1回答
我想绘制接收器的工作特性曲线，所以我做以下工作：
from sklearn.metrics import roc_curve, auc
predictions = auto_wclf.predict_proba(X_test)
false_positive_rate, recall, thresholds = roc_curve(y_test, predictions[:, 1])
roc_auc = auc(false_positive_rate, recall)
plt.title('Receiver Operating Characteristic')
plt.plot(
浏览 2提问于2015-03-10得票数 1
回答已采纳
在发帖之前，我读了很多关于ROC曲线的文章。
所以，我不明白Weka是怎么画ROC曲线的。我找不到变量的余量来生成曲线上的点。谢谢,
浏览 7提问于2013-03-12得票数 0
1回答
我画ROC曲线有困难。这是因为它们在百分比上有很大差距(对于生物测定中的单模双模)。我想知道GAR和FAR是如何计算的？它是如何绘制在ROC曲线上的呢？
作为参考，我附上了一张图。
浏览 1提问于2012-06-25得票数 0
我试图用ROC来评估我的情感文本分类器模型。
这是我对中华民国的代码：
# ROC-AUC Curve
from sklearn.metrics import roc_curve, auc
import matplotlib.pyplot as plt
fpr, tpr, thresholds = roc_curve(y_test, y_test_hat2)
roc_auc = auc(fpr, tpr)
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=1, label='ROC curve (area =
浏览 23提问于2022-03-25得票数 1
回答已采纳
我正在问一个后续的问题，这是我以前在后提出的.我只在Python learn中使用默认设置。似乎优化是在AUC-ROC，但我更感兴趣的是优化精确召回。以下是我的密码。
# Get ROC
y_score = classifierUsed2.decision_function(X_test)
false_positive_rate, true_positive_rate, thresholds = roc_curve(y_test, y_score)
roc_auc = auc(false_positive_rate, true_positive_rate)
print 'AUC-&#
浏览 2提问于2016-02-28得票数 6
我正在研究一个多类文本分类问题，并为文本分类进行集成学习。我选择硬投票作为合奏技巧。我试图为我的集成方法绘制ROC曲线，但由于显示了ROC曲线不能用于硬投票集成方法这一错误，它是行不通的。因此，我的问题是，是否有任何可能的方法，我可以为我的硬投票集成分类器绘制ROC曲线在python。
浏览 0提问于2020-07-07得票数 3
我对python中的机器学习是个新手，因此请原谅我天真的问题。在python中有没有一个用来实现神经网络的库，这样它也可以给我ROC和AUC曲线。我知道python中实现神经网络的库，但我正在寻找一个库，它也可以帮助我绘制ROC、DET和AUC曲线。
浏览 1提问于2012-04-25得票数 10
回答已采纳
3回答
我正在用KNN建立两类分类模型
我试图用以下方法计算auc_score
from sklearn.metrics import auc
auc(y_test, y_pred)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-183-980dc3c4e3d7> in <module>
--
浏览 4提问于2019-03-04得票数 6
回答已采纳
1回答
我试图得到一个二进制(好/坏)分类器的ROC曲线，我在一个项目中使用。该分类器使用遗传算法进行预测。
例如，由1.0,0.5,0.4,0.7给出的测试染色体如果与另一条染色体匹配，比如0.8,0.5,0.3,0.6，则被认为是好的。通过匹配，我的意思是值(来自另一个染色体)低于某一特定值。
我已经完成了600个实例的分类，我有了最终的混淆矩阵(这个矩阵指的是我们可以计算最终TPR和FPR的四值表)，每个实例的正确分类标签，以及每个实例的所有预测。
我读过关于ROC曲线、和的文档。怎样才能得到中华民国的曲线呢？
用我最后的四值表，我想我只能画出曲线上的一个点。上面附加的链接不断地提到，我需要一个
浏览 2提问于2016-04-20得票数 1
回答已采纳
1回答
我需要确定不同的分类模型预测值的好坏。为了做到这一点，我需要绘制ROC曲线，但我正在努力开发一种方法。
我包含了我的整个python代码以及我使用的数据集的链接。它看起来代码很多，但实际上很简单。我发现的主要问题是，我有一个3x3的混淆矩阵，不知道如何将其转换为ROC图。
任何帮助都是非常感谢的。
数据集：
<code>C0</code>
