Kulbear
Kulbear

Intro to Stacking

Introduction to Ensembling/Stacking in Python

A Kaggler's Guide to Model Stacking in Practice

KAGGLE ENSEMBLING GUIDE

Using Ensembles in Kaggle Data Science Competitions – Part 1

How to Implement Stacked Generalization From Scratch With Python

你可能感兴趣的:(Intro to Stacking)

  • 10个高效的Python爬虫框架，你用过几个？ 进击的C语言 python
    小型爬虫需求，requests库+bs4库就能解决；大型爬虫数据，尤其涉及异步抓取、内容管理及后续扩展等功能时，就需要用到爬虫框架了。下面介绍了10个爬虫框架，大家可以学习使用！1.Scrapyscrapy官网：https://scrapy.org/scrapy中文文档：https://www.osgeo.cn/scrapy/intro/oScrapy是一个为了爬取网站数据，提取结构性数据而编写的
  • 华南农业大学 OJ数据结构 迷宫问题2(C、C++) 打架戴手表、
    18720迷宫问题（最短路径）时间限制:1000MS代码长度限制:10KB提交次数:0通过次数:0题型:编程题语言:不限定Description迷宫是一个n*m的矩阵，玩家需要迷宫入口(坐标1,1)出发，寻找路径走到出口(n,m)。请判断玩家能否从迷宫中走出，如果能走出迷宫输出，输出最短的路径长度，否则输出-1。输入格式第一行两个整数n和m，代表n行m列。(1typedefstruct{intro
  • pytorch NLP自然语言处理入门一：文本表示 whyte王 pytorchNLP基础pytorch自然语言处理人工智能
    开始编辑：2024/2/16；最后编辑2024/2/16教程出自：https://learn.microsoft.com/en-sg/training/modules/intro-natural-language-processing-pytorch/第二部分：https://blog.csdn.net/qq_33345365/article/details/136142152本博客旨在探讨处理自
  • linux Shell 命令行-02-var 变量 老马啸西风 java
    拓展阅读linuxShell命令行-00-intro入门介绍linuxShell命令行-02-var变量linuxShell命令行-03-array数组linuxShell命令行-04-operator操作符linuxShell命令行-05-test验证是否符合条件linuxShell命令行-06-flowcontrol流程控制linuxShell命令行-07-func函数linuxShell命令
  • 常用的模型集成方法介绍：bagging、boosting 、stacking weixin_30585437 人工智能c/c++数据结构与算法
    本文介绍了集成学习的各种概念，并给出了一些必要的关键信息，以便读者能很好地理解和使用相关方法，并且能够在有需要的时候设计出合适的解决方案。本文将讨论一些众所周知的概念，如自助法、自助聚合（bagging）、随机森林、提升法（boosting）、堆叠法（stacking）以及许多其它的基础集成学习模型。为了使所有这些方法之间的联系尽可能清晰，我们将尝试在一个更广阔和逻辑性更强的框架中呈现它们，希望这
  • R语言corrplot相关性热图制作 梦剧场zjugis 可视化R语言数据分析r语言数据可视化数据分析
    R语言corrplot相关性热图制作使用R语言制作相关性热图，使用corrplot这个包，本文进行简略的介绍，函数的具体内容见文档：https://cran.r-project.org/web/packages/corrplot/vignettes/corrplot-intro.html在函数中，可以选择不同的method可以绘制不同类型的图像，例如circle、square、ellipse、co
  • Bioinformatic workflow 小潤澤
    给大家推荐个网站：https://bioinformaticsworkbook.org/projectManagement/Intro_projectManagement#gsc.tab=0这个网站适合于刚入门的生物信息同学，里面涉及到一些NGS的流程软件介绍以获得原作者的授权：原推文链接：https://twitter.com/tangming2005/status/12401074132289
  • 影像组学学习笔记(20)-通俗讲解集成学习ensemble learning 北欧森林
    本笔记来源于B站Up主:有Li的影像组学系列教学视频本节(20)主要介绍:集成学习的通俗讲解集成学习(ensemblelearning)将多个分类器结合在一起使用Bagging:同质学习器，彼此独立，投票/平均Boosting:同质学习器，层层递进，后面的会着重学习前面犯过的错误Stacking:异质学习器，学习学习器李博士以考试为比喻，通俗的讲解了三者之间的区别拓展学习：Bagging和Boos
  • Kaggle Intro Model Validation and Underfitting and Overfitting 卢延吉 NewDeveloper数据(Data)ML&ME&GPT机器学习
