盖的话题包括图表、图表属性、图例、轴、注释和保存图表。

    初步小贴士

    首先,导入 matplotlib

    import matplotlib.pyplot as plt

    在 Jupyter Notebook 中,你可以把下面这行代码包含在内,这样每次想画图的时候就不用必须调用 plt.show()了。

    %matplotlib inline

    另一个方便的技巧是,如果你不想出现 <matplotlib.collections.PathCollection at 0x1182bc710> 这行恼人的信息,只需在你的代码后面添加一个分号,如下面第二张图所示。

    之前:

    之后:

    图表和子图(Subplot)

    问:我该怎么增加图表的大小?

    很多时候,图表的默认尺寸都很小。你可以添加参数 figsize,像下面这样以英寸为单位指明图形的高度和宽度。

    plt.figure(figsize=(20,10))

    问:什么是子图(subplot)?我该怎么创建和操作子图?

    子图就是一组更小的轴,它们一起存在于单个图中。下面是 2X2 形式的 4 个子图示例:

    这些子图是用下面这些代码创建的。我们调用 plt.subplot,并指明 3 个数字。它们指行、列和子图的数量。

    for i in range (1, 5):

    plt.subplot(2, 2, i)

    plt.text(0.5,0.5, str((2, 2, i)), ha=’center’, fontsize = 10)

    plt.tight_layout()

    在上面的子图中,图中的文本是对这 3 个数字的引用。子图编号的顺序是左上方开始的行,从数字 1 开始。例如,左上图是子图编号 1,右上图是子图编号 2,左下图是子图编号 3,右下图是子图编号 4.

    注意,你必须调用 plt.subplot(2, 2, 1) 来激活子图。

    问:我的子图布局看着很丑,该怎么调整?

    下面例子中,子图之间靠的太近了,看着有点挤。我们可以通过调用 plt.tight_layout() 来修正。它会清理子图之间的填充部分,让图表看起来更清爽。

    之前:

    之后:

    问:怎么向我的图表添加网格线?

    plt.grid(True)

    风格和属性

    问:如何修改图表中线条的颜色/宽度/风格?

    你可以传递和设置参数 color,linewidth 和 linestyle。

    plt.plot(x, y, color = ‘green’ , linewidth = 2, linestyle = “-”)

    下面是一些你可以选择的线条风格:

    问:怎样修改标记的样式或颜色?

    你可以传递和设置参数 marker 和 color,如下所示:

    plt.scatter(x, y, marker = ‘o’, color = ‘red’)

    这里是一些供你选择的标记:

    问:怎么修改线条的透明度?

    向图表传入 alpha 参数表示线条的透明度,它的设置范围在 0 到 1 之间,其中 0 表示完全透明,1 表示无透明。

    plt.plot(x, y, alpha = 0.1)

    下图展示了当 alpha 分别为 0.9,0.5 和 0.1 时的透明效果:

    图例

    问:该怎样为我的图表添加图例?

    如果你的图表上没有自动出现图例,你可以用如下代码来显示图例。

    plt.legend()

    问:该如何修改图例出现的位置?

    你可以向 loc 参数中传入以下参数:upper right,upper left,lower left,lower right, right, center left, center right, lower center, upper center, center,分别表示右上角,左上角,左下角,右下角,右角,左中角,右中角,下中心,上中心,中心位置。

    plt.legend(loc = ‘lower right’);

    问:该怎样修改图例中的标签名称?

    方法1:

    比方说你有 10 个图例项,你只想修改第一个图例项中的标签。将图例保存到变量 L 之后,可以用“L.get_texts()[0]”调用图例中的第一项,手动设置为你想用的文本。在下面的例子中,我们将图例修改为了‘line123’。

    L = plt.legend()

    get_texts()[0].set_text('line123')

    方法2:

    另外,你可以创建一列标签名称,设置图例标签等于你创建的列表。

    mylabels = ['happy', 'sad', 'nervous', 'angry', 'neutral']

    plt.legend(labels = my_labels)

    问:如何修改图例大小?

    如果想设置具体图表中的图例大小,你可以传入 fontsize 参数。

    plt.legend(fontsize = 10);

    也可以不用数字表示字体大小,像下面这样操作:

    plt.legend(fontsize = 'x-large');

    问:如何命名 x 轴和 y 轴的标签?以及如何修改字体大小?

    根据你想具体使用的哪个轴,你可以叫他们‘ylabel’或‘xlabel’,如下所示。第一项就是你想让轴使用的名称。如果想设置字体大小,像下面这样嵌入 fontsize 参数:

    plt.ylabel('Income', fontsize = 15) #for y label

    plt.xlabel('Age', fontsize = 15) #for x label

    问:我该如何设置刻度线?