<code>A1</code>
浏览 44提问于2019-08-21得票数 0
4回答
如果我错过了明显的事情我很抱歉。在过去的几天里，我一直非常喜欢使用R界面使用h2o。我想通过绘制一个ROC来评估我的模型，比如随机森林。这些文件似乎表明，有一种直接的方法可以做到这一点：
解释DRF模型
默认情况下，将显示以下输出：
模型参数(隐藏)
得分历史图(树数与训练MSE之比)
-- ROC曲线图(TPR对FPR)
变量的图..。
我还看到，在python中，您可以应用、roc、函数。但我似乎无法在R界面中找到同样的方法。目前，我正在使用h2o.cross_validation_holdout_predictions从模型中提取预测，然后使用R中的p
浏览 9提问于2017-05-17得票数 5
回答已采纳
在roc函数的默认方向=“自动”设置下，情况和控件似乎应该自动配置，使预测器的ROC曲线高于绘图的对角线，并具有AUC >= 0.5。
但是，下面所示的代码错误地分配了大小写和控件值，从而创建了AUC < 0.5的ROC曲线。
#Creation of data
data <- data.frame("Predictor" = c(rep(0, 59), rep(1, 29)),
"Outcome" = c(rep(0, 40), rep(1, 19), rep(0, 22), rep(1, 7)))
浏览 9提问于2022-01-27得票数 1
回答已采纳
1回答
我用randomForest构建了一个文本分类器，因此为了评估它，我尝试用pROC create创建一个ROC曲线。
在这里，代码：
ndsi.forest <- randomForest(tf.idf[train.index, ], as.factor(train$Note.Reco[train.index]), ntree = 100)
#predict with test data
ndsi.pred <-predict(ndsi.forest, newdata = tf.idf[test.index, ], response = 'class')
pre
浏览 9提问于2017-04-28得票数 1
回答已采纳
1回答
我有一个包含100个样本的数据集，每个样本都有195个突变，它们具有相应的已知临床意义("RealClass")和根据某种预测工具("PredictionValues")的预测值。
在演示中，这是一个与我的数据集具有相同结构的随机数据集：
predictions_100_samples<-as.data.frame(matrix(nrow=19500,ncol=3))
colnames(predictions_100_samples)<-c("Sample","PredictionValues","RealCl
浏览 3提问于2018-09-24得票数 3
我在处理一个不平衡的数据集。序列数据中有11567个阴性样本和3737个阳性样本。验证数据中有2892个阴性样本和935个阳性样本。这是一个二元分类问题，我用Macro平均ROC来评价我的模型。然而，我注意到微平均Roc分数高于特定等级的Roc分数.对我毫无意思。
📷
正如你在图中所看到的，微平均的roc分数对所有的分数都比较高.如果可能的话，你能解释一下背后的原因吗？我使用该滑雪板连接并将其转换为二进制分类(y-true ->一个热门表示)。我还在下面添加了我的代码。
xgboost_model = XGBClassifier(n_estimators= 450,max_depth=
浏览 0提问于2021-02-09得票数 6
回答已采纳
2回答
我在做二进制分类..。我有一个不平衡的数据，我用svm的权重来缓解这种情况.如您所见，我计算并绘制了每个类的roc曲线，并得到了以下图：
看上去这两个班有的甚至是一个..。我不确定我做的对不对，因为这是我第一次画我自己的机器人曲线.我在用Scikit学情节..。把每一班都单独画出来是对的吗。分类器是否未能对蓝色类进行分类？
这是我用来获得情节的代码：
y_pred = clf.predict_proba(X_test)[:,0] # for calculating the probability of the first class
y_pred2 = clf.predict_proba(X
浏览 0提问于2016-01-20得票数 5
回答已采纳
在我的图像对象检测项目中，我使用matlab的函数，您也可以看到，该函数使用opencv列级联，用于训练一组图像(正负)：
正面:图像包含感兴趣的对象。
负面:图像不包含感兴趣的对象，但必须包含正面的背面，这样才能在训练后更加精确。
这个函数还需要一些参数：
级联级的-number。
-True阳性率
-false报警率
-Negative样本因子
-Object训练规模。
-characteristic型(HOG，LBP，Haar)。
我使用HOG (面向渐变直方图)，这个函数的结果是一个.xml文件：
trainCascadeObjectDetector(outputXMLFilename
