提高朴素贝叶斯分类器准确率
朴素贝叶斯分类器是一种基于贝叶斯定理和特征条件独立性假设的概率分类算法。为了提高朴素贝叶斯分类器的准确率，可以考虑以下几个方面：
- 数据预处理：对原始数据进行清洗、去噪、去重等处理，以提高数据质量和减少噪声对分类结果的影响。
- 特征选择：选择对分类结果有较大影响的特征，可以通过特征选择算法（如信息增益、卡方检验、互信息等）来评估特征的重要性，并选择最具代表性的特征。
- 特征转换：对原始特征进行转换，可以通过降维算法（如主成分分析、线性判别分析等）将高维特征映射到低维空间，减少特征维度，提高分类器的效率和准确率。
- 平滑技术：朴素贝叶斯分类器在计算概率时可能会出现概率为0的情况，可以采用平滑技术（如拉普拉斯平滑、Lidstone平滑等）来解决这个问题，避免零概率的影响。
- 处理连续特征：如果数据中存在连续特征，可以将其离散化，将连续值划分为不同的区间，然后将其视为离散特征进行处理。
- 处理缺失值：对于存在缺失值的数据，可以采用填充缺失值的方法（如均值填充、中值填充、众数填充等）来处理，以保证数据的完整性和准确性。
- 模型评估与调优：使用交叉验证等方法对模型进行评估，选择合适的评价指标（如准确率、精确率、召回率、F1值等）来评估分类器的性能，并根据评估结果进行模型调优，如调整平滑参数、特征选择的阈值等。
腾讯云相关产品和产品介绍链接地址：
- 数据预处理：腾讯云数据清洗服务（https://cloud.tencent.com/product/dqc）
- 特征选择：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 特征转换：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 平滑技术：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 处理连续特征：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 处理缺失值：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 模型评估与调优：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
请注意，以上链接仅为示例，实际使用时需要根据具体情况选择适合的腾讯云产品。
相关·内容
我正在做一个使用python中的朴素贝叶斯分类器进行文档分类的项目。我已经使用了nltk python模块来做同样的事情。这些文档来自路透社数据集。我执行了词干提取和停用字消除等预处理步骤，并继续计算索引项的tf-idf。我使用这些值来训练分类器，但准确率非常低(53%)。我应该做些什么来提高准确率？
浏览 2提问于2012-05-09得票数 2
回答已采纳
我正在使用朴素贝叶斯分类器将数千个文档分类为30个不同的类别。我实现了一个朴素的贝叶斯分类器，通过一些特征选择(主要是过滤无用的单词)，我获得了大约30%的测试准确率，45%的训练准确率。这比随机的要好得多，但我希望它更好。
我尝试过使用NB实现AdaBoost，但似乎并没有给出明显更好的结果(文献似乎在这一点上存在分歧，一些论文说使用NB的AdaBoost不会提供更好的结果，其他的则是)。您是否知道NB的其他扩展可能会提供更好的准确性？
浏览 15提问于2010-08-13得票数 71
回答已采纳
3回答
我正在寻找一个用Java编写的开源朴素贝叶斯分类器库。如果能帮我找到一个会很感激的。
朴素贝叶斯分类器和贝叶斯网络一样吗？
浏览 1提问于2011-12-19得票数 3
回答已采纳
实际上，我正在研究用于过滤邮件的朴素贝叶斯分类器。在垃圾邮件检测和HAM检测中，我的准确率分别达到了95%和94 %，但我相信通过关联规则挖掘可以进一步改进它。我正在计算训练数据集中邮件中单词的可能性和先验概率，并将测试邮件映射到垃圾邮件或HAM类，如下所示，
哪里,
p(d/ c )表示d文件在c类中的概率。
