- 《西瓜书》大白话思想总结-第三章
小溪子子
西瓜书概率论机器学习分类
第三章3.1+3.2分类和回归是监督式学习,都是根据数据,分析特征,作出预测,只是预测的值是离散的叫分类,连续的叫回归。为什么叫线性回归呢?因为线性就可以看成是直线,直线当然是连续的。而所给的直线就是根据离散点拟合出来的线,其本质就是一种预测。那么根据离散点的特征,给出了预测方程的这个直线,就符合回归的定义。因此,这就叫作线性回归。(个人理解,不一定对)这个拟合直线的方程,或者叫预测的函数,各个自
- 周工作计划2019-03-25
MikeShine
很久没有写工作计划了。之前一个星期生了病,很难受。上个星期基本上什么都没有干。但是好的一点是,西瓜书基本都看完了。本周工作计划:机器学习分享活动(关于决策树的分享)回看一下西瓜书的东西,每一章把开头总结写一下。老师没有给具体的任务,留了再说吧。
- 机器学习(西瓜书)学习笔记导览
盛寒
机器学习西瓜书学习机器学习人工智能
本篇文章会持续更新直到更新完毕,关注博主不迷路~(如果没有超链接,表示还没有更新到)第一章绪论1.1引言1.2基本术语1.3假设空间1.4归纳偏好第二章模型评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4比较检验2.5偏差与方差第三章线性模型3.1基本形式3.2线性回归3.3对数几率回归3.4线性判别分析3.5多分类学习3.6类别不平衡问题第四章决策树4.1基本流程4.2划分选择
- 机器学习LDA线性判别器代码实现
Longlongaaago
机器学习LDA线性判别分析代码实现
机器学习LDA线性判别器代码实现西瓜书P60线性判别器LDA代码实现:importnumpyasnpimportmatplotlib.pyplotaspltdefload_data(file_name):'''数据导入函数:paramfile_name:(string)训练数据位置:return:feature_data(mat)特征lable_data(mat)标签'''fr=open(file
- 西瓜书-机器学习5.4 全局最小与局部极小
lestat_black
西瓜书机器学习
两种“最优”:“局部极小”(localminimum)和"全局最小"(globalminimum)对和,若存在使得多组不同参数值初始化多个神经网络使用“模拟退火”:以一定的概率接受比当前解更差的结果,有助于“跳出”局部极小使用随机梯度下降遗传算法(geneticalgorithms)[Goldberg,1989]也常用来训练神经网络以上用于跳出局部极小的技术大多是启发式,理论上商缺乏保障。Gold
- 2019-05-14《西瓜书》难啃
杨熊猫Yang
周志华老师的《西瓜书:机器学习》这周看完1~10章锻炼:太极云手、100手/组,3组虎刨功(简)、100个/组,2组
- 机器学习——集成学习
三三木木七
机器学习集成学习人工智能
参考:ysu老师课件+西瓜书+期末复习笔记1.集成学习的基本概念集成学习(ensemblelearing)通过构建并结合多个学习器来完成学习任务。有时也被称为多分类器系统(multi-classifiersystem)、基于委员会的学习(committee-basedlearning)等。理解:集成学习是一种机器学习方法,其核心思想是将多个学习器(弱学习器)集成在一起,以达到比单个学习器更好的性能
- 西瓜书学习笔记——低维嵌入(公式推导+举例应用)
Nie同学
机器学习学习笔记机器学习
文章目录算法介绍实验分析算法介绍低维嵌入(Low-DimensionalEmbedding)是一种降低高维数据维度的技术,目的是在保留数据特征的同时减少数据的复杂性。这种技术常用于可视化、特征学习、以及数据压缩等领域。低维嵌入的目标是将高维数据映射到一个低维空间,以便更好地理解和可视化数据。在kkk近邻学习中,随着数据维度的增加,样本之间的距离变得更加稀疏,导致KNN算法性能下降。这是因为在高维空
- 西瓜书学习笔记——核化线性降维(公式推导+举例应用)
Nie同学
机器学习学习笔记机器学习