浏览 2提问于2016-05-25得票数 2
回答已采纳
我正在运行一个卷积神经网络。在完成运行后，我使用一些度量来评估模型的性能。其中2项指标是sklearn的auc和roc_auc_score。
AUC函数：
AUROC函数：
我使用的代码如下：
print(pred)
fpr, tpr, thresholds = metrics.roc_curve(true_classes, pred, pos_label=1)
print("-----AUC-----")
print(metrics.auc(fpr, tpr))
print("----ROC AUC-----")
print(metrics.roc_auc_s
浏览 2提问于2021-04-15得票数 0
回答已采纳
1回答
我使用的是ROCR包的roc.curve，它提供了一个漂亮的图，根据使用的阈值进行着色
使用以下代码
library(ROCR)
pred <- prediction(predicted, response)
perf <- performance( pred, "tpr", "fpr" )
plot( perf, colorize = TRUE)
这个函数会自动绘制ROC曲线，即使它试图拟合其他函数来找到合适的阈值，但我无法控制使用了多少阈值或选取的阈值的范围。
我在这里找到了另一个名为ROSE find more的包中的另一个roc.c
浏览 7提问于2021-09-28得票数 1
1回答
ROC曲线好，查全率差
、、、、
我有些机器学习的结果我不太明白。我正在使用python学习，拥有大约14个特性的2+百万数据。“Ab”的分类在精确召回曲线上看上去相当糟糕，但是ROC对于Ab的分类和大多数其他组的分类一样好。有什么可以解释的？
浏览 1提问于2015-10-23得票数 11
回答已采纳
3回答
AUC - ROC曲线是对不同阈值设置下的分类问题的性能度量.ROC是一条概率曲线，AUC代表可分性的程度或尺度。
Roc和AUC一样吗？
浏览 0提问于2019-12-21得票数 2
在随机森林中，predict()和predict_proba()给出了不同的roc_auc_score。 我知道predict_proba()给出了概率，比如在二进制分类的情况下，它会给出两个对应于两个类的概率。predict()给出它所预测的类。 #Using predict_proba()
rf = RandomForestClassifier(n_estimators=200, random_state=39)
rf.fit(X_train[['Cabin_mapped', 'Sex']], y_train)
#make
浏览 516提问于2019-05-31得票数 1
回答已采纳
我发现，当我在roc_auc_score中有负值时，sample_weight函数有时会中断。如何绘制roc曲线以及计算AUC？
是虫子吗？
ValueError: x is neither increasing nor decreasing :
浏览 0提问于2018-12-06得票数 1
回答已采纳
我正在尝试使用以下方法使用sklearn.metrics.roc_auc_score计算ROC曲线下的面积：
roc_auc = sklearn.metrics.roc_auc_score(actual, predicted)
其中actual是具有基本事实分类标签的二进制向量，predicted是具有我的分类器预测的分类标签的二进制向量。
然而，我得到的roc_auc的值与精确值(标签被正确预测的样本的比例)非常相似。这不是一次性的事情。我对参数的不同值尝试分类器，每次都得到相同的结果。
我在这里做错了什么？
浏览 1提问于2014-03-11得票数 8
回答已采纳
我正在尝试计算roc_curve，但是我得到了这个错误消息
Traceback (most recent call last):
File "script.py", line 94, in <module>
fpr, tpr, _ = roc_curve(y_validate, status[:,1])
File "/usr/local/lib/python2.7/site-packages/sklearn/metrics/ranking.py", line 501, in roc_curve
y_true, y_score,
浏览 3提问于2016-03-12得票数 2
回答已采纳
问题
AUC度量计算ROC或PR的面积吗？
背景
tf.keras.metrics.AUC说：
这个值最终作为auc返回，这是一个幂等运算，它计算精确值与召回值的离散曲线下的面积(使用上述变量计算)。
因此，它应该计算的是PR下的面积，而不是中华民国。然而，它也指出：
近似于ROC或PR曲线的AUC (曲线下面积)。
如果它计算PR下的面积，那为什么它说的是“近似的ROC或PR”，而不是只说“近似PR”而不使用中华民国？
请帮助我理解我错过了什么。
浏览 0提问于2021-07-17得票数 0
4回答
ROC曲线解释
、、、