    ModelValidationModelvalidationisthecornerstoneofensuringarobustandreliablemachinelearningmodel.It'stherigorousassessmentofhowwellyourmodelperformsonunseendata,mimickingreal-worldscenarios.Doneright,it
  • 随笔 牧荣萌
    分享tsunenoria.k.aMarukabis的单曲《Intro-intro》:http://music.163.com/song/524543/?userid=3661799(来自@网易云音乐)有时你以为是关心担心他人在提心吊胆的担惊受怕中数秒度过电话连续三四个都是通话中而不能立即接通事后当事人大大咧咧地回复喔天怎么一连这么多电话什么急事反倒责怪起好吧懒得管你有句话说来虽说心大些但也好过自己
  • 【反渲染高斯】GS-IR: 3D Gaussian Splatting for Inverse Rendering Ci_ci 17 3d
    GS-IR:3DGaussianSplattingforInverseRendering概要intro总结相关工作InverseRenderingpreMethodnomal的重建深度生成法线推导间接照明建模内在的分解实验比较消融研究概要会有自己的理解PS，不保证正确，欢迎评论中指出错误。我们提出了一种基于3D高斯溅射(GS)的新型反向渲染方法GS-IR，它利用前向映射体渲染forwardmapp
  • 使用terraform和cdk在azure上使用terraform和python在azure上创建kubernetes集群 weixin_26755331 pythonkubernetes
    介绍与动机(Intro&Motivation)Defininginfrastructurebywritingcodehasbeenwidelyadoptedlastyears.Terraformisoneoftheleadinginfrastructureascodetoolsandknownbyprovidingintuitivelanguage,lowbarriertogetworkingwi
  • 关于pyecharts的官方网站/官网的使用方法 三块一毛四 前端
    pyecharts官网地址："https://pyecharts.org/#/zh-cn/intro"说明：一般文档中没有说明关于pyecharts官网的有效使用方法，针对这种情况，下面做一个简要的个人使用这个网站的方法，仅供参考。1.打开网页，进入如下界面2.同时在浏览器中联系打开3个新的标签页面打开3个新的网页之后，分别把官网的网址复制，粘贴到浏览器新标签的网页地址位置，得到同样的网页3.使用
  • 蓝牙协议入门 折花刀 网络协议物联网信息与通信
    https://wrlus.com/wireless-security/bluetooth-intro/
  • 机器学习-集成学习（模型融合）方法概述 毛飞龙 机器学习集成学习模型融合
    概述模型融合方法广泛应用于机器学习中，其原因在于，将多个学习器进行融合预测，能够取得比单个学习器更好的效果，实现“三个臭皮匠，顶一个诸葛亮”，其原因在于通过模型融合，能够降低预测的偏差和方差。本文对模型融合中常见的三种方法进行一个简要介绍：包括Bagging、Boosting、Stacking。偏差（Bias）与方差（Variance）假设对数据集中一个样本进行n次预测，偏差是预测期望值与样本值的
  • 集成算法概述 J_Anson 算法集成算法
    集成算法的基本思想：训练时用多种分类器一起完成同一份任务。测试时对待测试样本分别通过不同的分类器，汇总最后的结果。投票方式，可分为软投票和硬投票。集成算法一般有三种，分别是Bagging模型、Boosting模型和Stacking模型。Bagging模型：并行的训练一堆分类器（类似电路并联），典型代表是随机森林算法。随机森林的多样性，即构建的树模型之间存在一定差异。Boosting模型：提升算法（
  • 新手训练计划（全身） 达达齐
    #新手训练计划******##Intro-需要配合饮食，**高热量高蛋白**-非分化训练，只有侧重-每周四练-训练需在充分热身后进行-整体热身-相关动作专项热身-注意RM的增重，渐进的增加负荷-量力而行-可选项目于主项完成后进行,且数量自行根据当天实际情况决定-可选项目排序不分先后-建议选两到三个可选项-不要偷懒，一分耕耘一分收获***##腿部侧重日###主项1.高杠深蹲10个×六组或12个×五组
  • 前端菜鸟笔记 Day-5 CSS 高级 weixin_33730836 前端操作系统ViewUI
    文章大纲来源：【Day5】CSS高级CSS选择器CSS拓展CSS单位CSS参考手册CSS选择器内容引用：CSS选择器元素选择器html{...}复制代码选择器分组h2,p{...}复制代码类选择器.important{...}p.warning{...}.important.warning{...}/*选择同时拥有这两个类名的元素*/复制代码ID选择器#intro{...}复制代码属性选择器a[h
  • python pyecharts学习笔记 散点图、气泡图 mohana48833985 pyechartspyecharts
