李固言
李固言

kaggle的discussion区都是些什么鬼?

Kaggle的discussion区域可以说是什么都有

所以我想分下类,

便于以后万一我看晕了可以方便我归类.

 

Discussion内容分类 链接举例
发表豪言壮志 https://www.kaggle.com/c/ieee-fraud-detection/discussion/102070#latest-615146
发表获奖感言 https://www.kaggle.com/c/ieee-fraud-detection/discussion/104279#latest-624107
询问日常操作 https://www.kaggle.com/c/ieee-fraud-detection/discussion/109246#latest-628991
大神的指导和提示 https://www.kaggle.com/c/ieee-fraud-detection/discussion/107697#latest-628843
技术推荐 https://www.kaggle.com/c/ieee-fraud-detection/discussion/108616#latest-628955

数据反向工程

(因为主办方为了保护隐私不会告诉你所有特征信息)

 https://www.kaggle.com/c/ieee-fraud-detection/discussion/107833#latest-628983
讨论验证策略 https://www.kaggle.com/c/ieee-fraud-detection/discussion/104706#latest-606926
刺探Publi LB和private LB各自使用了哪一部分数据集 https://www.kaggle.com/c/ieee-fraud-detection/discussion/101040#latest-609949
讨论模型使用 https://www.kaggle.com/c/ieee-fraud-detection/discussion/108934#latest-627228
推荐和该比赛相关的代码解决方案 https://www.kaggle.com/c/ieee-fraud-detection/discussion/104973#latest-627567
多管闲事 https://www.kaggle.com/c/ieee-fraud-detection/discussion/108252#latest-624133
讨论减少内存占用 https://www.kaggle.com/c/ieee-fraud-detection/discussion/100168#latest-578292
啥都不做干等的 https://www.kaggle.com/c/ieee-fraud-detection/discussion/100660#latest-586442
在discussion区域推荐自己notebook的. https://www.kaggle.com/c/ieee-fraud-detection/discussion/108011#latest-628213

 

你可能感兴趣的:(Kaggle)

