根据分布计算元素的似然
是一种计算方法，它基于统计学的概念，通过对数据的分布进行建模，并利用似然函数来评估模型参数的最大似然估计。这种方法在云计算领域中有着广泛的应用。
在云计算中，根据分布计算元素的似然可以用于数据分析、模型训练和预测等任务。通过似然函数的最大化，可以找到最优的模型参数，从而提高模型的准确性和性能。
优势：
- 精确性：根据分布计算元素的似然能够通过对数据的概率分布进行建模，提供更精确的结果。
- 可解释性：该方法通过似然函数来评估模型参数，使得结果更容易解释和理解。
- 并行性：云计算平台的高性能和可扩展性可以支持大规模的分布计算，加速模型训练和推断过程。
应用场景：
- 数据分析：根据分布计算元素的似然可用于对大规模数据集进行统计分析，如分类、聚类和回归等任务。
- 机器学习：该方法可用于模型训练和预测，通过最大化似然函数来优化模型参数，提高模型性能。
- 自然语言处理：在自然语言处理领域，根据分布计算元素的似然可用于语言模型的建模和预测，如文本生成和语义理解等任务。
- 金融风控：该方法可用于对风险进行建模和评估，如信用评分和欺诈检测等场景。
推荐腾讯云产品： 腾讯云提供了多种产品和服务，可以支持根据分布计算元素的似然的应用场景。以下是几个推荐的产品和产品介绍链接地址：
- 腾讯云人工智能平台：该平台提供了丰富的人工智能服务和工具，支持机器学习、自然语言处理等任务。详情请参考：https://cloud.tencent.com/product/ai
- 腾讯云大数据平台：该平台提供了高性能的大数据存储和计算服务，适用于数据分析和建模。详情请参考：https://cloud.tencent.com/product/cdp
- 腾讯云容器服务：该服务提供了容器化应用部署和管理的解决方案，可支持并行计算和分布式计算场景。详情请参考：https://cloud.tencent.com/product/tke
请注意，以上推荐的腾讯云产品仅供参考，实际选择应根据具体需求进行评估。
相关·内容
1回答
如果我有一组非常大的数据(~ 1TB)。如何使用神经网络对这些数据，以了解哪些基本分布(例如。让我们假设一个具有一定均值的高斯或泊松人，sd)是数据所青睐的。至少，我可以得出结论，如果其中一个发行版(两个发行版中的一个)不受欢迎？
因此，主要的目标是，如果在预测时，在从这个数据集中学习之后，我能知道算法所预测的是基于哪种基本分布(或倾向于哪种分布)。
浏览 0提问于2021-04-24得票数 0
回答已采纳
1回答
有谁知道如何使用Matlab中的Does工具来区分分布之间的差异(即它们的拟合优度)？在我很久以前上的一门课上，我们学习了对数似然参数，以及如何比较适合高斯和伽玛的pdf，等等。但现在，所有matlab在线帮助文件都像是“这意味着什么”。任何帮助都将不胜感激。基本上，我需要解释edit工具的"edit fit“中的”result“。我希望能够从结果中将我的数据拟合相互比较，这样我就可以为我的分析选择最合适的。我不知道-111和-105的对数概率有什么不同。
示例如下：
Distribution: Normal
Log likelihood: -110.954
Domain: -Inf
浏览 0提问于2015-09-06得票数 1
我正在使用MATLAB对我的数据进行beta分布拟合。 为此，有几个选项，如fitdist，它提供了一组a和b，并且可以使用betastat或简单的mean和std命令访问统计数据(平均值和std)。 但是，如果我希望我的分布具有给定的均值，并且只有std是未知的，我该怎么办呢？ 这里有一个例子。我有一个可变bin大小的半直方图，定义了中心比率及其概率，如下所示： central_ratios = [.005 .1 .4 .8 1];
probabilities = [.5 .3 .1 .08 .02];
vul = sum(central_ratios.*probabiliti
浏览 52提问于2019-05-07得票数 1
这可能不是一个适合这个论坛的问题，但我想知道是否有人知道本网站的stats.norm.fit()方法是如何确定分布参数的？我在某处读到它使用最大似然估计，但我找不到任何官方文档。
提前谢谢你，
BJR
浏览 10提问于2018-01-08得票数 3
回答已采纳
我不能通过正常的方法得到它们。
> x <- rnorm(1000, 10, 1)
> y <-rgamma(1000, shape=1, rate=x)
> myfit <- vglm(y~x, family=gammaff(link="reciprocal"))
> summary(myfit)
Call:
vglm(formula = y ~ x, family = gammaff(link = "reciprocal"))
Pearson residuals:
Min 1Q Med
浏览 4提问于2014-07-25得票数 1
1回答
目前，我正在将经验分布与中解释的理论分布进行拟合
使用分布，结果显示与分布有很好的拟合。
下面是我目前使用的一些scipys发行版的方法：
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import scipy.stats
import matplotlib.pyplot as plt
# Sample data with random numbers of hypsecant distribution
data = scipy.stats.hypsecant.rvs(size=8760, loc=1.93,
浏览 40提问于2016-07-27得票数 3
回答已采纳
4回答
我有一个概率密度函数(PDF)
(1-cos(x-theta))/(2*pi)
theta是未知参数。如何编写此PDF的对数似然函数？我很困惑；x将来自我的数据，但是我如何处理等式中的theta呢？谢谢
浏览 1提问于2010-11-29得票数 1
回答已采纳
1回答
我试图用最大似然估计将GARCH(1,1)模型拟合到具有Gamma(a，1/a)分布的数据集中。因此，使用is的对数似然函数im : LogL =- ln(Γ(nu )) +( nu - 1) * ln(x) - nu*(x/mu) -nu*nu* ln(mu)
X=数据，mu = GARCH(1,1)。nu是伽马函数的输入。
我试图同时估计nu和GARCH(1,1)参数(omega，alpha，beta)。我写的代码是
import numpy as np
import pandas as pd
import scipy.optimize as opt
from scipy.special
浏览 6提问于2022-06-02得票数 1
2回答
我有指数分布a*exp(b*x)的实验数据。目的是找出系数a，b及其误差。
我尝试了使用函数fit(B,C, 'exp1')，并得到了一些结果。
目前，我正在实验一些问题，因为由于实验的性质，文件中的某些数据点具有较高的错误率。
具体问题是：
在Matlab中，哪种算法或函数能给出最小的误差？
如何使用/采用Matlab中的一些函数来对与指数函数大不相同的数据赋予较小的权重(当我计算系数时)？
浏览 9提问于2013-11-04得票数 1
我运行了以下模型
m1 <- lmer ( XX ~ XX_cov
+ time + time:group + ZZ_cov + YY_cov
+ age + (1 | ID), data = dat_long0 )
摘要(M1)
> Linear mixed model fit by REML. t-tests use Satterthwaite's method
> [lmerModLmerTest ] Formula: XX ~ XX_cov + time + time:group + ZZ_cov + YY_cov + age
浏览 6提问于2022-10-11得票数 -1
2回答
很抱歉，我提出了一个很基本的问题，但我不明白用最大似然估计方法估计概率分布参数与手工计算这些参数有什么不同。对于MLE，我们需要知道概率分布的类型，所以我们为什么不使用已知的公式来计算观测数据中相应的参数呢？我相信MLE在某种程度上是更通用的方法，但我不知道与“手动”获取这些参数相比，MLE的真正优势是什么。
谢谢你的解释。
托马斯
浏览 0提问于2018-10-04得票数 0
回答已采纳
1回答
我正在尝试在我的神经网络中使用负对数似然作为度量。然而，我发现了两种不同的loss实现，我似乎找不出哪一个是正确的。
negative_log_likelihood = tf.reduce_mean(
-tf.reduce_logsumexp(-tf.keras.losses.sparse_categorical_crossentropy(
targets, logits, from_logits=True), axis=1)
或
negative_log_likelihood = tf.reduce_mean(
tf.r
浏览 5提问于2021-11-08得票数 0
1回答
负对数似然
\sum_{i=1}^{m}\log p_{model}(\mathbf{y} | \mathbf{x} ; \boldsymbol{\theta})
可以乘以\frac{1}{m}，然后用大数定律得到