    文章目录参考链接echarts叠加图层的优先级pyecharts框架示例-绘制散点图参考链接参考文档：官方文档-案例：https://pyecharts.org/#/zh-cn/intro官方文档-配置项：https://pyecharts.org/#/zh-cn/global_options保存为高清图片：https://blog.csdn.net/weixin_56859075/article
  • Classical Maths Books Intro fanbird2008 Maths
    GraduateTextsinMathematics(GTM)系列丛书是Springer-Verlag出版社出版的数学方向的一系列研究生教科书。作者都是该领域的专家，每本书都从基础讲起，易于入门。这套丛书虽然经过多次重印和修订，但大多数已经绝版，即使是Springer的官方网站也只有三十本左右的电子书，而且售价不菲。1IntroductiontoAxiomaticSetTheory,GaisiTa
  • 【目标检测】对DETR的简单理解 insight^tkk 深度学习目标检测人工智能计算机视觉
    【目标检测】对DETR的简单理解文章目录【目标检测】对DETR的简单理解1.Abs2.Intro3.Method3.1模型结构3.2Loss4.Exp5.Discussion5.1二分匹配5.2注意力机制5.3方法存在的问题6.Conclusion参考1.Abs两句话概括：第一个真正意义上的端到端检测器最早将transformer应用到计算机视觉领域方法之一2.Intro基于Conv目标检测方法，
  • 学习笔记 - 如何增长 叉叉敌 大数据编程语言python机器学习人工智能
    学习笔记：极客时间-从O开始做增长：从0到1的增长实战方法论https://time.geekbang.org/column/intro/165学习，真的不是一件容易的事情。开篇我想要分享给你的是一套可以成功复制的增长思路和实践技巧。增长小白如何“弯道超车”“最终为用户，简单却有效”。满足用户的核心需求，最终赢得了大量用户。1、刚开始做容易陷入把需求复杂化，输出自以为“最好的，最专业的”方案给用户
  • 【3-1】实验——hanlp和jieba常用方法 铁盒薄荷糖 知识图谱实战6+3天数据库自然语言处理
    一.下载pyhanlp1.打开conda使用如下语句condainstall-cconda-forgeopenjdkpython=3.8jpype1=0.7.0-ypipinstallpyhanlp附：提供了一个安装教程indexof/book/intro_nlp/安装包/-蝴蝶效应网盘(hankcs.com)二.安装中的特殊情况2.(特殊情况）下载完成后打开jupyternotebook后，使用
  • 学写Makefile feiyu66666 大学专业学习笔记linuxc++
    MakefileTutorialByExample这个网站的内容挺全的，主要是根据lab_intro的Makefile这个例子来理解，在理解的基础上把mp的Makefile给写了。Makefile的用处Makefilesareusedtohelpdecidewhichpartsofalargeprogramneedtoberecompiled.Inthevastmajorityofcases,Co
  • beanshell ￡小羽毛 python开发语言
    BeanShellBeanShell是一个小型嵌入式Java源代码解释器，具有对象脚本语言特性，能够动态地执行标准JAVA语法。BeanShell不仅仅可以通过运行其内部的脚本来处理Java应用程序，还可以在运行过程中动态执行你java应用程序执行java代码。因为BeanShell是用java写的，运行在同一个虚拟机的应用程序，因此可以自由地引用对象脚本并返回结果。BeanShell-Intro
  • 机器学习_集成学习之Stacking/Blending(以预测结果作为新特征) you_are_my_sunshine* 机器学习机器学习集成学习人工智能
    文章目录Stacking算法Blending算法集成学习的确强大，从普通的决策树、树的聚合，到随机森林，再到各种Boosting算法，很长见识。然而这些大多是基于同一种机器学习算法的集成，而且基本都是在集成决策树。我的问题是，能不能集成不同类型的机器学习算法，比如随机森林、神经网络、逻辑回归、AdaBoost等，然后优中选优，以进一步提升性能。集成学习分为两大类同质集成，就是基模型都是通过一个基础
  • 论文笔记：Self-Supervised Contrastive Pre-Training For Time Series via Time-Frequency Consistency UQI-LIUWJ 论文笔记论文阅读深度学习人工智能
    2022Neurips1intro无监督与训练在NLP和CV领域的应用越来越多他们大多基于合适的，在所有数据上都一致的先验假设例如在NLP中，一个先验假设是不管是什么领域的文本，或者什么语种的文本，都遵循相同的语法规律在时间序列中，之前并没有找到一个在不同数据集上都一致的先验假设——>本文找到了一种不论在什么样的时间序列数据集中都存在的规律，那就是一个时间序列的频域表示和时域表示应该相似——>提出
  • 论文笔记：Influence of geographical determinants on the spatial distribution of positioning uncertainties UQI-LIUWJ 论文笔记论文阅读