  • 四个机器学习模型对比道路裂缝检测识别分类模型 深度学习乐园 深度学习实战项目机器学习分类人工智能
    完整源码项目包获取→点击文章末尾名片！一、课题综述1.1.课题简介在机器学习的研究领域中，传统分类算法模型数量众多，适合的应用场景也各不相同。1.2.课题目标（示例）本课题使用的数据集来自于数据分析与数据挖掘竞赛Kaggle，该竞赛为数据科学领域著名的国际性赛事之一。课题使用的数据集为带标签的图像数据集，包含带有裂痕和不带有裂痕的桥梁、墙和人行道图片。课题的目标为对于目标数据集，搭建相应的传统机器
  • 学习AI机器学习所需的数学基础 frostmelody 机器学习小知识点人工智能学习机器学习
    一、机器学习岗位的数学需求矩阵机器学习岗位研究型职位工业界职位DeepMind/Meta/Google研究部门研究科学家/研究工程师普通科技公司机器学习工程师/数据科学家需硕士/博士数学水平本科数学基础二、数学需求深度解析1.研究型职位（需深度数学）学历要求：数学/物理/计算机/统计/工程本科基础硕士/博士优先（Kaggle调查显示博士占比高）薪资关联：学历与收入呈正相关2.工业界职位（基础数学）
  • LightGBM：极速梯度提升机——结构化数据建模的终极武器 大千AI助手 人工智能Python#OTHER随机森林算法机器学习决策树人工智能GBDTLightGBM
    基于直方图与Leaf-wise生长的高效GBDT实现，横扫Kaggle与工业场景一、为什么需要LightGBM？GBDT的瓶颈传统梯度提升树（如XGBoost）在处理海量数据时面临两大痛点：训练速度慢：需预排序特征&层次生长（Level-wise）内存消耗高：存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于2017年开源，核心目标：✅训练效率提升10倍✅内存占用降低50%✅保持与XGB
  • Python打卡训练营-Day43-复习日 traMpo1ine python
    @浙大疏锦行作业kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件
  • DAY 43 复习日 CNN训练与Grad-CAM可视化（模块化实现） 沐兮兮兮 cnn人工智能神经网络
    目录Kaggle图像分类项目：项目结构一、数据准备模块1.config/paths.py2.data/preprocessing.py3.data/dataset.py二、模型定义模块1.models/cnn_model.py2.models/grad_cam.py三、训练脚本train.py四、可视化模块1.utils/visualization.py2.visualize.py五、实用工具ut
  • Kaggle量化比赛复盘: Optiver - Trading at the Close 熬夜造bug AI领域应用金融人工智能机器学习深度学习
    目录前言一、开源方案1.6th获奖方案(代码未开源)1.1.特征工程（关键代码）1.2.方案解析2.7th获奖方案(开源)2.1.特征工程2.2.特征工程3.9th获奖方案(半开源)3.1.特征构造3.2.特征筛选3.3.模型3.4.zero_sum（标签后处理）4.14th获奖方案(开源)4.1.方案开源链接4.2.zero_sum（标签后处理）5.15th获奖方案（半开源）5.1.特征工程5.
  • Kaggle金牌方案复现：CGO-Transformer-GRU多模态融合预测实战
    1背景分析在2023年Kaggle"GlobalMultimodalDemandForecastingChallenge"竞赛中，CGO-Transformer-GRU方案以领先第二名1.8个百分点的绝对优势夺冠，创下该赛事三年来的最佳成绩。本方案创新性地融合了协方差引导优化（CGO）、注意力机制和时序建模三大技术模块，解决了多模态数据融合中的关键挑战：模态对齐、特征冲突和时序依赖建模。(1)多模
  • day43python打卡 qq_58459892 py打开学习pytorchpython深度学习算法人工智能
    作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件importosimporttorchimporttorch.optimasoptimimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.transformsastransform
  • 大批量数据分析挖掘思路-Kaggle项目：保险销售预测 江枫渔火A 数据分析机器学习python
    1、问题背景Kaggle在6月份的季赛是保险销售预测问题，其原始数据集381109条的保险销售，季赛由利用原数据集的模型生成扩充而来。本篇文章以原始数据集为基础，用以抛砖引玉，探讨该问题的高效解法。原始数据地址：HealthInsuranceCrossSellPrediction(kaggle.com)2、问题描述原文：我们的客户是一家为其客户提供健康保险的保险公司，现在他们需要您的帮助来建立一个
  • Day22 复习日 cylat python打卡机器学习人工智能python
    一、如何使用kaggle平台：注册与个人资料注册方式：可以通过邮箱、Google、Facebook等方式注册。个人资料完善：尽量完整填写个人资料。竞赛板块竞赛选择兴趣与能力匹配：根据自己的兴趣和实际数据分析能力选择竞赛。对于初学者，建议从一些入门级或小型竞赛开始，逐步积累经验；有一定基础后再挑战更具难度的竞赛。竞赛规则研读：在参与竞赛前，务必仔细阅读竞赛的规则，包括比赛时间节点（报名时间、提交结果
  • Coggle数据科学 | Kaggle赛题解析：识别数据引用与分类 双木的木 深度学习拓展阅读分类数据挖掘人工智能计算机视觉promptpython算法
    本文来源公众号“Coggle数据科学”，仅用于学术分享，侵权删，干货满满。原文链接：Kaggle赛题解析：识别数据引用与分类赛题名称：MakeDataCount-FindingDataReferences赛题类型：自然语言处理、信息检索赛题任务：从科学论文的全文中提取所有被引用的研究数据，并根据上下文将其分类为初级引用（Primary）或次级引用（Secondary）。https://www.ka