    第一个参数设置刻度线所在的位置,第二个参数设置刻度线旁边的标签。

    plt.yticks([0,2,4,6,7,10], [“0”, “2B”, "4B”, “8B”, “10B”])

    plt.xticks([0,1,2,3,4,5], [“0”, “1oz”, "2oz”, “3oz”, “4oz”])

    问:如何设置轴的长度?

    plt.ylim(-1.0,1.0) #for y axis

    plt.xlim(0, 50) #for x axis

    问:如何将比例修改为对数?

    plt.yscale(“log”) #for y axis

    plt.xsclae("log") #for x axis

    注释

    问:如何向图表添加注释和箭头?

    我们可以创建注释,并指明注释 xy 参数的坐标。xytext 定义了标签的坐标。如果我们想添加箭头,需要使用 arrowprops 来显示箭头。

    plt.annotate(‘sentosa’, xy = (5.0, 3.5), xytext(4.25, 4.0), arrowprops={'color': 'red'})

    保存图表

    按自己的需要自定义完图表后,就该保存了。这里我们将示例中的图表命名为“plot1”,用如下方式将图表保存到你的工作目录中。

    plt.savefig('plot1.jpg')

    最后一点

    如果你在 Jupyter Notebook 中画了一个非常大的图表的话,你的 Jupyter Notebook 会变得非常慢。

    如果你将鼠标悬停在图形的左侧,会出现一个如下所示的灰色框。双击该灰色框,就能隐藏你的图表,从而让 Jupyter Notebook 可以正常运行。这也有助于滚动图表。

    希望本文对你使用 matplotlib 绘图有所帮助

    展开全文
  • 正则(regularization)损失函数平方损失函数(最小二乘法)对数损失函数指数损失函数 什么是过拟合 过拟合:经训练出的模型在训练集上表现很好,可能训练集的一些特点当做所有样本都具有的特点,导致在新...

    什么是过拟合

    • 过拟合:经训练出的模型在训练集上表现很好,可能将训练集的一些特点当做所有样本都具有的特点,导致在新的样本上的误差变大,泛化能力差。

    过拟合的原因:

    1. 网络的学习能力过好
    2. 数据样本过少
    • 欠拟合:对训练集的一般性质尚未学好

    如何解决过拟合?

    • 方法一:增加数据量
    • 方法二:运用正则化regularization(L1,L2,…)

    正则化(regularization)

    W表示权重,x表示输入,y表示输出
    real y表示真实输出,λ表示系数

    正则化 cost函数
    原始损失函数(无正则化) 设为C
    L1正则化 cost=C+λ ∑ abs(w)
    L2正则化 cost=C+λ ∑w²

    L3,L4正则化以此类推

    Dropout正则化(丢弃正则化)

    所谓dropout(丢弃),就是去除一些神经元之间的连接。

    这样做对于解决过拟合问题有什么好处呢:

    1. 丢弃一些连接,意味着网络规模减小
    2. 随机丢弃,不会偏重某些权重,类似 L2正则化

    其涉及的相关概念:

    1. 保留概率 keep-prob :描述一个隐藏层保留神经元(连接)的概率,作用是为了生成随机矩阵
    2. 反向随机失活 inverted dropout:用来实现dropout

    损失函数


    参考原文链接:
    版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
    本文链接: https://blog.csdn.net/chkay399/article/details/81878157


    在上面正则化中提到了损失函数的概念,损失函数是用来估量训练出的模型的预测值与真实值之间的差距
    接下来介绍一下机器学习里常用的的损失函数:

    • 统一使用Y来表示真实数据集,X表示输入数据集合,f(X)表示预测值集合
    • y表示一条真实数据,x表示一条输入数据

    平方损失函数(最小二乘法)

