迅雷支持
高性能并行SVM-用于Ruby
:fire: 使用 GPU 和多核 CPU 实现卓越性能
有关支持向量机的精彩介绍，请查看。
安装
将此行添加到您的应用程序的Gemfile中：
gem 'thundersvm'
在 Mac 上，还要安装 OpenMP：
brew install libomp
入门
准备数据
x = [ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] , [ 7 , 8 ] ]
y = [ 1 , 2 , 3 , 4 ]
训练模型
model = ThunderSVM :: Regressor . new
model . fit ( x , y )
使用ThunderSVM::Classifier进行分类，使用ThunderSVM::Model进行其他模型
作出预测
model . predict ( x )
将模型保存到文件
2023-04-21 20:07:01
19KB
1
《Ruby完全自学手册》特色：涵盖基础知识、核心技术、典型示例等内容，按照“基本概念-核心语法-典型示例”的模式讲解，容易上手，提供180余个典型案例、4个项目案例。
超值光盘内容：《Ruby完全自学手册》源代码+《Ruby完全自学手册》视频演示+《Ruby完全自学手册》电子教案（PPT），1200余页编程技术文档（免费赠送）+45个编程专题视频讲座（免费赠送）。
系统介绍Ruby的语法、基本类型及各种动态特性
全面讲解RIJby在网络应用、图形
处理、系统管理及Web开发等各领域的应用
采用大量实例，详解RUby语言所能涉及的各种常用知识和应用
详细介绍网站开发框架RubyonRails的基础及应用
通过4个项目案例讲解Ruby的典型应用
作者均为有多年编程经验的一线程序员或者培训讲师
2023-03-29 20:17:47
77.14MB
1
ruby-2.6.5.tar.gz 来自官网，
ruby-2.6.5.tar.gz 来自官网，
ruby-2.6.5.tar.gz 来自官网，
2023-03-23 11:02:28
15.42MB
1
Ruby Under a Microscope 在c语言层面深入挖掘ruby
深入学习ruby的内部实现机制 更高效的开发ruby代码
2023-03-12 23:57:26
11.67MB
1
版本定位：
目前采用ELK7.x：即ELK（elasticsearch7.3+logstash7.3+kibana7.3）
官网最新版本搭建集群和展示elk是什么意思中文？
ELK Stack 是Elasticsearch、Logstash、Kiban三个开源软件的组合。在实时数据检索和分析场合，三者通常是配合共用，而且又都先后归于 Elastic.co 公司名下，故有此简称。 ELK Stack成为机器数据分析，或者说实时日志处理领域，开源界的第一选择。和传统的日志处理方案相比，ELK Stack 具有如下几个优点： ? 处理方式灵活。Elasticsearch 是实时全文索引，不需要像 storm 那样预先编程才能使用； ? 配置简易上手。Elasticsearch 全部采用 JSON 接口，Logstash 是 Ruby DSL 设计，都是目前业界最通用的配置语法设计； ? 检索性能高效。虽然每次查询都是实时计算，但是优秀的设计和实现基本可以达到全天数据查询的秒级响应； ? 集群线性扩展。不管是 Elasticsearch 集群还是 Logstash 集群都是可以线性扩展的
2023-03-10 15:35:13
1.04GB
1
服务代理 API
实现任何 CF 服务代理的通用接口。 这使用 Service Broker API v2.4。
用法
这个 sinatra 应用程序提供了一个实现以下请求的通用 api：
应用程序接口
结果
获取/v2/目录
宣传 CF 市场中提供的服务及其计划。
PUT /v2/service_instances/:id
创建一个名为d-id的服务实例。
PUT /v2/service_instances/:instance_id/service_bindings/:binding_id
在服务实例d-instance_id上创建名为u-binding_id的绑定。
删除 /v2/service_instances/:instance_id/service_bindings/:binding_id
删除绑定u-binding_id 。
删除 /v2/service_i
2023-03-10 10:15:51
18KB
1
轻型GBM
高性能渐变增强-适用于Ruby
安装
将此行添加到您的应用程序的Gemfile中：
gem 'lightgbm'
在Mac上，还要安装OpenMP：
brew install libomp
培训API
准备数据
x = [ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] , [ 7 , 8 ] ]
y = [ 1 , 2 , 3 , 4 ]
训练模型
params = { objective : "regression" }
train_set = LightGBM :: Dataset . new ( x , label : y )
booster = LightGBM . train ( params , train_set )
预测
booster . predict ( x )
将模型保存到文件
booster . save_mode
2023-03-06 19:44:59
62KB
1
前言ix在开始编程之前，让我们先了解一下什么是 Ruby。Ruby 是面向对象语言Ruby 是一群热爱面向对象编程的程序员，为了实现最优秀的面向对象语言而设计、
2023-03-05 17:08:06
13.99MB
1