  • python打卡训练营打卡记录day22 m0_74839150 python开发语言
    复习日仔细回顾一下之前21天的内容，没跟上进度的同学补一下进度。作业：自行学习参考如何使用kaggle平台，写下使用注意点，并对下述比赛提交代码importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.preprocessingimportStan
  • 【慧游鲁博】团队记录5 哇哦哇哦~~ 创新实训团队记录软件工程团队开发
    文章目录进度总览完成细节Part11.图片上传与预加载功能2.前端功能扩展与密码修改页面3.DeepSeek模型微调与Kaggle实验4.前端组件化重构5.用户认证与信息管理完成细节Part21.多模态交互·语音输入，完善智能导览系统2.后台管理系统的数据分析模块3.用户画像分析功能4.用户系统基础架构5.剧情管理核心功能6.从Kaggle微调到模型调用进度总览任务要点完成情况多模态交互图片上传；
  • Kaggle-Predicting Optimal Fertilizers-(多分类+xgboost+同一特征值多样性) 美少女zss 分类数据挖掘人工智能
    PredictingOptimalFertilizers题意：给出土壤的特性，预测出3种最佳的肥料数据处理：1.有数字型和类别型，类别不能随意换成数字，独热编码。cat可以直接处理category类型。2.构造一些相关土壤特性特征3.由于label是category类型，但是xgb不可以处理category类型，因此需要先编码，最后求出结果之后再解码。建立模型：1.catboost交叉验证、xgb
  • 使用python代码实现电商用户行为分析 Vinceri python开发语言
    使用python实现电商用户行为分析描述：分析电商平台用户行为数据（点击、购买、收藏等），使用Pandas和Matplotlib统计用户活跃时段、热销商品类别，并用Seaborn绘制行为趋势图。工具：Pandas,NumPy,Matplotlib/Seaborn数据集：可从Kaggle获取用户行为日志（如ecommerce-behavior-data）以下是一个完整的电商用户行为分析Python实
  • DAY15 超大力王爱学Python 超大力王 超大力王爱学Pythonpython开发语言
    仔细回顾一下之前14天的内容，没跟上进度的同学补一下进度。作业：尝试找到一个kaggle或者其他地方的结构化数据集，用之前的内容完成一个全新的项目，这样你也是独立完成了一个专属于自己的项目。要求：有数据地址的提供数据地址，没有地址的上传网盘贴出地址即可。尽可能与他人不同，优先选择本专业相关数据集探索一下开源数据的网站有哪些？Titanic-MachineLearningfromDisaster|K
  • python打卡day43
    作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化导入包importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets,transformsfromtorch.utils.dataimportDataLoaderimportmatplotlib.pyplota
  • 【DAY43】复习日 daomingwu017 Python打卡训练营内容python
    内容来自@浙大疏锦行python打卡训练营@浙大疏锦行作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件
  • 60天python训练计划----day43 尘浮728 python开发语言
    复习日作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件我选择图像分类，该数据集分为六类，包含建筑、森林、冰川、山脉、海洋和街道。importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvision.transformsastransformsfromtorc
  • 机器学习算法实战系列：决策树与随机森林全攻略 全息架构师 AI行业应用实战先锋Python实战项目大揭秘机器学习算法决策树
    机器学习算法实战系列：决策树与随机森林全攻略引言“想知道Kaggle竞赛冠军团队的秘密武器吗？决策树和随机森林算法在80%的数据科学项目中都会用到！”决策树和随机森林是机器学习中最强大、最实用的算法之一。它们不仅直观易懂，而且在处理结构化数据时往往能取得惊人的效果。本文将带你从决策树的数学原理出发，逐步深入到随机森林的工业级应用，最后通过多个实战案例巩固所学知识。准备好迎接这场机器学习的视觉盛宴了
  • 6.2 打卡 分散406 python
    DAY43复习日作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件image_classification_gradcam/├──config.py#配置文件：路径、超参数等├──data_loader.py#数据加载和预处理├──model.py#CNN模型定义├──train.py#训练和评估逻辑├──visualize.py#Gra
  • python编程训练网站,python做项目的网站 2401_84471631 python
    大家好，给大家分享一下python编程训练网站，很多人还不知道这一点。下面详细解释一下。现在让我们来看看！文章目录前言1、leetcode2、牛客网3、github4、Checkio5、codewars6、PythonTip7、CodeCombat8、pythonchallenge9、codingame10、kaggle零基础Python学习资源介绍Python学习路线汇总Python必备开发工具
  • Python训练营打卡Day43 宸汐Fish_Heart Python打卡训练python开发语言
    DAY43复习日作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化@浙大疏锦行选择DogsvsCats数据集（Kaggle经典二分类问题）完整代码实现1.设置环境并加载数据importosimportnumpyasnpimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimpo
  • DAY复习日 zx43 python训练营打卡内容python笔记深度学习
    作业：kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件数据集来源水母图像数据集---JellyfishImageDataset，对水母图片进行分类，共6个类别。importosimporttorchimporttorch.optimasoptimimporttorch.nnasnnimporttorch.nn.functionalasFimp
  • DAY43打卡 weixin_71046789 Python打卡训练营内容python
    @浙大疏锦行kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化进阶：并拆分成多个文件fruit_cnn_project/├─data/#存放数据集（需手动创建，后续放入图片）│├─train/#训练集图像│└─val/#验证集图像├─models/#模型定义│└─cnn_model.py#CNN网络结构├─utils/#工具函数│├─dataset_utils.py
  • 人工智能学习进阶之路 lumutong 人工智能学习
    以下是人工智能学习路径的详细规划，分5个阶段循序渐进，建议学习周期1.5-2年：一、筑基阶段（3-6个月）数学基础线性代数：矩阵运算（推荐《LinearAlgebraDoneRight》）微积分：偏导数/梯度（MIT18.01课程）概率统计：贝叶斯定理（可汗学院概率课）编程基础Python语法（《PythonCrashCourse》）数据处理库：NumPy/Pandas（官方文档+Kaggle练习
  • 用DeepSeek寻找适合数据科学学术论文方向，并用Deep reaserch快速初稿！ AIWritePaper智能写作探索 AIWritePaperChatGPTDeepReaserch人工智能chatgptpromptAIGCclaude
    目录1.DeepSeek选择方向的优势2.ChatGPT辅助数据分析Kaggle埃姆斯市房价预测竞赛优秀方案分析摘要引言数据集描述特征工程深度学习方法实验与结果讨论结论参考文献大家好这里是学术Anan，官网AIWritePaper~宝子们毕业之前需要完成的学术论文往往是学生时代最后一项挑战。无论宝子们对此过程多么熟悉，每次着手写新论文时，似乎都需重新规划、从头开始。值得庆幸的是，借助ChatGPT
  • nndl-book之循环神经网络 2301_80365274 rnn人工智能深度学习
    延时神经网络（TDNN）延时神经网络是在前馈网络中的非输出层都添加一个延时器，记录神经元的最近几次活性值．在第t个时刻，第层神经元的活性值依赖于第−1层神经元的最近个时刻的活性值代码（处理kaggle中的tweet评论数据集）：classTDNN_Config:data_path=r'F:\比赛-信安杯\Pytorch\data\肿瘤图像\BrainTumorData(1)\BrainTumorD
  • Kaggle-Binary Prediction with a Rainfall Dataset-(回归+特征工程+xgb) 美少女zss 回归数据挖掘人工智能
    BinaryPredictionwithaRainfallDataset题意：给你每天的天气信息，让你预测降雨量。数据处理：1.根据特征值构造天气降雨量的新特征值2.根据时间构造月和季节特征3.处理缺失值建立模型：1.建立lightgbm模型2.建立xgboost模型，并进行网格搜索最佳参数模型3.进行模型融合代码：importosimportsysimportwarningsimportnump
  • vr--中风患者模型搭建 qwetyunk vr
    1.数据集：https://www.kaggle.com/datasets/mustafamarwat/mused-i-semg-dataset-for-stroke-rehabilitation2.https://github.com/MustafaMarwat/MUSED-1MUSED-I数据集在采集过程中使用了MyoArmband设备。MyoArmband是一种可穿戴设备，它内置了一组传感器
  • java线程Thread和Runnable区别和联系 zx_code javajvmthread多线程Runnable
    我们都晓得java实现线程2种方式，一个是继承Thread，另一个是实现Runnable。 模拟窗口买票，第一例子继承thread，代码如下 package thread; public class ThreadTest { public static void main(String[] args) { Thread1 t1 = new Thread1(
  • 【转】JSON与XML的区别比较 丁_新 jsonxml
    1.定义介绍 (1).XML定义 扩展标记语言 (Extensible Markup Language, XML) ，用于标记电子文件使其具有结构性的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一，跨平台和语言，早已成为业界公认的标准。 XML是标
  • c++ 实现五种基础的排序算法 CrazyMizzz C++c算法
    #include<iostream> using namespace std; //辅助函数，交换两数之值 template<class T> void mySwap(T &x, T &y){ T temp = x; x = y; y = temp; } const int size = 10; //一、用直接插入排
  • 我的软件 麦田的设计者 我的软件音乐类娱乐放松
         这是我写的一款app软件，耗时三个月，是一个根据央视节目开门大吉改变的，提供音调，猜歌曲名。1、手机拥有者在android手机市场下载本APP，同意权限，安装到手机上。2、游客初次进入时会有引导页面提醒用户注册。（同时软件自动播放背景音乐）。3、用户登录到主页后，会有五个模块。a、点击不胫而走，用户得到开门大吉首页部分新闻，点击进入有新闻详情。b、