p(c)表示特定类别的概率(在我的例子中是垃圾邮件或哈姆)。
p(f1，f2，f3.fn/ c )表示单词f1，f2...fn在c类中的可能性。
但是，在计算方程2.7时，我们假设了大量的词假设和条件独立性，它们近似于精度(为了方便起见而假定)。
例如，在垃圾邮件中存
浏览 0提问于2017-02-14得票数 1
1回答
基于朴素贝叶斯的文本挖掘
、、、、
我正在用朴素贝叶斯分类器实现计算领域课程的预测代码。输出的目的是预测课程是否(管理、设计、数据库、分析、…)。9班)。我只有大约100条课程描述的记录。我用搜索关键字标记50，我会用它们中的80%作为训练数据，20%作为测试数据，而其他50种课程则由分类器预测。类是不平衡的，我不能改变数据中的任何东西。
精度为75%，如何提高准确度？
它对训练数据集很小吗？
浏览 0提问于2018-02-11得票数 2
1回答
朴素贝叶斯分类器工作在条件独立性原则上。举个例子，银行经理想知道根据客户背景批准贷款给客户的风险有多大。就像收入、工作、账户余额、以往的贷款历史、客户的财产等，现在我们经常看到，要找出贷款审批的风险或不风险，朴素贝叶斯分类器对于prediction.However来说是很好的，我在上面定义的属性是相互依赖的。例如，如果客户有工作，他或她有收入，如果客户有收入，那么他或她有良好的帐户余额，也有良好的信用记录。因此，在现实世界中，属性是相互依赖的。
那么，朴素贝叶斯分类器怎么能给出好的结果呢？不是它违背了它自己的原则，那就是有条件的独立性。
谢谢。
浏览 0提问于2022-04-02得票数 1
回答已采纳
1回答
我是Adaboost的新手，但我一直在阅读它，这似乎是我一直在研究的一个问题的完美解决方案。
我有一个数据集，其中类是“向上”和“向下”。高斯朴素贝叶斯分类器对这两类分类的准确率约为55%(弱精度)。我认为，使用Adaboost和高斯朴素Bayes作为我的基本估计将允许我获得一个更高的精度，但当我这样做，我的准确度下降到大约45%-50%。
为什么会这样呢？我发现Adaboost的表现会低于其基本估计值，这是非常不寻常的。另外，任何让Adaboost工作得更好的建议都会很感激。我用过许多不同的估计量，结果也很差。
浏览 4提问于2016-12-02得票数 1
我喜欢使用朴素的贝叶斯分类器对文本进行分类。如果我有一个词出现在一个文本中多次，如美丽，我是计数所有的时间或只有不同的事件？
浏览 3提问于2012-07-29得票数 0
回答已采纳
1回答
我现在用隐马尔可夫模型来预测太阳辐射。
传统的隐马尔可夫模型只能考虑一个观测序列数据。
然而，当我使用Gibbs采样来估计隐藏状态时，减少了4，并且误差很高。
现在，我正在考虑如何将多个数据输入到模型中，例如将温度和消耗数据都用作观测值。
因此，我搜索动态朴素贝叶斯分类器。然而，我不知道什么是动态朴素贝叶斯分类器以及如何实现它。
有人能给我一些答案或提供一些教程吗？
提前感谢:)
浏览 1提问于2017-08-29得票数 2
1回答
我正在使用apache mahout在客户支持领域中执行情绪分析。由于我无法获得适当的训练数据集，因此我创建了自己的数据集。现在我有100封积极情绪的支持邮件和100封负面情绪的支持邮件。
但问题是，我不能达到准确。它停留在55%左右，这是可悲的。大约70%左右的准确率将是令人满意的。还要注意的是，我使用的是apache mahout的免费朴素贝叶斯分类器。
准确地说，是较小的数据集大小降低了准确性吗？如果没有，我应该在哪里调整？
浏览 5提问于2012-01-25得票数 1
回答已采纳
1回答
对于Bernoulli分类，朴素贝叶斯分类器是否需要一个损失函数？如果是，朴素贝叶斯分类使用的损失函数是什么？它是如何工作的呢？
浏览 0提问于2021-12-16得票数 1
2回答
我需要知道朴素贝叶斯分类器是否可以用于生成多个决策。我找不到任何有证据支持多重决策的例子。我是新来这个地区的。所以，我有点困惑。