    TransactionsinGIS.20211intro1.1背景手机定位（MPL）数据的质量，尤其是空间准确性或不确定性，直接关系到人类移动性研究结果（交通、城市规划、流行病学、社会学）的可靠性空间准确性主要取决于移动定位技术基站源（COO）、到达角、差分到达时间。。。COO方法原理简单，不消耗大量计算和网络资源原理是以给定时间服务于手机的蜂窝塔的地理坐标作为用户位置的近似值——>MPL数据的空
  • scrapy的概念作用和工作流程 仲夏那片海 爬虫scrapy
    1.scrapy的概念Scrapy是一个Python编写的开源网络爬虫框架。它是一个被设计用于爬取网络数据、提取结构性数据的框架。Scrapy使用了Twisted['twɪstɪd]异步网络框架，可以加快我们的下载速度。Scrapy文档地址：http://scrapy-chs.readthedocs.io/zh_CN/1.0/intro/overview.html2.scrapy框架的作用少量的代
  • C++线程与原生线程 dblinux ClovesCPPc++linux多线程
    C++线程与原生线程Intro：写本文时，笔者正被C++线程与Linux原生线程所困扰，本文通过简单比较其原理和基本概念，可以帮助读者梳理二者区别。1.posixthread介绍POSIX表示可移植操作系统接口（PortableOperatingSystemInterfaceofUNIX，缩写为POSIX），POSIX标准意在期望获得源代码级别的软件可移植性。换句话说，为一个POSIX兼容的操作系
  • 关于旗正规则引擎规则中的上传和下载问题 何必如此 文件下载压缩jsp文件上传
    文件的上传下载都是数据流的输入输出，大致流程都是一样的。 一、文件打包下载 1.文件写入压缩包 string mainPath="D:\upload\";     下载路径 string tmpfileName=jar.zip;        &n
  • 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析 bit1129 Stream
      以如下代码为例（SocketInputDStream）： Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中，撇开异常情况不谈(Receiver有重连机制，restart方法，默认情况下在Receiver挂了之后，间隔两秒钟重新建立Socket连接)，读取到的数据通过调用store(textRead)方法进行存储。数据
  • spark master web ui 端口8080被占用解决方法 daizj 8080端口占用sparkmaster web ui
    spark master web ui 默认端口为8080，当系统有其它程序也在使用该接口时，启动master时也不会报错，spark自己会改用其它端口，自动端口号加1，但为了可以控制到指定的端口，我们可以自行设置，修改方法：   1、cd SPARK_HOME/sbin   2、vi start-master.sh     3、定位到下面部分
  • oracle_执行计划_谓词信息和数据获取 周凡杨 oracle执行计划
      oracle_执行计划_谓词信息和数据获取(上) 一：简要说明 在查看执行计划的信息中，经常会看到两个谓词filter和access，它们的区别是什么，理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。 简单说，执行计划如果显示是access，就表示这个谓词条件的值将会影响数据的访问路径（表还是索引），而filter表示谓词条件的值并不会影响数据访问路径，只起到
  • spring中datasource配置 g21121 dataSource
    datasource配置有很多种，我介绍的一种是采用c3p0的，它的百科地址是： http://baike.baidu.com/view/920062.htm   <!-- spring加载资源文件 --> <bean name="propertiesConfig" class="org.springframework.b
  • web报表工具FineReport使用中遇到的常见报错及解决办法（三） 老A不折腾 finereportFAQ报表软件
    这里写点抛砖引玉，希望大家能把自己整理的问题及解决方法晾出来，Mark一下，利人利己。   出现问题先搜一下文档上有没有，再看看度娘有没有，再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题，大多文档上都有提到的。 1、repeated column width is largerthan paper width： 这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
  • mysql 用户管理 墙头上一根草 linuxmysqluser
    1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为：
  • 关于使用Spring导致c3p0数据库死锁问题 aijuans springSpring 入门Spring 实例Spring3Spring 教程
    这个问题我实在是为整个 springsource 的员工蒙羞 如果大家使用 spring 控制事务，使用 Open Session In View 模式， com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