  • linux awk命令详解 被触发 linux awk
    awk是行处理器: 相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或是处理缓慢的问题，通常用来格式化文本信息 awk处理过程: 依次对每一行进行处理，然后输出 awk命令形式: awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file [-F|-f|-v]大参数，-F指定分隔符，-f调用脚本，-v定义变量 var=val
  • 各种语言比较 _wy_ 编程语言
                        Java Ruby PHP 擅长领域                  
  • oracle 中数据类型为clob的编辑 知了ing oracle clob
    public void updateKpiStatus(String kpiStatus,String taskId){ Connection dbc=null; Statement stmt=null; PreparedStatement ps=null; try { dbc = new DBConn().getNewConnection(); //stmt = db
  • 分布式服务框架 Zookeeper -- 管理分布式环境中的数据 矮蛋蛋 zookeeper
    原文地址： http://www.ibm.com/developerworks/cn/opensource/os-cn-zookeeper/ 安装和配置详解 本文介绍的 Zookeeper 是以 3.2.2 这个稳定版本为基础，最新的版本可以通过官网 http://hadoop.apache.org/zookeeper/来获取，Zookeeper 的安装非常简单，下面将从单机模式和集群模式两
  • tomcat数据源 alafqq tomcat
    数据库 JNDI(Java Naming and Directory Interface，Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。 没有使用JNDI时我用要这样连接数据库： 03.  Class.forName("com.mysql.jdbc.Driver");  04.  conn
  • 遍历的方法 百合不是茶 遍历
                                                          遍历 在java的泛
  • linux查看硬件信息的命令 bijian1013 linux
    linux查看硬件信息的命令 一.查看CPU： cat /proc/cpuinfo   二.查看内存： free   三.查看硬盘： df   linux下查看硬件信息 1、lspci 列出所有PCI 设备； lspci - list all PCI devices:列出机器中的PCI设备（声卡、显卡、Modem、网卡、USB、主板集成设备也能
  • java常见的ClassNotFoundException bijian1013 java
    1.java.lang.ClassNotFoundException: org.apache.commons.logging.LogFactory   添加包common-logging.jar2.java.lang.ClassNotFoundException: javax.transaction.Synchronization    
  • 【Gson五】日期对象的序列化和反序列化 bit1129 反序列化
    对日期类型的数据进行序列化和反序列化时，需要考虑如下问题：   1. 序列化时，Date对象序列化的字符串日期格式如何 2. 反序列化时，把日期字符串序列化为Date对象，也需要考虑日期格式问题 3. Date A -> str -> Date B,A和B对象是否equals   默认序列化和反序列化     import com
  • 【Spark八十六】Spark Streaming之DStream vs. InputDStream bit1129 Stream
      1. DStream的类说明文档：   /** * A Discretized Stream (DStream), the basic abstraction in Spark Streaming, is a continuous * sequence of RDDs (of the same type) representing a continuous st
  • 通过nginx获取header信息 ronin47 nginx header
    1. 提取整个的Cookies内容到一个变量，然后可以在需要时引用，比如记录到日志里面， if ( $http_cookie ~* "(.*)$") {         set $all_cookie $1; }     变量$all_cookie就获得了cookie的值，可以用于运算了
  • java-65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 bylijinnan java
    参考了网上的http://blog.csdn.net/peasking_dd/article/details/6342984 写了个java版的： public class Print_1_To_NDigit { /** * Q65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 * 1.使用字符串
  • Netty源码学习-ReplayingDecoder bylijinnan javanetty
    ReplayingDecoder是FrameDecoder的子类，不熟悉FrameDecoder的，可以先看看 http://bylijinnan.iteye.com/blog/1982618 API说，ReplayingDecoder简化了操作，比如： FrameDecoder在decode时，需要判断数据是否接收完全： public class IntegerH
  • js特殊字符过滤 cngolon js特殊字符js特殊字符过滤