实际上我需要开发字符识别软件。在那里，我需要确定给定的字符是什么。贝叶斯分类器似乎可以用来识别给定的字符是否是特定字符，但它不能给出任何其他建议。
例如，如果给定了“3”的图像(我们认为它是“3”)，如果系统不能将其识别为“3”。如果系统显示为“2”，则系统应返回“2”。
我对朴素贝叶斯分类器的想法是，一旦我们训练数据，我们就可以询问系统给定的字符是否是特定字符。例如：我们绘制一个特定数字的图像，并询问系统它是否为'2‘。
我进一步注意到KNN(k近邻)给出
浏览 0提问于2011-08-05得票数 3
回答已采纳
2回答
我尝试将tweet分为两类(例如，basketball和non-basketball)。显然，数据集是动态的，即文档集合并不固定于一组N文档(即tweet)：当用户在Twitter上爬行时，数据集一次又一次地膨胀。
人们应该尝试应用的一件事是朴素贝叶斯分类器，它被广泛用于文本分类。提供了的解释。然而，有一个疑问仍然存在。
我可以从训练集开始计算模型(并说明词汇表V是由训练集中包含的术语组成的)。现在，人们可以收集一个新的、未分类的推文，其中包含V中未出现的术语(即，未出现在训练集中的术语)。朴素贝叶斯分类器仍然适用吗？
概括这个问题:朴素贝叶斯分类器是否可以应用于词汇表不完全已知的情况？
提前
浏览 20提问于2014-04-25得票数 0
2回答
我正在开发一个朴素的贝叶斯分类器使用简单的包词概念。我的问题是在朴素的贝叶斯或任何其他机器学习老师‘训练’分类器是一个重要的事情。但是，当我已经有了一个不同类的bag_of_words时，如何训练朴素的贝叶斯分类器。
浏览 6提问于2015-04-18得票数 1
3回答
我正在研究上千份需要分类的文件，分为五大类。我使用的是朴素贝叶斯分类器。当我在一些示例邮件上测试它时，它工作得很好，但是当我实际将它应用到原始数据集时，计算变得非常复杂，因为有更多的特性。在某种程度上，这些值非常小，几乎为零。因此，我的问题是，如何避免这个问题，得到很小的值，如何改进特征选择？
浏览 0提问于2013-12-15得票数 1
回答已采纳
我想知道贝叶斯分类器对于这样一个应用程序是否有意义:当与某些东西(啤酒，汽水)联系在一起时，同样的短语“冷上桌”(例如)是“好的”，但当与其他东西(牛排，披萨，汉堡)相关时就是“坏”的。
我想知道的是，训练一个贝叶斯分类器(“啤酒冷”和“苏打冷”是“好的”)是否会抵消训练它“冷的牛排”和“冷的汉堡”是“坏的”)。
或者，是否可以(正确地)训练贝叶斯，根据与之相关的内容，“冷食”可能是“好的”，也可能是“坏的”？
我在这里和其他地方找到了很多关于贝叶斯的好信息，但无法确定它是否适合这种类型的应用程序，在这种类型的应用中，短语的好坏的答案是“取决于”？
浏览 0提问于2011-02-02得票数 8
回答已采纳
最近，我开始使用Weka来解决分类问题。我有两种特性
大约1200个特性具有值{0,1}的二进制特性。
大约有30个特性有一些数字整数值，比如1213。
目前我使用的是朴素贝叶斯分类器。
我的问题是:为了获得更好的分类结果，我是否需要像二进制格式一样具有相同格式的所有功能？
现在，我正在使用weka无监督过滤器将所有数字特性转换为二进制特性。这是正确的方式吗？
任何指导都会有帮助。
浏览 1提问于2012-08-20得票数 0
回答已采纳
朴素贝叶斯分类器是否执行文本标注(序列标记)？如果是，我需要一个教程。对于天真的贝斯，你怎么看马利特？
浏览 9提问于2017-01-17得票数 0
回答已采纳
科学工具包中有什么东西可以帮助我做以下的事情吗？
我需要一个贝叶斯网络，它能够接受连续值输入和针对连续值目标的训练。然后，我想输入新的、以前看不见的连续输入，并接收目标值的估计。最好是用一种方法来衡量预测的可信度。(可能是PDF？)
我不确定这是否会被认为是一个天真的贝叶斯分类器。
我一直在看GaussianNB，但我只是不知道它是如何以这种方式使用的。
我想要一个支持“无关选择的独立性”的人
任何建议都是非常感谢的。
浏览 2提问于2014-08-16得票数 2
回答已采纳
