liuzh(少昊)
liuzh(少昊)

机器学习对于结果的评价指标最简单解释

  • 混淆矩阵(confusion_matrix)
    左上到右下对角线上为预测正确的 对角线外面为错误
  • 精确率
    预测结果为正例样本中真实为正例的比例 结果越大越好
  • Micro-average 微平均
    (分类正确的样本个数) / (分类的所有样本个数)
  • F1值
    精确度和召回率的调和平均值 越大越好
    如果A取1，那么F-measure实际上就是precison和recall的调和平均值 2precisionrecall / (precision + recall)， 此时的F-measure就称为F1值
  • Macro-average 宏平均
    把所有类的F1值取一个算术平均就得到了Macro-average
  • 召回率(recall_score)
    真实为正例的样本中预测结果为正例的比例 结果越大越好

如有错误请及时指正

你可能感兴趣的:(机器学习算法实现)

  • 机器学习算法实现刑事案件文本分类 deleteeee 机器学习分类人工智能自然语言处理pythonsklearnscikit-learn
    一、背景随着我国法制建设不断健全，法规日趋完善，人们的法律意识也越来越强。当前，随着越来越多的法律文本公开，为犯罪案件审理这个方面的挖掘积累了大量的文本内容。因此，通过收集法律与犯罪领域文本，构建起司法领域语料库，使用自然语言处理技术进行挖掘，实现文本分类，并利用机器学习等技术实现对法律案件的预测具有重要意义。文本分类算法，是计算机对文本集合按照事先定义好的类别体系进行自动分类标记的技术，它根据一
  • 机器学习大作业--Python城市空气质量的分析与预测 黎明的前夜 机器学习实验和大作业课程设计机器学习支持向量机lstm决策树线性回归
    需要完整项目源码和论文报告可以私信我或加QQ1878073201机器学习大作业–基于机器学习算法、KNN、SVM、LSTM、决策树、随机森林、线性回归分析对空气质量的分类、识别和预测:本文针对江西省南昌市2022年空气质量问题，采用各种机器学习算法实现其分类、知识、预测等。文中采用了基于SVM的图像分类或归类、深度学习模型LSTM、决策树、随机森林和线性回归分析等方法，对南昌市空气质量进行了研究和
  • ML：使用线性回归实现多项式拟合 ACphart
    介绍注意：这里的代码都是在JupyterNotebook中运行，原始的.ipynb文件可以在我的GitHub主页上下载https://github.com/acphart/Hand_on_ML_Algorithm其中的LinearRegression_multi_polynomal.ipynb，直接在JupyterNotebook中打开运行即可，里面还有其他的机器学习算法实现，喜欢可以顺便给个st
  • [网络安全提高篇] 一二三.恶意样本分类之基于API序列和深度学习的恶意家族分类详解 Eastmount 网络安全自学篇web安全深度学习恶意样本分类API序列CNN
    终于忙完初稿，开心地写一篇博客。“网络安全提高班”新的100篇文章即将开启，包括Web渗透、内网渗透、靶场搭建、CVE复现、攻击溯源、实战及CTF总结，它将更加聚焦，更加深入，也是作者的慢慢成长史。换专业确实挺难的，Web渗透也是块硬骨头，但我也试试，看看自己未来四年究竟能将它学到什么程度，漫漫长征路，偏向虎山行。享受过程，一起加油~前文详细介绍如何学习提取的API序列特征，并构建机器学习算法实现
  • 【R语言因果推断】0-1：因果推断概述 JOJO数据科学 R语言数据科学r语言
    专栏介绍个人主页：JOJO数据科学个人介绍：统计学top3高校统计学硕士在读如果文章对你有帮助，欢迎✌关注、点赞、✌收藏、订阅专栏✨本文收录于【R语言数据科学】本系列主要介绍R语言在数据科学领域的应用包括：R语言编程基础、R语言可视化、R语言进行数据操作、R语言建模、R语言机器学习算法实现、R语言因果推断、R语言统计理论方法实现。本系列会坚持完成下去，请大家多多关注点赞支持，一起学习~，尽量坚持每
  • 经典机器学习算法的极简实现（Python+NumPy） 木亦有知
    大三的时候曾花两个星期学习了几个经典的机器学习算法，学习方法主要是白天参考《统计学习方法》推导公式，晚上利用公式编写实现。在参考GitHub上算法实现时，我发现其中大多数都比较繁杂冗长，很难体现出算法的核心思想。因此我特地找出了以前的机器学习算法实现，在修改整理后分享给大家（GitHub地址）。所有算法的实现都没有使用其他机器学习库。希望可以帮助大家对机器学习算法及其本质原理有个基本的了解，但并不
  • 机器学习算法实现（基于numpy） Jiawen9 #《机器学习代码实现》学习笔记机器学习算法numpypython人工智能数据挖掘