文章目录算法介绍实验分析算法介绍核化线性降维是一种使用核方法(KernelMethods)来进行降维的技术。在传统的线性降维方法中,例如主成分分析(PCA)和线性判别分析(LDA),数据被映射到一个低维线性子空间中。而核化线性降维则通过使用核技巧,将数据映射到一个非线性的低维空间中。核技巧的核心思想是通过一个非线性映射将原始数据转换到一个高维的特征空间,然后在该特征空间中应用线性降维方法。这种映射
- 西瓜书学习笔记——k近邻学习(公式推导+举例应用)
Nie同学
机器学习学习笔记机器学习
文章目录算法介绍实验分析算法介绍K最近邻(K-NearestNeighbors,KNN)是一种常用的监督学习算法,用于分类和回归任务。该算法基于一个简单的思想:如果一个样本在特征空间中的kkk个最近邻居中的大多数属于某个类别,那么该样本很可能属于这个类别。KNN算法不涉及模型的训练阶段,而是在预测时进行计算。以下是KNN算法的基本步骤:选择K值:首先,确定用于决策的邻居数量K。K的选择会影响算法的
- 西瓜书学习笔记——主成分分析(公式推导+举例应用)
Nie同学
机器学习学习笔记机器学习降维
文章目录算法介绍实验分析算法介绍主成分分析(PrincipalComponentAnalysis,PCA)是一种常用的降维技术,用于在高维数据中发现最重要的特征或主成分。PCA的目标是通过线性变换将原始数据转换成一组新的特征,这些新特征被称为主成分,它们是原始特征的线性组合。对于一个正交属性空间(各个属性之间是线性无关的)中的样本点,存在以下两个性质的超平面可对所有样本点进行恰当的表达:最近重构性
- 朴素贝叶斯分类算法
三三木木七
#机器学习机器学习人工智能sklearn
本文介绍了朴素贝叶斯分类算法,标记后的话一般是自己简要总结的,是比较通俗易懂的,也就是必看的。参考:西瓜书,ysu老师课件【摘要】1.分类算法:分类算法的内容是根据给定特征,求出它所属类别。2.先验概率:就是根据以往的数据分析所得到的概率。后验概率:是得到信息之后重新加以修正得到的概率。3.贝叶斯决策:贝叶斯决策理论中,我们希望选择那个最小化总体期望损失的决策。决策损失的期望值通过对所有可能状态的
- 决策树的相关知识点
三三木木七
#机器学习决策树算法机器学习
参考:ysu老师课件+西瓜书1.决策树的基本概念【决策树】:决策树是一种描述对样本数据进行分类的树形结构模型,由节点和有向边组成。其中每个内部节点表示一个属性上的判断,每个分支代表一个判断结果的输出,最后每个叶节点代表一种分类结果。理解:它是一个树状结构,其中每个节点代表一个特征属性的判断,每个分支代表这个判断的结果,而每个叶节点(叶子)代表一种类别或回归值。关于决策树要掌握的概念:根节点(Roo
- 西瓜书学习笔记——层次聚类(公式推导+举例应用)
Nie同学
机器学习学习笔记聚类
文章目录算法介绍实验分析算法介绍层次聚类是一种将数据集划分为层次结构的聚类方法。它主要有两种策略:自底向上和自顶向下。其中AGNES算法是一种自底向上聚类算法,用于将数据集划分为层次结构的聚类。算法的基本思想是从每个数据点开始,逐步合并最相似的簇,直到形成一个包含所有数据点的大簇。这个过程被反复执行,构建出一个层次化的聚类结构。这其中的关键就是如何计算聚类簇之间的距离。但实际上,每个簇都是一个集合
- 西瓜书学习笔记——密度聚类(公式推导+举例应用)
Nie同学
机器学习学习笔记聚类
文章目录算法介绍实验分析算法介绍密度聚类是一种无监督学习的聚类方法,其目标是根据数据点的密度分布将它们分组成不同的簇。与传统的基于距离的聚类方法(如K均值)不同,密度聚类方法不需要预先指定簇的数量,而是通过发现数据点周围的密度高度来确定簇的形状和大小。我们基于DBSCAN算法来实现密度聚类。DBSCAN是基于一组邻域参数(ϵ,MinPts)(\epsilon,MinPts)(ϵ,MinPts)来刻
- 【机器学习·西瓜书学习笔记·线性模型】线性回归——最小二乘法(least square method)
慈善区一姐
机器学习学习线性回归
线性模型的基本形式给定由个属性描述的实例,其中是在第个属性上的取值,线性模型(linearmodel)试图学得一个通过属性的线性组合来进行预测的函数,即一般用向量形式写成:和确定后,模型就得以确定参数查阅表把数据集表示为一个m*(d+1)大小的矩阵,其中每行对应于一个实例,每行前d个元素对应于实例的d个属性值,最后一个元素恒置于1,即(一)均方误差(meansquarederror)基于欧几里得距
- 如何系统学习机器学习?