朴素贝叶斯假设预测器是独立的。虽然这一假设相当有力，但在某些情况下，它不幸地失败了。那么，Python中是否有任何非朴素Bayes的实现？是否有任何问题禁止实施非朴素贝叶斯分类器。
浏览 0提问于2022-01-31得票数 1
1回答
Weka分类器精度
、、、、
我有来自17个班的73,841个数据实例，我正在用WEKA训练一个分类器。使用FFT对数据进行滤波，每个实例有三个点。
I.e. 85724.5409, 40953.2485, 3204935, 4539024.002345, ?/class
我试过三个分类器:SMO/J 48/朴素贝叶斯。
SMO/朴素贝叶斯的准确率为16%。
而J48分类器的准确率为98/99%。
问题：
我能安全地假设J48分类器正在犯某种错误吗？两种结果怎么会如此相似，而另一种却完全不同呢？
我能做些什么来提高准确度呢？是否有太多的类，难道这些类是不可分离的吗？
谢谢
浏览 0提问于2015-04-09得票数 0
当使用NLTK中的Bernoulli朴素贝叶斯算法和scikit-learn模块中的Bernoulli朴素贝叶斯算法对文本(仅在两个类别中)进行分类时，我得到了完全不同的结果。虽然两者的总体精度是相当的(尽管远不相同)，但I型和II型错误的差异是显着的。特别是，NLTK朴素贝叶斯分类器会给出更多的I型错误而不是II型错误，而scikit-learn则相反。这种“异常”似乎在不同的特征和不同的训练样本中是一致的。这是有原因的吗？两者中哪一个更值得信任？
浏览 1提问于2013-04-01得票数 1
回答已采纳
我尝试使用NaiveBayes分类器和NaiveBayesSimple分类器进行分类，使用以下数据：
@attribute a real
@attribute b {yes, no}
@data
1,yes
浏览 7提问于2011-12-24得票数 2
1回答
我试着训练nltk贝叶斯分类器。是否可以稍后重新训练分类器(添加更多训练数据并仅在其上进行训练)，或者我必须在一次尝试中训练分类器？
浏览 3提问于2012-08-09得票数 0
2回答
我对机器学习的概念还很陌生，我正在尝试解决这个问题。我使用WEKA来做这件事。我有4个簇，他们的意思是形成一个正方形。我提供给朴素贝叶斯的训练数据集有2个类，其中相对的(横跨整个图的中心)聚类在同一个类中。这个模型的准确率甚至不到50%，但当我将类从相反的一侧改为相同的一侧时，准确率变成了100%。为何会这样呢？
浏览 2提问于2014-09-20得票数 0
1回答
我熟悉的概念是利用训练和测试记录的个数来计算朴素贝叶斯分类器的准确性。从数学上讲，是否有一个只使用训练集计算朴素贝叶斯分类器精度的概念？任何建议都会很好。
示例培训集：
A B Class
0 0 _
1 1 +
浏览 6提问于2016-04-19得票数 1
1回答
我理解一般的公式：
P(i | x) = (p(i)p(x|i))/(sum(p(j)(p(x|j))
但我不能成功地将它应用于这项工作：
考虑两个类X1 = {(0,0)}和X2 = {(1,0)，(0,1)}的数据集。对于特征向量(0,0)，朴素贝叶斯分类器会产生哪些分类概率？
我不明白在这种情况下，p(1)和p((0，0)x-1)是什么。
浏览 3提问于2014-01-30得票数 0
1回答
我在谷歌上搜索了很多，找到了一个answer.Then，我想这将是一个有人能够回答我的疑问的领域。
在分类算法中，我们分为模型部分和预测部分。通常，在测试时，我们有准确率。同样，Navie Bayes算法中的模型是否有任何准确率/置信度。
浏览 0提问于2014-10-23得票数 0
1回答
Bayes分类
、、、
理论上，我们总是希望使用Bayes分类器来预测定性的响应。但对于实际数据，我们不知道Y给定X的条件分布，因此计算Bayes分类器是不可能的。因此，贝叶斯分类器是一种无法达到的黄金标准，可以用来比较其他方法。
在现实生活中，为什么我们不能计算贝叶斯分类器？
为什么不能计算给定X的Y的条件分布？
可以用一个例子来解释一下吗？
任何帮助都是非常感谢的。