    《机器学习公式推导与代码实现》学习笔记，记录一下自己的学习过程，详细的内容请大家购买作者的书籍查阅。这篇博客是将笔者边学边刷《机器学习公式推导与代码实现》的模型跟代码记录下来，部分地方结合自己的思考对原作者的代码有一定的改动，这些博客主要是动手去实现一些模型，感受机器学习各个模型能解决的问题以及收敛后的效果，所以对相关理论没有过于深入。一.监督学习模型chapter3-对数几率回归logistic
  • 数据科学软件likeweka 哈都婆 机器学习hadoop搭建管理教程sql数据库python数据分析信息可视化
    题目：项目完成人：202160362韩东平（组长）、202160362唐骏（组员）语言及安装包：本软件基于python语言，在Pycharm/Jupyter中完成脚本开发；需安装PyQt5包、PIL、sklearn、matplotlib包，软件才能顺利运行本程序。一、功能介绍本软件是一个数据科学软件，旨在提供数据处理、分析、机器学习算法实现、和可视化的功能。以下是软件的主要功能：1.数据导入：支持
  • ML：自己动手实现单变量线性回归算法 ACphart
    介绍注意：这里的代码都是在JupyterNotebook中运行，原始的.ipynb文件可以在我的GitHub主页上下载https://github.com/acphart/Hand_on_ML_Algorithm其中的LinearRegression_single_variabel.ipynb，直接在JupyterNotebook中打开运行即可，里面还有其他的机器学习算法实现，喜欢可以顺便给个st
  • 【机器学习基础】数学推导+纯Python实现机器学习算法25：CatBoost 风度78 算法人工智能机器学习深度学习数据分析
    Python机器学习算法实现Author：louwillMachineLearningLab本文介绍GBDT系列的最后一个强大的工程实现模型——CatBoost。CatBoost与XGBoost、LightGBM并称为GBDT框架下三大主流模型。CatBoost是俄罗斯搜索巨头公司Yandex于2017年开源出来的一款GBDT计算框架，因其能够高效处理数据中的类别特征而取名为CatBoost（Ca
  • 【机器学习基础】数学推导+纯Python实现机器学习算法27：EM算法 风度78 算法python机器学习人工智能深度学习
    Python机器学习算法实现Author：louwillMachineLearningLab从本篇开始，整个机器学习系列还剩下最后三篇涉及导概率模型的文章，分别是EM算法、CRF条件随机场和HMM隐马尔科夫模型。本文主要讲解一下EM（Expectionmaximization），即期望最大化算法。EM算法是一种用于包含隐变量概率模型参数的极大似然估计方法，所以本文从极大似然方法说起，然后推广到EM
  • 【机器学习基础】数学推导+纯Python实现机器学习算法24：HMM隐马尔可夫模型 风度78 算法python机器学习深度学习人工智能
    Python机器学习算法实现Author：louwillMachineLearningLabHMM（HiddenMarkovModel）也就是隐马尔可夫模型，是一种由隐藏的马尔可夫链随机生成观测序列的过程，是另一种经典的概率图模型。本文在阐述HMM的基本定义和相关概念的基础上，引申出HMM的三个重要问题：估计算法、学习算法和预测算法问题，并给出相应的代码实现方式。HMM的定义与相关概念HMM是关于
  • R语言caret机器学习（一）数据可视化：绘制特征变量图 JOJO数据科学 R语言数据科学r语言机器学习数据可视化
    【R语言数据科学】个人主页：JOJO数据科学个人介绍：统计学top3高校统计学硕士在读如果文章对你有帮助，欢迎✌关注、点赞、✌收藏、订阅专栏✨本文收录于【R语言数据科学】本系列主要介绍R语言在数据科学领域的应用包括：R语言编程基础、R语言可视化、R语言进行数据操作、R语言建模、R语言机器学习算法实现、R语言统计理论方法实现。本系列会坚持完成下去，请大家多多关注点赞支持，一起学习~，尽量坚持每周持续
  • 【机器学习基础】数学推导+纯Python实现机器学习算法28：CRF条件随机场 风度78 算法机器学习人工智能深度学习python
    Python机器学习算法实现Author：louwillMachineLearningLab本文我们来看一下条件随机场（ConditionalRandomField，CRF）模型。作为概率图模型的经典代表之一，CRF理解起来并不容易。究其缘由，还是在于CRF模型过于抽象，大量的概率公式放在一起时常让人犯晕。还有就是即使理解了公式，很多朋友也迷惑CRF具体用在什么地方。所以在本文的开头，我们先具体化