  • 百度词库联想 annan211 百度
    <!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <title>RunJS</title&g
  • int数据与byte之间的相互转换实现代码 百合不是茶 位移int转bytebyte转int基本数据类型的实现
    在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;   主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029   int转byte;   byte转int;   /** * 字节转成int,int转成字节 * @author Administrator *
  • 简单模拟实现数据库连接池 bijian1013 javathreadjava多线程简单模拟实现数据库连接池
    简单模拟实现数据库连接池 实例1： package com.bijian.thread; public class DB { //private static final int MAX_COUNT = 10; private static final DB instance = new DB(); private int count = 0; private i
  • 一种基于Weblogic容器的鉴权设计 bijian1013 javaweblogic
            服务器对请求的鉴权可以在请求头中加Authorization之类的key，将用户名、密码保存到此key对应的value中，当然对于用户名、密码这种高机密的信息，应该对其进行加砂加密等，最简单的方法如下： String vuser_id = "weblogic"; String vuse
  • 【RPC框架Hessian二】Hessian 对象序列化和反序列化 bit1129 hessian
     任何一个对象从一个JVM传输到另一个JVM，都要经过序列化为二进制数据(或者字符串等其他格式，比如JSON)，然后在反序列化为Java对象，这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输)，本文定义一个比较符合工作中。   1. 定义三个POJO    Person类 package com.tom.hes
  • 【Hadoop十四】Hadoop提供的脚本的功能 bit1129 hadoop
    1. hadoop-daemon.sh 1.1 启动HDFS ./hadoop-daemon.sh start namenode ./hadoop-daemon.sh start datanode  通过这种逐步启动的方式，比start-all.sh方式少了一个SecondaryNameNode进程，这不影响Hadoop的使用，其实在 Hadoop2.0中，SecondaryNa
  • 中国互联网走在“灰度”上 ronin47 管理 灰度
    中国互联网走在“灰度”上（转） 文/孕峰   第一次听说灰度这个词，是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。   灰度这个词所包含的意义和视野是广远的。要理解这个词，可能同样要用“灰度”的心态。灰度的反面，是规规矩矩，清清楚楚，泾渭分明，严谨条理，是决不妥协，不转弯，认死理。黑白分明不是灰度，像彩虹那样
  • java-51-输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 bylijinnan java
    public class PrintMatrixClockwisely { /** * Q51.输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 例如：如果输入如下矩阵： 1 2 3 4 5 6 7 8 9
  • mongoDB 用户管理 开窍的石头 mongoDB用户管理
      1:添加用户    第一次设置用户需要进入admin数据库下设置超级用户（use admin）      db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});    第一个参数用户的名字    第二个参数
  • [游戏与生活]玩暗黑破坏神3的一些问题 comsci 生活
        暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意      玩这个游戏的时间，每天不要超过一个小时，且每次玩游戏最好在白天      结束游戏之后，最好在太阳下面来晒一下身上的暗黑气息，让自己恢复人的生气   &nb
  • java 二维数组如何存入数据库 cuiyadll java
    using System; using System.Linq; using System.Text; using System.Windows.Forms; using System.Xml; using System.Xml.Serialization; using System.IO; namespace WindowsFormsApplication1 {
  • 本地事务和全局事务Local Transaction and Global Transaction(JTA) darrenzhu javaspringlocalglobaltransaction