    • 使用场景:线性回归
      在这里插入图片描述

    对数损失函数

    • 使用场景:逻辑回归
    • 样本预测值和实际值的误差符合高斯分布,使用极大似然估计的方法,取对数得到损失函数:
      在这里插入图片描述

    指数损失函数

    • 使用场景:Boosting算法中较为常见

    在这里插入图片描述

    展开全文
  • 需要做的准备 首先需要搞搞清楚以下问题: ...(2)在对数组进行初始时,数组中的每个元素都赋值为一样的值如0,则判断0的位置就可以得到数组的使用情况。再判断数组是否为空。 2.如何判断数组为空? 可以参加下
  • 本书以一种易懂的方式教授如何安排和操纵数据的问题,其中不乏一些难题;了解这些知识以期使计算机的应用获得最好的表现。 不管使用何种语言或平台,掌握了数据结构和算法改进程序的质量和性能。 书中提供了一套...
  • 期望最大(EM)算法是找到一组统计参数(即高斯数据集的均值和方差)的局部最大似然估计的好方法。 该项目展示了如何为多维,多维高斯数据实现EM算法,以及如何使用MATLAB的优化工具箱进一步完善MLE估计器。 笔记 ...
  • 本书以一种易懂的方式教授如何安排和操纵数据的问题,其中不乏一些难题;了解这些知识以期使计算机的应用获得最好的表现。 不管使用何种语言或平台,掌握了数据结构和算法改进程序的质量和性能。 书中提供了一套...
  • 实施牛顿方法以优化对数似然率,并其应用于数据的逻辑回归模型。 用全零的向量初始牛顿法。 绘制训练数据(您的轴应为x1和x2,分别对应于输入的两个坐标,并且对每个绘制的点都应使用不同的符号来表示该示例的...
  • 该库用于可视Bak-Tang-Wiesenfeld沙堆模型,并实时绘制沙堆的统计数据。 可视已针对性能进行了优化。 Sandpile模型的一般说明 Bak-Tang-Wiesenfeld沙堆模型(也称为Abelian沙堆模型)表示一种沙堆,其中的沙粒被...
  • <p><strong>sort方法是对数组的元素排序。参数<code>sortFn可选,其规定排序顺序,必须是函数。 </li></ul> <pre><code>javascript let values = [0, 1, 5, 10, 15]; values.sort(); console.log...
  • 逻辑回归

    2019-04-27 13:01:43
    逻辑回归就是西瓜书里的对数几率回归...逻辑回归假设数据服从 **伯努利分布** ,通过 **极大似然函数** 的方法,运用 **梯度下降** 来求解参数,来达到将数据二分类的目的。 线性模型如何处理二分类问题? 在处理...
  • hdu 5877

    2016-09-13 00:09:12
    铁定超时,想到如何提升每次查找满足条件的点数,线段树/树状数组,以之查询复杂度降低到对数级,故树上存每个点的值即可,但又数据规模巨大,再离散处理之,得解 实现层面,综合复杂度是线性对数级,绝大多数...
  • 学习如何使用OpenMP优化和并行代码。 如何运行代码: 文件下载到一个空目录中。 make编译 ./Test运行 make clean以删除除源文件以外的所有内容 代码的作用是: 在main.c中:3D数组的所有元素初始化为0到...
  • Matlab Hill代码在“使用频谱正则对矩阵进行分类”(ICML ...如何使用它 下载项目。 下载数据集:BCI Competition III。 还要下载true标签,并使用变量名true_y保存它。 BcicompIIIiva.m的前两行更改为保
  • :large_blue_diamond: 图像处理的点算子 关于该项目 使用Processing创建的图像处理的点运算符(负,日晒,二进制等)的非常基本的展示。...该展示柜不允许加载自定义图像,但是您可以通过替换数据文件夹内的
  • graph-assembler-源码

    2021-04-08 02:53:20
    请参阅第2节,了解如何格式化数据文件 此文件夹复制到您的项目文件夹。 包括头文件assemble.h : #include "graph-assembler/assemble.h" 编译时,添加源assemble.c ,例如: clang myProgram.c graph-assembler
  • 由于训练数据总计超过3.9亿行和1.9亿个上下文广告,因此无法整个数据加载到RAM中进行训练。 逻辑回归易于训练且快速,正则会产生稀疏性。 有关该模型的更多详细信息,请查阅Google的论文以供参考。 如何选择...
  • 文章目录从零开始的Java学习生活(10)...今天我们继续数组的学习,了解并学会如何对数组进行增删改查等基本操作。 一、数组的遍历 (1)什么是数组遍历 数组的遍历:指的是获取数组中的每个元素。 还记得我们上节课
  • MATLAB绘图总结

    千次阅读 多人点赞 2021-01-31 18:56:03
    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 一些常用的MATLAB绘图方法 总结一下一些常用的MATLAB的绘图函数和参数设置,增强结果的可视程度。 二维图像绘制 二维图像是在不同的平面...
  • 提到家庭和工业自动、物联网(IoT)、可穿戴设备、人机接口设备(HID)...本系列文章详细讨论这些功能以及它们如何影响系统性能。  蓝牙低功耗(BLE)协议栈可以分成三个部分:  控制器:协议栈控制器对数

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 131
精华内容 52
关键字:

如何将数据对数化