  • 机器学习：公式推导与代码实现全书代码！ 机器学习与AI生成创作 算法机器学习人工智能pythongithub
    今年新书《机器学习：公式推导与代码实现》目前在印刷中，本月底即将出版，现开源本书全部章节代码。全书总共6大部分26个章节，包括入门、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和总结。书预计下半年可出版，全书代码仓库经过修改和整理之后先提前分享给各位读者。仓库的一些机器学习算法实现借鉴了一些GitHub上一些优秀的仓库代码，整体上力争做到简洁和基于NumPy搭建。每一个机器学习算法都
  • 机器学习模型的超参数优化 喜欢打酱油的老鸟 人工智能
    作者|deephub责编|王晓曼出品|CSDN博客头图|CSDN付费下载自东方IC引言模型优化是机器学习算法实现中最困难的挑战之一。机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。举例来说，随机森林算法中树的数量就是一个超参数，而神经网络中的权值则不是超参数。
  • 模型效果差？我建议你掌握这些机器学习模型的超参数优化方法 Python数据挖掘 机器学习python超参数
    模型优化是机器学习算法实现中最困难的挑战之一。机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。举例来说，随机森林算法中树的数量就是一个超参数，而神经网络中的权值则不是超参数。其它超参数有：神经网络训练中的学习率支持向量机中的ccc参数和γ\gammaγ参数k近
  • python识别手写数字_不用框架，Python识别手写数字 weixin_39691748 python识别手写数字
    有一句话说得好，要有造轮子的技术和用轮子的觉悟近年来人工智能火的不行，大家都争相学习机器学习，作为学习大军中的一员，我觉得最好的学习方法就是用python把机器学习算法实现一遍，下面我介绍一下用逻辑回归实现手写数字的识别。逻辑回归知识点回顾线性回归简单又易用，可以进行值的预测，但是不擅长分类。在此基础上进行延伸，把预测的结果和概率结合起来就可以做分类器了，比如预测值大于0.5，则归为1类，否则就归
  • 【机器学习基础】数学推导+纯Python实现机器学习算法17：XGBoost 风度78
    Python机器学习算法实现Author：louwillMachineLearningLab自从陈天奇于2015年提出XGBoost以来，该模型就一直在各大数据竞赛中当作大杀器被频繁祭出。速度快、效果好是XGBoost的最大优点。XGBoost与GBDT同出一脉，都属于boosting集成学习算法，但XGBoost相较于GBDT要青出于蓝而胜于蓝。XGBoost的全程为eXtremeGradien
  • 数学推导+纯Python实现马尔可夫链蒙特卡洛 文文学霸
    Python机器学习算法实现Author：louwillMachineLearningLab蒙特卡洛（MonteCarlo，MC）方法作为一种统计模拟和近似计算方法，是一种通过对概率模型随机抽样进行近似数值计算的方法。马尔可夫链（MarkovChain，MC）则是一种具备马尔可夫性的随机序列。将二者结合起来便有了马尔可夫链蒙特卡洛方法（MarkovChainMonteCarlo，MCMC），即是以
  • 深度学习+迁移学习资料整理 Marko编程 python深度学习机器学习人工智能神经网络
    文章目录前言一、Python机器学习1.1sklearn库的学习二、深度学习框架2.1CNN三、迁移学习3.1迁移学习代码四、工具整理前言对在个人学习过程中收集到的资料进行整理，仅供参考，持续更新（收藏=学会）。一、Python机器学习1.1sklearn库的学习官方文档地址：官方文档跳转使用python中的sklearn扩展库，可以利用其提供的机器学习算法实现特征子集的筛选学习参考链接：1.Py
  • 【机器学习算法实现】主成分分析(PCA)——基于python+numpy ChuShengWHU 机器学习pythonNumpy
    【机器学习算法实现】主成分分析(PCA)——基于python+numpy@author：wepon@blog：http://blog.csdn.net/u012162613/article/details/421773271、PCA算法介绍主成分分析（PrincipalComponentsAnalysis），简称PCA，是一种数据降维技术，用于数据预处理。一般我们获取的原始数据维度都很高，比如10
  • 使用机器学习算法实现单细胞测序数据的降维及聚类(一) 今天练习代码了吗 机器学习--单细胞聚类
