课程 中级  4923

课程介绍：现阶段前端行业发展迅猛，前端技术也在高速迭代，ES6-ES11规范增加了很多JavaScript新特性。ES新特性已经成为前端技术发展的趋势，语法简洁，功能丰富，部分特性还有性能提升。 本套课程以ECMA相关概念讲起，涵盖ES6-ES11的新特性，每个新特性都有对应的代码，部分特性还加入了专门的案例，课程由浅入深，通俗易懂，学习后会有较大的技术提升。

课程 初级  2012

课程介绍：本课程主要围绕vue3.0 Composition API展开，相比vue2.0版本(Option API)，Composition API（组合API）算是3.0的重大变更之一，使用组合API的目的是通过一组低侵入式的、函数式的 API，使得我们能够更灵活地「组合」组件的逻辑。

课程 中级  67974

课程介绍：PHP7是PHP编程语言全新的一个版本，主要在性能方面获得了极大的提升。官方的文档显示，PHP7可以达到PHP5.x版本两倍的性能。同时还对PHP的语法做了梳理，提供了很多其他语言流行的语法格式。难能可贵的是，做了如此大的改动，PHP7的兼容性还是非常好的。对于绝大多数的应用来讲，可以不用做修改即可迁移到PHP7版本。

课程介绍：在机器学习中，特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类：稀疏特征和密集特征。稀疏特征稀疏特征是那些在数据集中不连续出现的特征，并且大多数值为零。稀疏特征的示例包括文本文档中特定单词的存在或不存在或交易数据集中特定项目的出现。之所以称为稀疏特征，是因为它们在数据集中只有很少的非零值，而且大多数值都是零。稀疏特征在自然语言处理(NLP)和推荐系统中很常见，其中数据通常表示为稀疏矩阵。使用稀疏特征可能更具挑战性，因为它们通常具有许多零或接近零的值，这会使它们在计算上变得

2023-04-21 评论 0  1762

课程介绍： PHP版 字符化图像

2016-07-25 评论 0  892

课程介绍：特征提取是数据降维的过程，通过优化，减少原始数据的数量，提高数据的可用性。大型数据集需要大量计算资源来处理，而特征提取可以有效地减少需要处理的数据量，同时仍能准确描述原始数据集。特征提取是将原始数据转换为数字特征的过程，保留关键信息。经过处理后，可获得更准确的结果。与特征选择不同的是，特征选择保留了原始特征的子集，而特征提取创建了全新的特征。如何进行特征提取？可以手动或自动进行特征提取。手动特征提取需要识别和描述与特定问题相关的特征，并实施提取这些特征的方法。自动特征提取涉及利用专门的算法或深度

2024-01-23 评论 0  473

课程介绍：介绍 嘿，今天我们将揭开特征工程的神秘面纱。这似乎是一个很难涵盖的主题，但我希望在本文结束时您至少能了解它的基础知识。 来自维基百科，特征工程是一台机器

2024-09-12 评论 0  968

课程介绍：特征工程 特征工程被描述为机器学习中的预处理步骤，它将原始数据转换为一组更有效的输入，这些输入具有多个称为特征的属性。 机器学习模型的成功

2024-08-18 评论 0  267