人邮异步社区
学习机器学习人工智能
要系统学习机器学习,首先需要掌握一些基础编程技能,如Python。其次,学习基础的数学概念,如线性代数、概率论和统计学。然后,选择一些优质的在线课程和教材进行深入学习。最后,通过实践项目来巩固所学知识。以下是一些推荐的书籍:《动手学机器学习》,"西瓜书"作者周志华力荐的机器学习入门书。本书系统介绍了机器学习的基本内容及其代码实现,是一本着眼于机器学习教学实践的图书。本书包含4个部分:第一部分为机器
- 西瓜书学习笔记——原型聚类(公式推导+举例应用)
Nie同学
机器学习学习笔记聚类
文章目录k均值算法算法介绍实验分析学习向量量化(LVQ)算法介绍实验分析高斯混合聚类算法介绍实验分析总结k均值算法算法介绍给定样本集D={x1,x2,...,xm}D=\{x_1,x_2,...,x_m\}D={x1,x2,...,xm},k均值算法针对聚类算法所得簇划分C={C1,C2,...,Ck}\mathcal{C}=\{C_1,C_2,...,C_k\}C={C1,C2,...,Ck}最
- 大数据学习之路
金光闪闪耶
一、为什么要学习大数据?在我第一份实习的时候,忘记在什么场景下我leader突然说了一句:「干Java不就是增删改查嘛」,而恰好那时候知乎都是「干了3年Java,还是只会增删改查,迷茫」等问题,我听完leader那句话就心里一颤。因为这句话,我又一次的陷入迷茫,我不清楚自己是不是应该继续的Java,所以那段时间我干过爬虫,也撸了一阵子的西瓜书和统计学什么的。在知乎上所有相关的问题和答案我都看了,也
- 西瓜书学习笔记——Boosting(公式推导+举例应用)
Nie同学
机器学习学习笔记boosting
文章目录引言AdaBoost算法AdaBoost算法正确性说明AdaBoost算法如何解决权重更新问题?AdaBoost算法如何解决调整下一轮基学习器样本分布问题?AdaBoost算法总结实验分析引言Boosting是一种集成学习方法,旨在通过整合多个弱学习器来构建一个强学习器。其核心思想是迭代训练模型,关注之前被错误分类的样本,逐步提升整体性能。Boosting的代表算法包括AdaBoost、G
- 浙江大学《机器学习》笔记——神经网络(Neural Network)【上】
啵啵啵啵哲
机器学习笔记神经网络机器学习人工智能
写在前面·最近在学习《机器学习》.主要是看浙江大学胡浩基老师的网课,结合周志华老师的西瓜书来学.为了理清思路和推公式就敲了这样一个读书笔记.初次学习难免会有错漏,欢迎批评指正.这份笔记主要用途还是用来自己复习回顾.当然如果对大家有帮助那就更好了hhh·注:神经网络这部分的笔记大部分是基于浙大《机器学习》的逻辑进行整理的.第5章神经网络(NeuralNetwork)·神经网络的诞生是集体的智慧·近年
- 西瓜书读书笔记整理(十二) —— 第十二章 计算学习理论
smile-yan
机器学习西瓜书计算学习理论PAC
第十二章计算学习理论(上)12.1基础知识12.1.1什么是计算学习理论(computationallearningtheory)12.1.2什么是独立同分布(independentandidenticallydistributed,简称i.i.d.i.i.d.i.i.d.)以及独立同分布样本12.1.3泛化误差以及经验误差12.1.4相关数学定义表示12.1.5误差参数12.1.6映射与样本集是
- python自学(二)第二章 正则表达式|字符串匹配、函数和面向对象程序设计
BrilandLiu
pythonpython编程语言
为了能在开学后更好地融入实验室,本人计划用一个月的时间进行python3语言入门,该系列笔记适合已经有一门编程语言基础的朋友参考使用,欢迎同道者前来交流~使用教材:1.《python从入门到精通》清华大学出版社;(自带教学视频【二维码形式】)least17p/d2.《机器学习》周志华(西瓜书)清华大学出版社;least14p/d;3.BiliBili《和美女老师一起学python》视频。(一)正则
- 【机器学习】西瓜书要点个人整理
_hermit:
机器学习机器学习人工智能学习
目录前置基础知识第三章线性模型机器学习三要素1.函数集合2.目标函数3.优化方法4.模型评估方法对数几率回归(逻辑回归)第四章决策树第五章SVM第六章贝叶斯分类器第八章集成学习第九章神经网络前情提要:本文适合在学习机器学习课程前,对课程的要点进行简单预习。本文中提到的一些概念,大多是老师课上会重点讲的、考试要考的。此外,在进行复习时也可以通过这些概念引入,从而去更深入理解一些模型原理。前置基础知识
- 吃瓜教程Task1:概览西瓜书+南瓜书第1、2章
卡拉比丘流形
机器学习机器学习人工智能
由于本人之前已经学习过西瓜书,本次学习主要是对以往知识的查漏补缺,因此本博客记录了在学习西瓜书中容易混淆的点以及学习过程中的难点。更多学习内容可以参考下面的链接:南瓜书的地址:https://github.com/datawhalechina/pumpkin-book【视频链接】https://www.bilibili.com/video/BV1Mh411e7VU?p=1文章目录绪论如何对机器学习
- 西瓜书读书笔记整理(十) —— 第十章降维与度量学习
smile-yan
机器学习西瓜书