    主要代码参考于此，感谢b站大学主要代码参考于此，感谢GitHub老师本篇主要记录一下几种常用的降维算法数据集和文中代码可从我的gitee中中获取数据是darmanis数据集，包括466个细胞2000个高表达量基因，分为九种类型的细胞集群。数据部分截图：其中行为基因列为细胞，每个数据表示基因在细胞中的表达量。1.PCAimportnumpyasnpimportmatplotlib.pyplotasp
  • 【R语言数据科学】：变量选择（三）主成分回归和偏最小二乘回归 JOJO数据科学 R语言数据科学r语言回归开发语言
    变量选择（三）主成分回归和偏最小二乘回归个人主页：JOJO数据科学个人介绍：统计学top3高校统计学硕士在读如果文章对你有帮助，欢迎✌关注、点赞、✌收藏、订阅专栏✨本文收录于【R语言数据科学】本系列主要介绍R语言在数据科学领域的应用包括：R语言编程基础、R语言可视化、R语言进行数据操作、R语言建模、R语言机器学习算法实现、R语言统计理论方法实现。本系列会坚持完成下去，请大家多多关注点赞支持，一起学
  • 【机器学习基础】数学推导+纯Python实现机器学习算法12：贝叶斯网络 风度78
    Python机器学习算法实现Author：louwill在上一讲中，我们讲到了经典的朴素贝叶斯算法。朴素贝叶斯的一大特点就是特征的条件独立假设，但在现实情况下，条件独立这个假设通常过于严格，在实际中很难成立。特征之间的相关性限制了朴素贝叶斯的性能，所以本节笔者将继续介绍一种放宽了条件独立假设的贝叶斯算法——贝叶斯网络(BayesianNetwork)。贝叶斯网络的直观例子先以一个例子进行引入。假设
  • 【机器学习基础】数学推导+纯Python实现机器学习算法18：奇异值分解SVD 风度78
    Python机器学习算法实现Author：louwillMachineLearningLab奇异值分解（SingularValueDecomposition，SVD）作为一种常用的矩阵分解和数据降维方法，在机器学习中也得到了广泛的应用，比如自然语言处理中的SVD词向量和潜在语义索引，推荐系统中的特征分解，SVD用于PCA降维以及图像去噪与压缩等。作为一个基础算法，我们有必要将其单独拎出来在机器学习
  • 纯Python实现机器学习算法：贝叶斯网络 銨靜菂等芐紶 PythonPython贝叶斯网络
    Python机器学习算法实现在上一讲中，我们讲到了经典的朴素贝叶斯算法。朴素贝叶斯的一大特点就是特征的条件独立假设，但在现实情况下，条件独立这个假设通常过于严格，在实际中很难成立。特征之间的相关性限制了朴素贝叶斯的性能，所以本节笔者将继续介绍一种放宽了条件独立假设的贝叶斯算法——贝叶斯网络(BayesianNetwork)。贝叶斯网络的直观例子先以一个例子进行引入。假设我们需要通过头像真实性、粉丝
  • 【机器学习基础】数学推导+纯Python实现机器学习算法30：系列总结与感悟 风度78 算法人工智能机器学习深度学习xhtml
    Python机器学习算法实现Author：louwillMachineLearningLab终于到了最后的总结。从第一篇线性回归的文章开始到现在，已经接近有两年的时间了。当然，也不是纯写这30篇文章用了这么长时间，在第14篇Ridge回归之后中间断更了10个多月，好在今年抽出时间把全部补齐了。一点总结整个系列对常用的、主流的机器学习模型与算法进行了梳理，主题只有两个，一个是数学推导，一个手写实现。
  • gridsearchcv参数_机器学习模型的超参数优化 weixin_39897218 gridsearchcv参数
    引言模型优化是机器学习算法实现中最困难的挑战之一。机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。举例来说，随机森林算法中树的数量就是一个超参数，而神经网络中的权值则不是超参数。其它超参数有：神经网络训练中的学习率支持向量机中的参数和参数k近邻算法中的参数……
  • randomforestregressor参数_机器学习中的超参数优化 weixin_39601194 机器学习中val
    引言模型优化是机器学习算法实现中最困难的挑战之一。机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。举例来说，随机森林算法中树的数量就是一个超参数，而神经网络中的权值则不是超参数。其它超参数有：神经网络训练中的学习率支持向量机中的ccc参数和γgammaγ参数k
  • 基本数据类型和引用类型的初始值 3213213333332132 java基础
    package com.array; /** * @Description 测试初始值 * @author FuJianyong * 2015-1-22上午10:31:53 */ public class ArrayTest { ArrayTest at; String str; byte bt; short s; int i; long