我训练了一个CNN模型和一个组合的CNN-SVM分类模型。我想用ROC曲线来比较它们的性能，但我搞不懂哪种型号更好。如何解释给定的ROC曲线？
📷
📷
浏览 0提问于2019-11-24得票数 3
回答已采纳
1回答
我想考10个班的ROC。我使用了CNN模型(keras)。我可以得到一条vs rest曲线，但我想要一对一。以下是我的代码片段。 model.compile(optimizer=keras.optimizers.Adam(0.001),
loss='categorical_crossentropy',
metrics=['acc'])
from keras.callbacks import History
history = History()
model.fit_generator(generator=tr
浏览 74提问于2020-12-03得票数 0
我想把我的ROC曲线，科基尔尼实现，所以我尝试了以下：
from sklearn.metrics import roc_curve, auc
false_positive_rate, recall, thresholds = roc_curve(y_test, prediction[:, 1])
roc_auc = auc(false_positive_rate, recall)
plt.title('Receiver Operating Characteristic')
plt.plot(false_positive_rate, recall, 'b', la
浏览 2提问于2015-02-08得票数 5
回答已采纳
这是我第一次使用scikit学习指标，我想用这个库绘制一条roc曲线。
这条ROC曲线显示我知道的AUC=1.00是不正确的。代码如下：
from sklearn.metrics import roc_curve, auc
import pylab as pl
def show_roc(test_target, predicted_probs):
# set number 1
actual = [1, -1, -1, -1, -1, 1, -1, -1, 1, -1, -1, -1, -1, -1, -1, -1, 1, -1, -1, -1]
prediction_probas = [
浏览 2提问于2015-04-28得票数 4
我正在为不平衡的数据集制作ROC曲线，但它们根本不像正常的ROC曲线。它们看起来更像step函数(见提供的图像)。从我能找到的所有资料来看，这应该表明我的机器学习算法是有效的，但是我仍然得到了很多错误的结果。如果我的算法没有效果，为什么我的ROC曲线会有这么好的形状呢？有没有更好的方法来衡量这个算法有多好？谢谢!
浏览 9提问于2022-06-14得票数 2
回答已采纳
2回答
一类多类问题的ROC曲线绘制
、、、、
我正在尝试将sklearn 的思想应用到我的数据集中。我的每类ROC曲线看起来都是一条直线，不符合sklearn的例子，显示曲线的波动。
我在下面给出一个MWE来说明我的意思：
# all imports
import numpy as np
import matplotlib.pyplot as plt
from itertools import cycle
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train
浏览 2提问于2021-12-08得票数 3
回答已采纳
我试图绘制一个标识符的ROC曲线，该标识符用于根据背景数据集确定正事件。标识符是两个组之间有一些重叠的概率分数的列表。
FG BG
0.02 0.10
0.03 0.25
0.02 0.12
0.04 0.16
0.05 0.45
0.12 0.31
0.13 0.20
(其中FG =正，BG =负)
我正在用R中的PRROC绘制ROC曲线，以评估标识符如何将数据分类为正确的组。虽然在正数据集和负数据集之间产生的分类器值有明显的区别，但我目前的ROC图在R中显示出较低的AUC值
浏览 4提问于2017-11-24得票数 2
回答已采纳
我理解，当输出是概率时，例如，用logistic回归模型来建立ROC曲线。您可以通过改变截止阈值来构建ROC曲线。
但是表格中的决策树呢？
if attribute_1 > x:
decision = positive
else:
if attribute_2 < y:
decision = position
else:
decision = negative
您可以调整两个属性的截止值，所有这些都会影响您的混淆矩阵。当有多个阈值时，建立一个ROC曲线是否有意义？
谢谢
浏览 0提问于2020-06-24得票数 3
我在这方面是新手，但我想为活性化合物与诱饵的一个小数据集绘制一条ROC曲线。我基于这个链接：ROC curve for binary classification in python在这种情况下，这个小数据集是一个虚拟筛选的结果，它从实验数据(IC50)中对具有已知活性或不活性的化合物进行排名和评分。 我不确定图和AUC是否正确。我注意到，即使测试(真)预测值之间只有一个值的差异，AUC也只有0.5。对于我在下面插入的代码中的真实值和预测值，它只有0.49左右。也许模型没有正确地识别这些化合物。然而，我注意到，除了一些其他位置的化合物外，它还正确地识别了排名中的前十个化合物。也许它比消极的更