    Configuring Spring and JTA without full Java EE http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/ Spring doc -Transaction Management http://docs.spring.io/spri
  • Linux命令之alias - 设置命令的别名，让 Linux 命令更简练 dcj3sjt126com linuxalias
    用途说明 设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯，那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题，但对于带命令行参数的命令，链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】，使长命令变短，使常 用的长命令行变短，强制执行命令时询问等。   常用参数 格式：alias 格式：ali
  • yii2 restful web服务[格式响应] dcj3sjt126com PHPyii2
    响应格式 当处理一个 RESTful API 请求时， 一个应用程序通常需要如下步骤 来处理响应格式： 确定可能影响响应格式的各种因素， 例如媒介类型， 语言， 版本， 等等。 这个过程也被称为 content negotiation。 资源对象转换为数组， 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
  • MongoDB索引调优（2）——[十] eksliang mongodbMongoDB索引优化
    转载请出自出处：http://eksliang.iteye.com/blog/2178555 一、概述       上一篇文档中也说明了，MongoDB的索引几乎与关系型数据库的索引一模一样，优化关系型数据库的技巧通用适合MongoDB，所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档     可以在嵌套文档的键上建立索引，方式与正常
  • 当滑动到顶部和底部时，实现Item的分离效果的ListView gundumw100 android
    拉动ListView，Item之间的间距会变大，释放后恢复原样； package cn.tangdada.tangbang.widget; import android.annotation.TargetApi; import android.content.Context; import android.content.res.TypedArray; import andr
  • 程序员用HTML5制作的爱心树表白动画 ini JavaScriptjqueryWebhtml5css
    体验效果：http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" > <ti
  • 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版 kakajw ThinkPad预装改装windows 7windows 8
      该教程具有普遍参考性，特别适用于联想的机器，其他品牌机器的处理过程也大同小异。 该教程是个人多次尝试和总结的结果，实用性强，推荐给需要的人！   缘由 小弟最近入手笔记本ThinkPad T440，但是特别不能习惯笔记本出厂预装的Windows 8系统，而且厂商自作聪明地预装了一堆没用的应用软件，消耗不少的系统资源（本本的内存为4G，系统启动完成时，物理内存占用比
  • Nginx学习笔记 mcj8089 nginx
    一、安装nginx             1、在nginx官方网站下载一个包，下载地址是：  http://nginx.org/download/nginx-1.4.2.tar.gz      2、WinSCP(ftp上传工
  • mongodb 聚合查询每天论坛链接点击次数 qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    /* 18 */ { "_id" : ObjectId("5596414cbe4d73a327e50274"), "msgType" : "text", "sendTime" : ISODate("2015-07-03T08:01:16.000Z"
  • java术语（PO/POJO/VO/BO/DAO/DTO） Luob. DAOPOJODTOpoVO BO
    PO(persistant object) 持久对象 在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作. VO(value object) 值对象 通
  • 算法复杂度 Wuaner Algorithm
    Time Complexity & Big-O： http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o http://bigocheatsheet.com/ http://www.sitepoint.com/time-complexity-algorithms/
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他