  • 摘抄笔记--《编写高质量代码：改善Java程序的151个建议》 白糖_ 高质量代码
            记得3年前刚到公司，同桌同事见我无事可做就借我看《编写高质量代码：改善Java程序的151个建议》这本书，当时看了几页没上心就没研究了。到上个月在公司偶然看到，于是乎又找来看看，我的天，真是非常多的干货，对于我这种静不下心的人真是帮助莫大呀。           看完整本书，也记了不少笔记
  • 【备忘】Django 常用命令及最佳实践 dongwei_6688 django
    注意：本文基于 Django 1.8.2 版本   生成数据库迁移脚本（python 脚本） python manage.py makemigrations polls  说明：polls 是你的应用名字，运行该命令时需要根据你的应用名字进行调整   查看该次迁移需要执行的 SQL 语句（只查看语句，并不应用到数据库上）： python manage.p
  • 阶乘算法之一N! 末尾有多少个零 周凡杨 java算法阶乘面试效率
                                     &n
  • spring注入servlet g21121 Spring注入
    传统的配置方法是无法将bean或属性直接注入到servlet中的，配置代理servlet亦比较麻烦，这里其实有比较简单的方法，其实就是在servlet的init()方法中加入要注入的内容： ServletContext application = getServletContext(); WebApplicationContext wac = WebApplicationContextUtil
  • Jenkins 命令行操作说明文档 510888780 centos
    假设Jenkins的URL为http://22.11.140.38:9080/jenkins/ 基本的格式为 java 基本的格式为 java -jar jenkins-cli.jar [-s JENKINS_URL] command [options][args] 下面具体介绍各个命令的作用及基本使用方法 1. &nb
  • UnicodeBlock检测中文用法 布衣凌宇 UnicodeBlock
    /**  * 判断输入的是汉字  */ public static boolean isChinese(char c) {        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);    
  • java下实现调用oracle的存储过程和函数 aijuans javaorale
    1.创建表：STOCK_PRICES     2.插入测试数据：     3.建立一个返回游标：  PKG_PUB_UTILS   4.创建和存储过程：P_GET_PRICE     5.创建函数：   6.JAVA调用存储过程返回结果集 JDBCoracle10G_INVO
  • Velocity Toolbox antlove 模板toolboxvelocity
    velocity.VelocityUtil package velocity; import org.apache.velocity.Template; import org.apache.velocity.app.Velocity; import org.apache.velocity.app.VelocityEngine; import org.apache.velocity.c
  • JAVA正则表达式匹配基础 百合不是茶 java正则表达式的匹配
      正则表达式;提高程序的性能,简化代码,提高代码的可读性,简化对字符串的操作   正则表达式的用途; 字符串的匹配 字符串的分割 字符串的查找 字符串的替换       正则表达式的验证语法     [a] //[]表示这个字符只出现一次 ,[a] 表示a只出现一
  • 是否使用EL表达式的配置 bijian1013 jspweb.xmlELEasyTemplate
            今天在开发过程中发现一个细节问题，由于前端采用EasyTemplate模板方法实现数据展示，但老是不能正常显示出来。后来发现竟是EL将我的EasyTemplate的${...}解释执行了，导致我的模板不能正常展示后台数据。         网
  • 精通Oracle10编程SQL(1-3)PLSQL基础 bijian1013 oracle数据库plsql