\frac{1}{m} \sum_{i=1}^{m}\log p_{model}(\mathbf{y} | \mathbf{x} ; \boldsymbol{\theta}) \rightarrow E_{}(\log p_{model}(\mathbf{y} | \mathbf{x} ; \boldsymbol{\theta}))
当样本大小时，m趋于无穷大。这种期望
浏览 0提问于2021-05-06得票数 2
回答已采纳
1回答
我使用的是R的auto.arima函数，但似乎它不会一直产生高斯误差。我找不到任何文档说明它会引导预测错误(如果错误不是高斯的)，或者如果错误不是高斯的，它会做什么？
浏览 1提问于2018-10-23得票数 0
回答已采纳
2回答
如何测量延迟分布
、、、
我正在尝试分析系统中的延迟分布。按以下方式收集延迟:测量每分钟的最大观察延迟，如果此延迟是今天看到的最大延迟，则记录此值。在一天结束的时候，我会得到这样的东西：
[12, 15, 19, ..., 57, 120]
这是一天内API调用的时间，以毫秒为单位。我需要从这些数据中构建一些有用的度量标准，但我不知道如何构建！显然，如果我从这个数据集中计算平均值或中位数，这是没有意义的。它不会代表真正的中位数或平均值，因为如果最大延迟发生在一天的第一分钟-它将是中位数和平均值。我不能依赖最大值，因为这可能是由某些罕见事件(如网络延迟)引起的异常值。这个异常值不能代表代码质量，也不能帮助捕获真正的错误。
浏览 3提问于2015-01-27得票数 1
当我使用count:poisson而不是rmse时，我看到的是nloglikelihood值。现在我不确定如何将这些数字与rmse或mae进行比较。
当然值越小越好..但没有得到我们在rmse或Mae中得到的实际错误直觉。
例如-> train-poisson-nloglik:2.01885 val-poisson-nloglik:2.02898
这里我们可以说，实际值相差2.02个误差。有人能用一个小例子来解释一下吗？谢谢。
浏览 0提问于2017-03-22得票数 0
2回答
一种后验p(\theta\vert x) = \frac{p(x \vert \theta)p(\theta)}{p(x)}
许多材料说，由于p(x)是一个常数，p(x)可以被忽略。因此，p(\theta\vert x) \propto p(x \vert \theta)p(\theta)
我的问题是为什么p(x)是一个常量而被忽略。这是因为即使我们不知道x分布，x也有相应的真正分布吗？因此，p(x) 是一个常数(我们不知道，但已经确定了)，因此，可以忽略吗？
浏览 0提问于2019-02-28得票数 1
回答已采纳
我有一份数据清单
frequency x1,x2,...,xn
i.e. 10,20,...,5000.
Intensity y1,yx,...,yn
0,0,...,50,60,50,...,0
我想用正态分布来拟合数据。
我在网上找到了一些网站，比如()，通过这个程序，
my_data <- rnorm(250, mean=1, sd=0.45)# unkonwn distribution parameters
fit <- fitdistr(my_data, densfun="normal")
但很明显，这些方法是行不通的。
如何
浏览 0提问于2019-02-24得票数 1
1回答
我正在尝试实现一个科学知识库中的高斯朴素贝叶斯。我知道朴素贝叶斯是建立在贝叶斯定理的基础上的，在高层次上定义为：posterior = (prior * likelihood) / evidence.
据我所知，先前和证据都是从培训数据中学到的。
我不确定Q1是否可能:它也是从训练数据中得到的，还是使用最大似然估计？Q2:是否需要调优任何超参数？
浏览 4提问于2020-08-02得票数 0
回答已采纳
3回答
我想计算给定CDF的的参数µ和lambda。
所谓“给定CDF”，我的意思是我已经给出了数据和数据的(估计)分位数，即。
Quantile - Value
0.01 - 10
0.5 - 12
0.7 - 13
现在我想找出这个数据的逆高斯分布，这样我就可以根据我的分布查找值11的分位数。
如何找到µ和lambda的值？
我能想到的唯一解决方案是使用梯度下降来找到最佳的µ和λ，并使用RMSE作为误差度量。
没有更好的解决方案吗？
注释:Matlab的MLE算法不是一个选项，因为它不使用分位数数据。
浏览 1提问于2012-10-31得票数 5
回答已采纳
1回答
我有在X轴上随机分布的物体。对象具有周期性( m )分布，其位置在m的倍数附近略有变化。
这里的图表显示了m=100的分布。
有没有一种方法可以使用分布的统计来计算m？
谢谢!