浏览 18提问于2021-03-17得票数 1
回答已采纳
在SPSS (24版)中计算ROC曲线时，我得到了两个不同的AUC值。我有一个数据集75个样本和10个变量(Δ，Ct)为每个样本。
首先，我对6变量进行了ROC分析。
代码：
ROC ΔCt_1 ΔCt_2 ΔCt_3 ΔCt_4
ΔCt_5 ΔCt_6 BY Label (1)
/PLOT=CURVE(REFERENCE)
/PRINT=SE COORDINATES
/CRITERIA=CUTOFF(INCLUDE) TESTPOS(SMALL) DISTRIBUTION(FREE) CI(95)
/MISSING=EXCLUDE
结果：
然后，我对所
浏览 7提问于2020-01-08得票数 1
回答已采纳
我用R的pROC软件包可视化了两个模型的ROC曲线和精确回忆曲线，第一个任务可以很容易地用软件包的plot.roc()函数来完成，然后在第一个模型之后用基R的lines()函数对第二个模型的ROC曲线进行叠加。
然而，第二项任务涉及的范围更大一些。根据，需要使用其coords()函数将ROC对象转换为包含“精度”和“召回”度量的东西，然后将对象提供给plot()函数。但后来我无法在现有的P曲线上覆盖另一条精确召回曲线。
我在下面列出了我的工作数据和代码。希望有人能对这件事有所了解。
# require pROC
library(pROC)
# example data from two
浏览 7提问于2022-06-08得票数 1
回答已采纳
2回答
科学知识中决策树的AUC计算
、、、、
使用scikit-在Windows上使用Python2.7学习，我计算AUC的代码有什么问题？谢谢。
from sklearn.datasets import load_iris
from sklearn.cross_validation import cross_val_score
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(random_state=0)
iris = load_iris()
#print cross_val_score(clf, iris.data, iris.t
浏览 5提问于2016-08-24得票数 0
在学习ROC曲线时，我对这些曲线的制作方式感到困惑。
我在这里考虑虹膜花的分类问题。为了计算TPR，我们现在可以使用$$TPR=\frac{True \正}{True\正+\假\负}$$，在这种情况下，我们首先输入测试数据，然后利用公式above.But找出TPR和FPR在这种情况下如何得到不同的数组大小。
>>>fpr = dict()
>>>tpr = dict()
>>>roc_auc = dict()
>>>for i in range(n_classes):
fpr[i], tpr[i], _ =
浏览 0提问于2018-05-18得票数 2
1回答
我想了解为什么少数类("1")的精确召回曲线如此好，而对于同一个类的精度(0,2)和召回(0,4)的度量却如此糟糕。我将sklearn.metrics.plot_precision_recall_curve与pos_label=0 (多数类)和pos_label=1 (少数类)结合使用。下面您可以看到所使用的代码。
def plotagem_curvas (nome_modelo, modelo, X_test, y_test, folds, pos_label):
roc_auc = 0
ap=0
if (pos_label == 0):
classe=
浏览 0提问于2021-07-01得票数 1
回答已采纳
1回答
我想验证一下我生成ROC曲线的逻辑是正确的。(与实际代码的技术理解无关)。我有一个数据集，我想分类。我正在使用一个神经网络，特别是来自python的MLPClassifier模块的scikit Learn函数。
我将训练数据集传递给fit函数，然后在测试数据集中使用predict函数。然后，我将输出一个混淆矩阵，其中包含一个假正值和一个真正的正值。
我想做的是计算一条ROC曲线，其中我需要一组真实的正负和假的正数。每次使用不同的目标多次运行神经网络(MLPClassifier)并记录不同的真假正值是否有意义？
对我来说很简单。用神经网络生成ROC曲线是正确的吗？
浏览 0提问于2018-06-24得票数 2
回答已采纳
我已经编写了计算问题中所要求的两行的代码，如下图所示(所需的行是红色的)。
编辑:这是使用我的代码片段生成ROC曲线的预期图形(至少我确信这是正确的) :
问题是，上述代码非常丑陋(太长，甚至无法在这里发布)，我想出的过程对我来说似乎非常乏味。但我似乎想不出更好的办法了。
下面是快速生成ROC曲线输入列表的片段
library(MASS)
library(dplyr)