    --只包含执行部分的PL/SQL块 --set serveroutput off begin dbms_output.put_line('Hello,everyone!'); end; select * from emp; --包含定义部分和执行部分的PL/SQL块 declare v_ename varchar2(5); begin select
  • 【Nginx三】Nginx作为反向代理服务器 bit1129 nginx
    Nginx一个常用的功能是作为代理服务器。代理服务器通常完成如下的功能：   接受客户端请求 将请求转发给被代理的服务器 从被代理的服务器获得响应结果 把响应结果返回给客户端 实例 本文把Nginx配置成一个简单的代理服务器 对于静态的html和图片，直接从Nginx获取 对于动态的页面，例如JSP或者Servlet，Nginx则将请求转发给Res
  • Plugin execution not covered by lifecycle configuration: org.apache.maven.plugin blackproof maven报错
    转：http://stackoverflow.com/questions/6352208/how-to-solve-plugin-execution-not-covered-by-lifecycle-configuration-for-sprin   maven报错： Plugin execution not covered by lifecycle configuration:
  • 发布docker程序到marathon ronin47 docker 发布应用
    1 发布docker程序到marathon 1.1 搭建私有docker registry 1.1.1 安装docker regisry docker pull docker-registry docker run -t -p 5000:5000 docker-registry 下载docker镜像并发布到私有registry docker pull consol/tomcat-8.0
  • java-57-用两个栈实现队列&&用两个队列实现一个栈 bylijinnan java
    import java.util.ArrayList; import java.util.List; import java.util.Stack; /* * Q 57 用两个栈实现队列 */ public class QueueImplementByTwoStacks { private Stack<Integer> stack1; pr
  • Nginx配置性能优化 cfyme nginx
    转载地址：http://blog.csdn.net/xifeijian/article/details/20956605   大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装，修改这里或那里的几行配置，好了，你已经有了一个Web服务器了。而且，在大多数情况下，一个常规安装的nginx对你的网站来说已经能很好地工作了。然而，如果你真的想挤压出Nginx的性能，你必
  • [JAVA图形图像]JAVA体系需要稳扎稳打,逐步推进图像图形处理技术 comsci java
         对图形图像进行精确处理，需要大量的数学工具，即使是从底层硬件模拟层开始设计，也离不开大量的数学工具包，因为我认为，JAVA语言体系在图形图像处理模块上面的研发工作，需要从开发一些基础的，类似实时数学函数构造器和解析器的软件包入手，而不是急于利用第三方代码工具来实现一个不严格的图形图像处理软件......   &nb
  • MonkeyRunner的使用 dai_lm androidMonkeyRunner
    要使用MonkeyRunner，就要学习使用Python，哎 先抄一段官方doc里的代码 作用是启动一个程序（应该是启动程序默认的Activity），然后按MENU键，并截屏 # Imports the monkeyrunner modules used by this program from com.android.monkeyrunner import MonkeyRun
  • Hadoop-- 海量文件的分布式计算处理方案 datamachine mapreducehadoop分布式计算
    csdn的一个关于hadoop的分布式处理方案，存档。 原帖：http://blog.csdn.net/calvinxiu/article/details/1506112。     Hadoop 是Google MapReduce的一个Java实现。MapReduce是一种简化的分布式编程模式，让程序自动分布到一个由普通机器组成的超大集群上并发执行。就如同ja