浏览 0提问于2011-11-10得票数 0
2回答
我是机器学习的新手，我学习的第一个论点是线性回归。我明白，用几句话来说，使用线性回归的想法是学习一个假设，它可以在y的近似下映射一个新的输入x。
为了做到这一点，如果我的假设是：
h(x) = wx + w0
我必须更新我的参数，将误差函数最小化，如最小二乘，并借助梯度下降这样的优化算法优化w向量。
我理解这是如何工作的，但有时我看到这种“最大似然估计”，我不明白它是否是估计w参数或其他什么的另一种方法。
浏览 0提问于2018-06-26得票数 1
回答已采纳
1回答
您是否可以使用Akaike信息标准(AIC)进行逻辑回归或顺序回归的模型选择？我想创建多个不同的逻辑模型和序数模型，以找到适合我的数据的最佳模型，并想知道(AIC)是否适用于这种类型的回归建模。
浏览 8提问于2017-04-12得票数 0
我需要使用MLE从样本数据中估计威布尔分布的形状和尺度参数。我检查了Apache commons Math的WeibullDistribution类，但它没有这样的功能。有什么建议吗？我需要在java应用程序中使用这个类。
浏览 7提问于2017-12-13得票数 6
1回答
我无法在pytorch中对多标签分类使用损失函数这是我的损失函数：
def loss(self,pred,y_true):
pred = torch.tensor(pred)
y_true = torch.tensor(y_true)
loss = nn.NLLLoss()(torch.log(pred), y_true)
return loss
在试图获得损失时：
model.loss(model(xtrain),ytrain)
它显示一个错误：
RuntimeError: 1D target tensor expected, multi-target
浏览 6提问于2021-09-24得票数 0
1回答
我正在用scipy.ndimage做图像处理。给定一个环形物体，我想围绕它的圆周生成一个“轮廓”。轮廓可以是环周围不同点的厚度测量，或者是环的“厚度”的平均信号。
在我看来，如果我能首先得到一个好的标签图像，我可以使用ndimage.mean。
如果我的戒指是这样的，
A = array([[0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 0, 0, 1,
浏览 3提问于2012-09-21得票数 1
1回答
我有一个数据集，我想找出适合它的分布。如何检查此数据库上的差异分布？是否有任何代码或在MATLAB中执行此操作的自动代码
谢谢。
浏览 0提问于2014-08-29得票数 0
我有一组实验值，我想找到更好地描述它们分布的函数。但在对一些函数进行修补的过程中，我发现scipy.optimize.curve_fit和scipy.stats.rv_continuous.fit给出了非常不同的结果，通常不利于后者。下面是一个简单的例子：
#!/usr/bin/env python3
import numpy as np
from scipy.optimize import curve_fit as fit
from scipy.stats import gumbel_r, norm
import matplotlib.pyplot as plt
amps = np.loa
浏览 0提问于2014-10-31得票数 2
1回答
观测数据c++中概率分布的拟合
、、、、
实际上，我有一个实数向量(例如1*300)。我正在寻找一个代码片段，在c++中拟合概率分布函数到这个向量。
之后，我想用这个pdf来计算这个向量的任何条目的概率。可以为这个向量创建一个直方图(这看起来是一个更容易的解决方案)，但我需要对我不喜欢的东西进行量化。
更重要的是，我还有一个同样大小的实数向量。我想拟合这两个向量的二维联合概率。这一结果将同样用于计算两个向量的任何联合入口的概率。
谢谢您的答复。
浏览 4提问于2014-04-13得票数 1
回答已采纳
2回答
以下是我的代码：
library(fitdistrplus)
s <- c(11, 4, 2, 9, 3, 1, 2, 2, 3, 2, 2, 5, 8,3, 15, 3, 9, 22, 0, 4, 10, 1, 9, 10, 11,
2, 8, 2, 6, 0, 15, 0 , 2, 11, 0, 6, 3, 5, 0, 7, 6, 0, 7, 1, 0, 6, 4, 1, 3, 5,
2, 6, 0, 10, 6, 4, 1, 17, 0, 1, 0, 6, 6, 1, 5, 4, 8, 0, 1, 1, 5, 15, 14, 8, 1,
3, 2, 9, 4, 4, 1,
浏览 1提问于2018-08-25得票数 6