10.1k近邻学习10.1.1什么是kNN学习kNN算法(k-NearestNeighbors)是一种常用的分类和回归算法。它的基本思想是根据最近邻的样本来预测未知样本的标签或值。10.1.2kNN算法步骤kNN算法的步骤如下:计算未知样本与训练集中所有样本的距离(通常使用欧氏距离或其他距离度量方法)。选取与未知样本距离最近的k个样本。对于分类问题,根据这k个样本的标签进行投票或权重计算,确定未知
- 西瓜书第六章课后习题
lammmya
6.1试证明样本空间中任意点x到超平面(w,b)的距离为式(6.2)。画了个图在纸上进行了证明,感觉这样自会通俗易懂些。6.2试使用LIBSVM,在西瓜数据集3.0α上分别用线性核和高斯核训练一个SVM,并比较其支持向量的差别。导入相应的包主体函数:设置参数,输出。数据特征可视化输出结果以及数据特征可视化最终结果如下图结果表明,使用线性核和高斯训练核的支持向量实际是一样的(两条线重合),且数量相同
- 机器学习西瓜书笔记1
糊了胡
机器学习机器学习笔记人工智能
第一章机器学习之绪论目录第一章机器学习之绪论一、引言二、基本术语三、假设空间四、归纳偏好五、发展历程一、引言机器学习就是致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。Mitchell给出了更形式化的定义:假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则我们就说关于T和P,该程序对E进行了学习。二、基本术语收集一组西瓜数据,(色泽=青
- 西瓜书读书笔记整理(九) —— 第九章 聚类
smile-yan
聚类支持向量机机器学习
第九章聚类9.1聚类算法概述9.1.1什么是聚类算法9.1.2聚类算法分类9.1.3聚类任务9.2性能度量(ClusterEvaluation)9.2.1外部指标(externalindex)9.2.2内部指数(internalindex)9.3距离度量(DistanceMeasures)9.3.1距离度量的性质9.3.2常见的几种距离的计算公式9.4原型聚类(prototype-basedclu
- 西瓜书*南瓜书*机器学习*周志华*第一章*学习小结
fyc300
笔记西瓜书机器学习机器学习人工智能自动驾驶
西瓜书*南瓜书*机器学习*周志华*第一章*学习小结第一章绪论1.1绪论通过一个关于瓜的故事引入了对于机器学习这门课的学习。机器学习正是这样一门学科,它致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。1.2基本术语数据集dataset示例instance样本sample属性attribute特征feature属性值attributevalue属性空间attributespace样本空间s
- 微信开发者验证接口开发
362217990
微信 开发者 token 验证
微信开发者接口验证。
Token,自己随便定义,与微信填写一致就可以了。
根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html
第一步:填写服务器配置
第二步:验证服务器地址的有效性
第三步:依据接口文档实现业务逻辑
这里主要讲第二步验证服务器有效性。
建一个
- 一个小编程题-类似约瑟夫环问题
BrokenDreams
编程
今天群友出了一题:
一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。
&
- linux复习笔记之bash shell (5) 关于减号-的作用
eksliang
linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
转载请出自出处:
http://eksliang.iteye.com/blog/2105677
管道命令在bash的连续处理程序中是相当重要的,尤其在使用到前一个命令的studout(标准输出)作为这次的stdin(标准输入)时,就显得太重要了,某些命令需要用到文件名,例如上篇文档的的切割命令(split)、还有
- Unix(3)
18289753290
unix ksh
1)若该变量需要在其他子进程执行,则可用"$变量名称"或${变量}累加内容
什么是子进程?在我目前这个shell情况下,去打开一个新的shell,新的那个shell就是子进程。一般状态下,父进程的自定义变量是无法在子进程内使用的,但通过export将变量变成环境变量后就能够在子进程里面应用了。
2)条件判断: &&代表and ||代表or&nbs
- 关于ListView中性能优化中图片加载问题
酷的飞上天空
ListView
ListView的性能优化网上很多信息,但是涉及到异步加载图片问题就会出现问题。
具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594
如果每次都重新inflate一个新的View出来肯定会造成性能损失严重,可能会出现listview滚动是很卡的情况,还会出现内存溢出。
现在想出一个方法就是每次都添加一个标识,然后设置图
- 德国总理默多克:给国人的一堂“震撼教育”课
永夜-极光
教育
http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克:给国人的一堂“震撼教育”课
安吉拉—默克尔,一位经历过社会主义的东德人,她利用自己的博客,发表一番来华前的谈话,该说的话,都在上面说了,全世界想看想传播——去看看默克尔总理的博客吧!