  • 以資料庫驗證登入 dcj3sjt126com yii
    以資料庫驗證登入 由於 Yii 內定的原始框架程式, 採用綁定在UserIdentity.php 的 demo 與 admin 帳號密碼:    public function authenticate()    {        $users=array( &nbs
  • github做webhooks：[2]php版本自动触发更新 dcj3sjt126com githubgitwebhooks
    上次已经说过了如何在github控制面板做查看url的返回信息了。这次就到了直接贴钩子代码的时候了。 工具/原料 git github 方法/步骤   在github的setting里面的webhooks里把我们的url地址填进去。   钩子更新的代码如下： error_reportin
  • Eos开发常用表达式 蕃薯耀 Eos开发Eos入门Eos开发常用表达式
    Eos开发常用表达式 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2014年8月18日 15:03:35 星期一     &
  • SpringSecurity3.X--SpEL 表达式 hanqunfeng SpringSecurity
    使用 Spring 表达式语言配置访问控制，要实现这一功能的直接方式是在<http>配置元素上添加 use-expressions 属性：   <http auto-config="true" use-expressions="true"> 这样就会在投票器中自动增加一个投票器：org.springframework
  • Redis vs Memcache IXHONG redis
    1. Redis中，并不是所有的数据都一直存储在内存中的，这是和Memcached相比一个最大的区别。 2. Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，hash等数据结构的存储。 3. Redis支持数据的备份，即master-slave模式的数据备份。 4. Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 Red
  • Python - 装饰器使用过程中的误区解读 kvhur JavaScriptjqueryhtml5css
    大家都知道装饰器是一个很著名的设计模式，经常被用于AOP(面向切面编程)的场景，较为经典的有插入日志，性能测试，事务处理，Web权限校验， Cache等。 原文链接：http://www.gbtags.com/gb/share/5563.htm Python语言本身提供了装饰器语法（@），典型的装饰器实现如下：   @function_wrapper de
  • 架构师之mybatis-----update 带case when 针对多种情况更新 nannan408 case when
    1.前言.    如题. 2. 代码.   <update id="batchUpdate" parameterType="java.util.List"> <foreach collection="list" item="list" index=&
  • Algorithm算法视频教程 栏目记者 Algorithm算法
    课程：Algorithm算法视频教程 百度网盘下载地址： http://pan.baidu.com/s/1qWFjjQW 密码: 2mji 程序写的好不好,还得看算法屌不屌！Algorithm算法博大精深。 一、课程内容： 课时1、算法的基本概念 + Sequential search 课时2、Binary search 课时3、Hash table 课时4、Algor
  • C语言算法之冒泡排序 qiufeihu c算法
    任意输入10个数字由小到大进行排序。 代码： #include <stdio.h> int main() { int i,j,t,a[11]; /*定义变量及数组为基本类型*/ for(i = 1;i < 11;i++){ scanf("%d",&a[i]); /*从键盘中输入10个数*/ } for
  • JSP异常处理 wyzuomumu Webjsp
    1.在可能发生异常的网页中通过指令将HTTP请求转发给另一个专门处理异常的网页中: <%@ page errorPage="errors.jsp"%>   2.在处理异常的网页中做如下声明： errors.jsp: <%@ page isErrorPage="true"%>，这样设置完后就可以在网页中直接访问exc
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他