1回答
我构建了一个glm模型，并使用它来预测测试数据的概率。 model = glm(y ~ x, data=dt, family=binomial(link='logit'))
pred = predict(model, newdata=test.dt, type='response') 如何找到预测概率的测试对数似然？
浏览 7提问于2021-03-31得票数 1
回答已采纳
1回答
我试图找到任何方法来测试泊松残差，比如aov()中的法线。在我假设的例子中： # For normal distribution
x <- rep(seq(from=10, to=50, by=0.5),6)
y1 <- rnorm(length(x), mean=10, sd=1.5)
#Normality test in aov residuals
y1.av<-aov(y1 ~ x)
shapiro.test(y1.av$res)
# Shapiro-Wilk normality test
#
#data: y1.av$res
#W = 0.99782, p-
浏览 32提问于2020-08-22得票数 0
回答已采纳
1回答
有人能帮我把下面的警告翻译成简单的英文吗？
1: rcpp_bcpM(y，as.integer(id)，as.integer(return.mcmc)，as.integer(燃烧素)，：pbeta(*，log.p=TRUE) -> bpser(a=3630，b=21，x=0.8，.)流向-Inf
输入是日志返回的一列，如下所示：
XYZ_xts$LogReturns<-diff(log(XYZ_xts$Adj_Close),lag=10)
我尝试了以下命令，它们都返回相同的警告：
XYZ_bcp<-bcp(XYZ_xts$LogReturns)
XYZ_bcp&
浏览 1提问于2016-07-18得票数 1
回答已采纳
1回答
关于EM算法。如果我理解正确的话，似然率是在E步中获得的(例如，在Baum-Welch算法中，似然率可以通过前向-后向过程获得)。然而，每一次EM迭代的最后一步是M步。这意味着在步骤k中计算的似然，实际上“属于”步骤(k-1)的参数。真的是这样吗，还是我漏掉了什么？
浏览 5提问于2015-06-25得票数 0
作为初学者，我正在用Python做我的第一个项目。
我想试着确定Logit回归中的两个系数是否彼此有显着不同。具体地说，我正在尝试进行Wald测试，我想知道在运行logit回归之后如何计算/显示参数的方差-协方差矩阵。
我已经在R中找到了如何做到这一点的代码和说明，并希望在Python中得到一些帮助。我使用的是与示例答案相同的UCLA数据：
在R中运行我想要的代码的答案如下：“所以我们还需要βgreβgre和βgpaβgpa的协方差。运行逻辑回归后，可以使用vcov命令提取方差-协方差矩阵: var.mat <- vcov(mylogit)c("gre"，"gpa
浏览 12提问于2018-02-23得票数 0
回答已采纳
我正在尝试评估R中几个回归的模型拟合，我遇到了一个我已经多次遇到的问题:我的泊松回归的对数似然是无限的。
我使用了一个非整数依赖变量(注意:我知道在这方面我在做什么)，我想知道这是否就是问题所在。然而，在使用glm.nb运行回归时，我没有得到无限的对数似然。
重现该问题的代码如下。
编辑:当我将DV强制转换为整数时，问题似乎消失了。你知道如何从非整数DV的泊松中获得对数似然吗？
# Input Data
so_data <- data.frame(dv = c(21.0552722691125, 24.3061351414885, 7.84658638053276,
25.029467
浏览 1提问于2016-08-10得票数 2
1回答
我很难理解GMMs背后的数学。
GMM是参数为\mu_k, \sigma_k, \pi_k的K个不同高斯分量上的加权和。
根据我的理解，总的概况是：
初始化每个k‘s分量的随机参数
使用pdf p(x | \mu_k, \sigma_k) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}计算每个组件的责任值
使用此责任值更新参数\mu_k, \sigma_k, \pi_k
我的问题是：
何时何地使用贝斯法则？
日志似然函数在什么时候和如何起作用？
浏览 0提问于2023-04-22得票数 2
回答已采纳
利用lda主题分析，如何能够对lda算法的性能进行度量？
library(topicmodels)
# parameters for Gibbs sampling
burnin <- 4000
iter <- 2000
thin <- 500
seed <-list(1969,5,25,102855,2012)