浏览 0提问于2016-01-26得票数 5
1回答
我正在尝试实现朴素贝叶斯分类器来进行情感分析。我计划使用TF-IDF权重度量。我只是有点卡住了。NB通常使用单词(特征)频率来找到最大似然。那么，如何在朴素贝叶斯中引入TF-IDF权重度量呢？
浏览 2提问于2011-06-09得票数 3
我试图在中使用森林(或树)增广贝叶斯分类器( ) (最好是python 3，但python 2也是可以接受的)，首先学习它(结构和参数学习)，然后使用它进行离散分类，并获得那些丢失数据的特征的概率。(这就是为什么仅仅是离散分类，甚至是好的朴素分类器对我来说都不是很有用的原因。)
在我的数据中，我很想从不完整的数据中使用增量学习，但我甚至在文献中都没有发现这两个方面的任何东西，所以任何能够进行结构和参数学习和推断的方法都是一个很好的答案。
似乎有几个非常独立且未维护的python包大致朝这个方向发展，但我还没有看到任何新近出现的情况(例如，我预计使用pandas进行这些计算是合理的，但OpenB
浏览 0提问于2013-02-16得票数 16
2回答
我正在尝试实现朴素贝叶斯分类器和真正令人困惑的拉普拉斯平滑问题。
在C类中获取单词的概率为：
<pre>
P(Wi|C) = (count(Wi,C) + 1) / (count(all, C) + |V|)
</pre>
但是V是什么呢？是不是只有训练语料库的词汇？或者V是整个英语词汇？
浏览 1提问于2015-07-04得票数 1
1回答
贝叶斯分类器
、、
在matlab中使用贝叶斯分类器时，避免过度拟合和不准确的最佳方法是什么？
我目前使用1000个样本作为训练数据，其中750份为“正常”，250份为“异常”(某一种)。
是否有人发现其中有很好的百分比可以训练分类器，或者每个问题都需要特定数量的训练数据。我会假设后者，但我正在努力找出如何提高准确性，我可以使用什么方法。任何例子都将不胜感激。
下面是我目前使用的一个例子：
training_data = data;
target_class = Book2(indX,:)
class = classify(test_data,training_data, target_class, '
浏览 2提问于2012-11-12得票数 0
1回答
我有一个包含10个不同输入和1个输出的大型数据集。所有的输出和输入都是谨慎的(低、中、高)。我正在考虑创建一个神经网络来解决这个问题，然而，当我将网络设计为有3种不同的输出(低，中，高)并使用softmax神经元时，我基本上得到了一个“概率”。我说的对吗？
这让我认为尝试朴素贝叶斯分类器可能更好，从而忽略输入变量之间可能的相关性，然而在大型数据集中，朴素贝叶斯显示了有希望的结果。
在这种情况下，有没有理由选择神经网络而不是贝叶斯？当你想要一个概率作为输出(使用神经网络中的softmax函数)时，选择神经网络的原因是什么？
浏览 4提问于2012-08-20得票数 1
回答已采纳
1回答
分类时计算置信度
、、、
我使用一个朴素的贝叶斯算法来预测电影收视率是正的还是负的。我已经能够以81%的准确率给电影打分。然而，我也在努力为每一个评级指定一个“信心水平”。
我试图找出我如何告诉用户这样的事情：“我们认为审查是积极的，80%的置信度”。有人能帮助我理解如何计算对我们的分类结果的置信度吗？
浏览 5提问于2013-11-08得票数 3
回答已采纳
1回答
我想使用贝叶斯网络机制来过滤垃圾邮件。您认为网络的适当拓扑应该是什么样子的？朴素贝叶斯模型呢？(朴素贝叶斯模型有时称为贝叶斯分类器)
浏览 5提问于2009-03-26得票数 1
1回答
我正在尝试实现一种朴素的贝叶斯方法来查找给定文档或词流的主题。有没有朴素的贝叶斯方法，我可以查一下？
此外，我还在努力改进我的字典。最初，我有一堆单词映射到一个主题(硬编码)。这取决于已经映射的单词之外的单词的出现情况。根据这些单词的出现次数，我想将它们添加到映射中，从而改进和学习映射到主题的新词。同时也改变了单词的概率。
我该怎么做呢？我的方法正确吗？