    1.js中用正则表达式 过滤特殊字符, 校验所有输入域是否含有特殊符号function stripscript(s) {    var pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~！@#￥……&*（）&mdash;—|{}【】‘；：”“'。，、？]"
  • hibernate使用sql查询 ctrain Hibernate
    import java.util.Iterator; import java.util.List; import java.util.Map; import org.hibernate.Hibernate; import org.hibernate.SQLQuery; import org.hibernate.Session; import org.hibernate.Transa
  • linux shell脚本中切换用户执行命令方法 daizj linuxshell命令切换用户
    经常在写shell脚本时，会碰到要以另外一个用户来执行相关命令，其方法简单记下：   1、执行单个命令：su - user -c "command" 如：下面命令是以test用户在/data目录下创建test123目录 [root@slave19 /data]# su - test -c "mkdir /data/test123" 
  • 好的代码里只要一个 return 语句 dcj3sjt126com return
    别再这样写了：public boolean foo() {    if (true) {         return true;     } else {          return false;    
  • Android动画效果学习 dcj3sjt126com android
    1、透明动画效果 方法一：代码实现 public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState) { View rootView = inflater.inflate(R.layout.fragment_main, container, fals
  • linux复习笔记之bash shell (4)管道命令 eksliang linux管道命令汇总linux管道命令linux常用管道命令
    转载请出自出处： http://eksliang.iteye.com/blog/2105461     bash命令执行的完毕以后，通常这个命令都会有返回结果，怎么对这个返回的结果做一些操作呢？那就得用管道命令‘|’。     上面那段话，简单说了下管道命令的作用，那什么事管道命令呢？     答：非常的经典的一句话，记住了，何为管
  • Android系统中自定义按键的短按、双击、长按事件 gqdy365 android
    在项目中碰到这样的问题： 由于系统中的按键在底层做了重新定义或者新增了按键，此时需要在APP层对按键事件（keyevent）做分解处理，模拟Android系统做法，把keyevent分解成： 1、单击事件：就是普通key的单击； 2、双击事件：500ms内同一按键单击两次； 3、长按事件：同一按键长按超过1000ms（系统中长按事件为500ms）； 4、组合按键：两个以上按键同时按住；
  • asp.net获取站点根目录下子目录的名称 hvt .netC#asp.nethovertreeWeb Forms
    使用Visual Studio建立一个.aspx文件(Web Forms)，例如hovertree.aspx,在页面上加入一个ListBox代码如下： <asp:ListBox runat="server" ID="lbKeleyiFolder" />   那么在页面上显示根目录子文件夹的代码如下： string[] m_sub
  • Eclipse程序员要掌握的常用快捷键 justjavac javaeclipse快捷键ide
      判断一个人的编程水平，就看他用键盘多，还是鼠标多。用键盘一是为了输入代码（当然了，也包括注释），再有就是熟练使用快捷键。   曾有人在豆瓣评 《卓有成效的程序员》：“人有多大懒，才有多大闲”。之前我整理了一个 程序员图书列表，目的也就是通过读书，让程序员变懒。  写道 程序员作为特殊的群体，有的人可以这么懒，懒到事情都交给机器去做，而有的人又可
  • c++编程随记 lx.asymmetric C++笔记
     为了字体更好看，改变了格式……   &&运算符：   #include<iostream> using namespace std; int main(){      int a=-1,b=4,k;      k=(++a<0)&&!(b--
  • linux标准IO缓冲机制研究 音频数据 linux
    一、什么是缓存I/O(Buffered I/O)缓存I/O又被称作标准I/O,大多数文件系统默认I/O操作都是缓存I/O。在Linux的缓存I/O机制中，操作系统会将I/O的数据缓存在文件系统的页缓存(page cache)中，也就是说，数据会先被拷贝到操作系统内核的缓冲区中，然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。1.缓存I/O有以下优点:A.缓存I/O使用了操作系统内核缓冲区，
  • 随想 生活 暗黑小菠萝 生活
    其实账户之前就申请了，但是决定要自己更新一些东西看也是最近。从毕业到现在已经一年了。没有进步是假的，但是有多大的进步可能只有我自己知道。   毕业的时候班里12个女生，真正最后做到软件开发的只要两个包括我，PS：我不是说测试不好。当时因为考研完全放弃找工作，考研失败，我想这只是我的借口。那个时候才想到为什么大学的时候不能好好的学习技术，增强自己的实战能力，以至于后来找工作比较费劲。我
  • 我认为POJO是一个错误的概念 windshome javaPOJO编程J2EE设计
                  这篇内容其实没有经过太多的深思熟虑，只是个人一时的感觉。从个人风格上来讲，我倾向简单质朴的设计开发理念；从方法论上，我更加倾向自顶向下的设计；从做事情的目标上来看，我追求质量优先，更愿意使用较为保守和稳妥的理念和方法。    &
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他