基础和管理
菜鸟问题，送分
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区我链接oracle时，提示
'ora_12560:TNS ：Protocol adapter error'
请问是什么原因啊
谢谢了。
'ora_12560:TNS ：Protocol adapter error'
请问是什么原因啊
谢谢了。
...全文
相关推荐
天池天池大数据竞赛赛题菜鸟-需求预测与分仓规划
对数据进行预处理，生成更多的训练样本。基于以上构建的训练集，训练了多个回归模型，包括：XGboost、GBDT、RandomForest、SVR（线性核与高斯核），训练时各个分仓是分别建模的。
菜鸟-需求预测与分仓规划_cainiao.zip
菜鸟-需求预测与分仓规划_cainiao
Python版天池菜鸟需求预测与分仓规划参赛作品源码含说明+设计文档+数据.zip
Python版天池菜鸟需求预测与分仓规划参赛作品源码含说明+设计文档+数据.zip 菜鸟需求预测与分仓规划解决方案是一个针对电商物流场景的库存预测项目。通过收集商品特征、用户行为数据等多维度信息，利用滑动窗口方法提取时序特征，采用多个机器学习回归模型（随机森林、梯度提升树、XGBoost、AdaBoost等）进行预测，最后通过模型融合和成本规则优化，实现对未来两周全国及区域分仓目标库存的精准预测。 主要功能点 原始数据处理与缺失值补充（处理96万+样本记录） 基于滑动窗口的多维度特征工程提取（28个时间窗口维度） 奇异值检测与异常数据清洗（3σ原则） XGBoost特征选择与冗余特征去除 多模型集成与参数调优（RF、GBRT、XGBoost、AdaBoost） 基于成本的模型融合策略 规则与机器学习模型加权融合 技术栈 Python、XGBoost、随机森林(Random Forest)、梯度提升回归树(GBRT)、AdaBoost、MySQL数据处理、交叉验证(Cross Validation)
TrintyCore菜鸟工具
用于T端简单修改配置文件使用。
大数据打造互联网-物流--菜鸟物流大数据应用分.pptx
大数据打造互联网-物流--菜鸟物流大数据应用分.pptx