德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
- 关于Java继承的一个小问题。。。
随便小屋
java
今天看Java 编程思想的时候遇见一个问题,运行的结果和自己想想的完全不一样。先把代码贴出来!
//CanFight接口
interface Canfight {
void fight();
}
//ActionCharacter类
class ActionCharacter {
public void fight() {
System.out.pr
- 23种基本的设计模式
aijuans
设计模式
Abstract Factory:提供一个创建一系列相关或相互依赖对象的接口,而无需指定它们具体的类。 Adapter:将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 Bridge:将抽象部分与它的实现部分分离,使它们都可以独立地变化。 Builder:将一个复杂对象的构建与它的表示分离,使得同
- 《周鸿祎自述:我的互联网方法论》读书笔记
aoyouzi
读书笔记
从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.
商业模式不是赚钱模式
一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.
商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值.
商业模式还包括寻找需求
- JavaScript动态改变样式访问技术
百合不是茶
JavaScriptstyle属性ClassName属性
一:style属性
格式:
HTML元素.style.样式属性="值";
创建菜单:在html标签中创建 或者 在head标签中用数组创建
<html>
<head>
<title>style改变样式</title>
</head>
&l
- jQuery的deferred对象详解
bijian1013
jquerydeferred对象
jQuery的开发速度很快,几乎每半年一个大版本,每两个月一个小版本。
每个版本都会引入一些新功能,从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。
&nb
- 淘宝开放平台TOP
Bill_chen
C++c物流C#
淘宝网开放平台首页:http://open.taobao.com/
淘宝开放平台是淘宝TOP团队的产品,TOP即TaoBao Open Platform,
是淘宝合作伙伴开发、发布、交易其服务的平台。
支撑TOP的三条主线为:
1.开放数据和业务流程
* 以API数据形式开放商品、交易、物流等业务;
&
- 【大型网站架构一】大型网站架构概述
bit1129
网站架构
大型互联网特点
面对海量用户、海量数据
大型互联网架构的关键指标
高并发
高性能
高可用
高可扩展性
线性伸缩性
安全性
大型互联网技术要点
前端优化
CDN缓存
反向代理
KV缓存
消息系统
分布式存储
NoSQL数据库
搜索
监控
安全
想到的问题:
1.对于订单系统这种事务型系统,如
- eclipse插件hibernate tools安装
白糖_
Hibernate
eclipse helios(3.6)版
1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址:
http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装:hibernate tools在All Jboss tool
- Jquery easyui Form表单提交注意事项
bozch
jquery easyui
jquery easyui对表单的提交进行了封装,提交的方式采用的是ajax的方式,在开发的时候应该注意的事项如下:
1、在定义form标签的时候,要将method属性设置成post或者get,特别是进行大字段的文本信息提交的时候,要将method设置成post方式提交,否则页面会抛出跨域访问等异常。所以这个要
- Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量
bylijinnan
java实现
import java.util.LinkedList;
public class CaseInsensitiveTrie {
/**
字典树的Java实现。实现了插入、查询以及深度优先遍历。
Trie tree's java implementation.(Insert,Search,DFS)
Problem Description
Igna
- html css 鼠标形状样式汇总
chenbowen00
htmlcss
css鼠标手型cursor中hand与pointer
Example:CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>
Example:CSS鼠标手型效果 <a href="#" style=&qu
- [IT与投资]IT投资的几个原则
comsci
it
无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......