simple_roc <- function(labels, scores){
labels <- labels[order(scores, decreasing=TRUE)]
return(rb
浏览 0提问于2019-02-01得票数 3
回答已采纳
2回答
我在python中使用H2O来建立一个广义线性模型，二值分类问题，我用
glm_fit_lambda_search = H2OGeneralizedLinearEstimator( family='binomial',
model_id='glm_fit_lambda_search',
lambda_search=True )
glm_fit_lambda_search.train( x = x,
浏览 4提问于2018-11-08得票数 1
回答已采纳
2回答
我指的是下面的链接和示例，并从这个页面上发布我感到困惑的曲线图。我的困惑是，只有4个阈值，但似乎roc曲线有很多数据点(> 4个数据点)，想知道roc_curve如何在底层找到更多的数据点？
>>> import numpy as np
>>> from sklearn.metrics import roc_curve
>>> y = np.array([1, 1, 2, 2])
>>> scores = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr,
浏览 0提问于2016-08-26得票数 10
1回答
我尝试了两种方法来绘制ROC曲线，并得到每条ROC曲线的AUC。
方法1 -第一种方法是简单的，但我不知道如何在上绘制多条ROC曲线。我只是使用roc.curve(hacide.test$cls, pred_rose[,2])，输出将显示中华民国的曲线，并给我的AUC。
方法2 I现在可以绘制多条ROC曲线，但不能同时得到曲线。这就是我绘制多条ROC曲线的方法：
library(ROCR)
pd1 <- prediction(pred_rose[,2], hacide.test$cls)
pf1 <- performance(pd1, "tpr","fpr&
浏览 6提问于2016-05-15得票数 8
回答已采纳
1回答
我必须评估两种分类算法的性能。我从roc_curve ()中获得假阳性率和真阳性率。我使用了以下代码：
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(2):
fpr[i], tpr[i], _ = roc_curve(true_labels, pred_labels)
roc_auc[i] = auc(fpr[i], tpr[i])
我有两个分类器的这个信息，现在我想比较它们。我知道可以使用AUC或其他度量标准，但我真的想了解ROC曲线相对于另一条曲线的次数百分比，基于这个原因，我想比较一下这两条曲线的两两点
浏览 4提问于2020-06-24得票数 0
回答已采纳
1回答
我想把一条ROC曲线的所有坐标保存到一个列表中，这样我以后就可以绘制多条ROC曲线了。
如何指定我的x值来返回所有坐标？
roc_train <- roc(target~prob, data=ordered_test, col="#1c61b6")
coord_list <- list()
coord_list[1] <- coords(roc_train)
浏览 3提问于2015-06-30得票数 1
回答已采纳
2回答
我有一些标记为0或1的数据，我试图使用随机森林来预测这些类。每个实例都标记有20个用于训练随机森林的特征(~30.000个训练实例和~6000个测试实例)。
我正在用以下代码绘制精确召回和ROC曲线：
precision, recall, _ = precision_recall_curve(y_test, y_pred)
plt.step(recall, precision, color='b', alpha=0.2,where='post')
plt.fill_between(recall, precision, step='post', a
浏览 1提问于2018-07-19得票数 1
回答已采纳
我使用以下代码来创建ROC曲线：
probs = model.predict_proba(X)[::,1]
auc = metrics.roc_auc_score(y, probs)
fper, tper, thresholds = roc_curve(y, probs)
plt.plot(fper, tper, label= model_name + " (auc = %0.3f)" % auc, color=color)
plt.plot([0, 1], [0, 1], color='black', linestyle='--')
plt.x
浏览 14提问于2021-02-21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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