nstart <- 5
best <- TRUE
#Number of topics
k <- 10
library(topicmodels)
data("Ass
浏览 2提问于2019-08-18得票数 1
回答已采纳
我想用加权最小二乘法估计一个广义极值分布的参数。我使用R，我发现了一个名为nls的函数，我认为它可以用于此目的。它要求提供一个公式和一个可选的数据集。我猜GEV公式和年度最大值序列应该在这里，但我不确定如何。有没有人用过nls，知道怎么做？
#Vector of ranged annual maxima
x <- c(21,24,29,32,32,34,35,35,35,36,37,37,38,40,40,41,43,47,47,52)
w <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2)
data <- list(x=x,w=w)
浏览 8提问于2013-06-17得票数 0
2回答
广义似然比检验(GLRT)
、、、、
我很难理解广义似然比检验(GLRT)。有人能向我解释这是什么吗，或者指给我一个容易理解的推荐信？这是监督法还是非监督法？GLRT与贝叶斯方法的关系如何？
浏览 0提问于2016-08-05得票数 3
是否有一个R包来计算我的模型的伪R平方测量？rcompanion既不支持clogit，也不支持bife (由于缺少拦截？)。
最初，这是一个脱离更大背景的问题，我对其进行了编辑，以使其更具可读性。
提前感谢您的帮助！
浏览 3提问于2019-11-23得票数 1
2回答
拟合β-二项分布
、、、、
我一直在寻找一种将数据与beta二项分布相匹配的方法，并估计alpha和beta，类似于VGAM库中的vglm包。我还没能在python中找到如何做到这一点。这里有一个scipy.stats.beta.fit()，但是对于beta二项分布没有什么。有办法这样做吗？
浏览 5提问于2015-02-06得票数 6
回答已采纳
有没有人知道怎么写gamma^2(1+/beta)？如果我使用了gamma(1+/beta)*gamma(1+/beta)？有什么想法或建议吗？感谢你的帮助
浏览 0提问于2016-02-25得票数 0
我使用R中的anova()函数为一组嵌套模型执行模型选择，每个后续模型都在前一个模型中添加了一个协变量。我想知道logLik列是如何派生出来的。我知道它是某物的自然对数(即在下面的模型中它是一个很小的数)，但我不知道的是它到底是什么的对数。它是该模型下的最大似然估计，即单个值，还是多个参数值的概率乘积的结果？抱歉，我知道这是一件非常基本的事情，我不知道。
Model df AIC BIC logLik Test L.Ratio p.value
1 11 1319.522 1353.349 -648.8
2 12 13
浏览 3提问于2016-07-26得票数 0
回答已采纳
新颖性检测的主要概率方法有:参数和非参数。非para假设从训练数据导出的分布或密度函数，如核密度估计(例如:Parzen窗口)，而para方法假设数据来自已知分布。
我不熟悉参数方法。谁能给我看一些著名的算法？顺便问一下，如果MLE是一种参数方法(密度曲线已知，然后找到对应于最大值的参数)？
浏览 0提问于2014-08-05得票数 0
newtonraphson <- function(ftn, x0, tol = 1e-9, max.iter = 100) {
x <- x0
fx <- ftn(x)
iter <- 0
while ((abs(fx[1]) > tol) & (iter < max.iter)) {
x <- x - fx[1]/fx[2]
fx <- ftn(x)
iter <- iter + 1
cat("At iteration", iter, "value of x is:
浏览 0提问于2017-11-19得票数 0
我有一个名为Area的数组，其中包含一组值。数组的直方图如下所示
在本例中，bin宽度为60。我想在这里的两个峰值上拟合两个高斯分布(即使不是很适合)。
所以我使用了：
options = statset('Display','final');
obj = gmdistribution.fit(area,2,'Options',options);
gausspdf = pdf(obj, xaxis);
A = sum(gausspdf);
gausspdf = gausspdf/A;
但当我尝试绘制两个拟合的高斯曲线时，结果曲线如下所示：
浏览 0提问于2014-07-31得票数 2
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