 
- oracle with语句详解
daizj
oraclewithwith as
oracle with语句详解 转
在oracle中,select 查询语句,可以使用with,就是一个子查询,oracle 会把子查询的结果放到临时表中,可以反复使用
例子:注意,这是sql语句,不是pl/sql语句, 可以直接放到jdbc执行的
----------------------------------------------------------------
- hbase的简单操作
deng520159
数据库hbase
近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来.
用ssh登陆安装hbase那台linux后
用hbase shell进行hbase命令控制台!
表的管理
1)查看有哪些表
hbase(main)> list
2)创建表
# 语法:create <table>, {NAME => <family&g
- C语言scanf继续学习、算术运算符学习和逻辑运算符
dcj3sjt126com
c
/*
2013年3月11日20:37:32
地点:北京潘家园
功能:完成用户格式化输入多个值
目的:学习scanf函数的使用
*/
# include <stdio.h>
int main(void)
{
int i, j, k;
printf("please input three number:\n"); //提示用
- 2015越来越好
dcj3sjt126com
歌曲
越来越好
房子大了电话小了 感觉越来越好
假期多了收入高了 工作越来越好
商品精了价格活了 心情越来越好
天更蓝了水更清了 环境越来越好
活得有奔头人会步步高
想做到你要努力去做到
幸福的笑容天天挂眉梢 越来越好
婆媳和了家庭暖了 生活越来越好
孩子高了懂事多了 学习越来越好
朋友多了心相通了 大家越来越好
道路宽了心气顺了 日子越来越好
活的有精神人就不显
- java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim
feiteyizu
mysql
数据表中有记录的time字段(属性为timestamp)其值为:“0000-00-00 00:00:00”
程序使用select 语句从中取数据时出现以下异常:
java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date
java.sql.SQLException: Valu
- Ehcache(07)——Ehcache对并发的支持
234390216
并发ehcache锁ReadLockWriteLock
Ehcache对并发的支持
在高并发的情况下,使用Ehcache缓存时,由于并发的读与写,我们读的数据有可能是错误的,我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read(读)、Write(写)锁。当一个线程获取了某一Key的Read锁之后,其它线程获取针对于同
- mysql中blob,text字段的合成索引
jackyrong
mysql
在mysql中,原来有一个叫合成索引的,可以提高blob,text字段的效率性能,
但只能用在精确查询,核心是增加一个列,然后可以用md5进行散列,用散列值查找
则速度快
比如:
create table abc(id varchar(10),context blog,hash_value varchar(40));
insert into abc(1,rep
- 逻辑运算与移位运算
latty
位运算逻辑运算
源码:正数的补码与原码相同例+7 源码:00000111 补码 :00000111 (用8位二进制表示一个数)
负数的补码:
符号位为1,其余位为该数绝对值的原码按位取反;然后整个数加1。 -7 源码: 10000111 ,其绝对值为00000111 取反加一:11111001 为-7补码
已知一个数的补码,求原码的操作分两种情况:
- 利用XSD 验证XML文件
newerdragon
javaxmlxsd
XSD文件 (XML Schema 语言也称作 XML Schema 定义(XML Schema Definition,XSD)。 具体使用方法和定义请参看:
http://www.w3school.com.cn/schema/index.asp
java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持,使用起来也很方便。
以下代码可用在J
- 搭建 CentOS 6 服务器(12) - Samba
rensanning
centos
(1)安装
# yum -y install samba
Installed:
samba.i686 0:3.6.9-169.el6_5
# pdbedit -a rensn
new password:123456
retype new password:123456
……
(2)Home文件夹
# mkdir /etc
- Learn Nodejs 01
toknowme
nodejs
(1)下载nodejs
https://nodejs.org/download/ 选择相应的版本进行下载 (2)安装nodejs 安装的方式比较多,请baidu下
我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 (1)上传服务器 (2)解压 tar -zxvf node-v0.12.
- jquery控制自动刷新的代码举例
xp9802
jquery
1、html内容部分 复制代码代码示例: <div id='log_reload'>
<select name="id_s" size="1">
<option value='2'>-2s-</option>
<option value='3'>-3s-</option