首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    不管ofo和摩拜合并不合并,区块链单车已经上路了

    如今,北京的街道上摆满的共享单车只剩下黄色和橙色,偶尔看见布满灰尘的蓝色。这些单车虽然名为共享,其实是有所属的,装备的最高科技的锁能将你从一个地方到达另外一个地方,这就是狡猾的锁能够发挥的最大效果。 这些黄色的单车是ofo,声称在今年将会在全球200多个城市布局1000万辆自行车。而他的最大的对手,摩拜单车,已经在国内外布局了700万辆自行车。这些自行车与世界各地其他城市自行车的共享计划的区别在于,骑行结束之后可以随地停放,而且注册交了押金的用户可以在任何地方看到并开锁使用,依照使用时长来收费。 📷 但是,

    05

    自动驾驶车与自行车的「互动盲区」:比行人风险高得多

    编辑 / 陶昱璇 近年来,在关于自动驾驶道路安全的研究中,对行人的关注度似乎远高于自行车骑手。 但随着自动驾驶汽车在道路上变得越来越普遍,这个问题值得大家关注——骑自行车的人需要长时间与汽车并排行驶,他们需要依靠与司机的双向互动来确定对方的意图。 与行人相比,自行车与自动驾驶汽车之间的行为互动更为复杂。这是未来几代自动驾驶汽车要解决的重大挑战。目前,自动驾驶汽车对自行车骑手提供的直接反馈非常少,这让自动驾驶汽车很难做出重要决定。是否可以安全超车?是否可以转换车道?双方都只能靠猜。但是,这将让道路变得非常

    01

    基于微软案例数据库数据挖掘知识点总结(Microsoft 决策树分析算法)

    随着大数据时代的到来,数据挖掘的重要性就变得显而易见,几种作为最低层的简单的数据挖掘算法,现在利用微软数据案例库做一个简要总结。 应用场景介绍 其实数据挖掘应用的场景无处不在,很多的环境都会应用到数据挖掘,之前我们没有应用是因为还没有学会利用数据,或者说还没有体会到数据的重要性,现在随着IT行业中大数据时代的到来,让我一起去拥抱大数据,闲言少叙,此处我们就列举一个最简单的场景,一个销售厂商根据以往的销售记录单,通过数据挖掘技术预测出一份可能会购买该厂商产品的客户名单,我相信这也是很多销售机构想要得到的数据

    05

    基于微软案例数据库数据挖掘知识点总结(Microsoft 聚类分析算法)

    本篇文章主要是继续上一篇Microsoft决策树分析算法后,采用另外一种分析算法对目标顾客群体的挖掘,同样的利用微软案例数据进行简要总结。 应用场景介绍 通过上一篇中我们采用Microsoft决策树分析算法对已经发生购买行为的订单中的客户属性进行了分析,可以得到几点重要的信息,这里做个总结: 1、对于影响购买自行车行为最重要的因素为:家中是否有小汽车,其次是年龄,再次是地域 2、通过折叠树对于比较想买自行车的顾客群体特征主要是:家里没有车、年龄在45岁一下、不在北美地区、家里也没有孩子(大米国里面的屌丝层次

    05
    领券