哪种编程语言最适合实现？
浏览 4提问于2010-05-06得票数 12
回答已采纳
2回答
是否有任何可靠的/部署的方法、算法或工具来通过解析一些网页来标记网站类型。
例如:论坛、博客、PressRelease站点、新闻、电子通信等。
我正在寻找一些定义良好的特征(静态规则)，从中可以确定这一点。如果没有，我希望机器学习模型能有所帮助。
建议/想法？
浏览 1提问于2011-01-11得票数 3
回答已采纳
1回答
注意-我读过这的文章，但仍然不明白
我有一个朴素的贝叶斯分类器，当我输入我的训练数据来测试准确性时，我得到了63.05%。当我输入测试数据时，准确率为65.00%。
为什么训练和测试的准确性几乎相同？关于信息，我的数据被分割成70/30。这是否意味着没有过度适应？
浏览 0提问于2021-02-27得票数 2
回答已采纳
3回答
将文档分类为多个类别
、、、、
我在Postgres数据库中存储了大约30万个文档，这些文档带有主题类别(总共大约有150个类别)。我还有另外15万个还没有分类的文档。我正在尝试找到对它们进行程序化分类的最佳方法。
我一直在探索及其朴素的贝叶斯分类器。这似乎是一个很好的起点(如果你能为这项任务提出一个更好的分类算法，我洗耳恭听)。
我的问题是，我没有足够的内存来一次训练所有150个categoies/300k文档上的NaiveBayesClassifier (5个类别的训练使用8 8GB)。此外，随着我对更多类别的训练，分类器的准确性似乎会下降(2个类别的准确率为90%，5个类别的准确率为81%，10个类别的准确率为61%
浏览 0提问于2010-06-25得票数 33
回答已采纳
1回答
我正在尝试训练一个情感分析模型，下面是我训练过的多项朴素贝叶斯分类器，准确率为84%。
我一直想不出如何用经过训练的模型来预测句子的情感。例如，我现在想用经过训练的模型来预测“我恨你”这个短语的情绪。
我是这个领域的新手，任何帮助都是非常感谢的。
浏览 0提问于2019-01-25得票数 0
回答已采纳
1回答
我一直读到朴素的贝叶斯比许多其他的ML算法需要更少的特性。但是，使用朴素的Bayes模型，获得好的结果(90%的准确性)所需要的最小特性是多少呢？我知道这个问题没有客观的答案--这取决于你的确切特征，尤其是你想学什么--但我正在寻找一个关于这个问题的大致数字答案。
我之所以问这个问题，是因为我有一个拥有大约280个特性的数据集，并且想了解这是否太少，不能与朴素的贝叶斯一起使用。(我尝试在我的数据集上运行朴素贝叶斯，虽然我获得了86%的准确率，但我不能相信这个数字，因为我的数据是不平衡的，我相信这可能是高精度的原因。我目前正试图解决这个问题。)
如果是相关的话:我正在研究的确切问题是为维基百科文
浏览 0提问于2020-12-28得票数 1
我试图在R中实现一个NB分类器，通过重新创建给我的数据结果。现在，我只是简单地测试训练数据本身，看看它的准确性。
数据集中有29个变量，其中一个称为“状态”。它有两种价值，输赢。我把训练数据分成了大约2/3的训练，1/3的测试。目标是确定状态预测的准确性是赢还是输。
我想我理解这个错误，因为“赢”和“输”不是数值，但据我理解，它们不是因素吗？我会把我的代码贴在下面。我正在使用中的bnlearn示例作为我的基础。如果有更好的例子，请告诉我。
#Read in training data
trainingdata <- read.csv("C:\\.....filepath.csv&
浏览 2提问于2015-11-10得票数 0
回答已采纳
根据我对朴素贝叶斯分类器的理解，基于“证据”(训练集)为每个标签(或可能性)生成一棵树。使用这些树可以对未来的示例进行预测，例如，一个实例是否可以被分类为“异常”或“正常”。
在weka库中，有没有一种方法可以让我可视化地输出每个标签树？或者在Java中访问这些树？
谢谢
浏览 42提问于2018-10-23得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
