yuriy0_0
yuriy0_0

KFold

KFold_第1张图片
4.PNG

Paramters

n_splits:int，默认3
分割数据的份数，至少为2
shuffle:布尔，可选
分割数据之前是否打乱数据
random_state:int，RandomState实例或者None，可选，默认为None
当shuffle==True时，使用
如果为整数，作为随机数字生成器的种子，生成随机状态
如果为随机状态 ，random_state 是随机状态生成器
如果为None，随机数字生成器使用np.random

你可能感兴趣的:(KFold)

  • Python机器学习之交叉验证 一只怂货小脑斧
    交叉验证是一种非常常用的对于模型泛化能力进行评估方法，交叉验证既可以解决数据集的数据量不够大问题，也可以解决参数调优的问题。常用的交叉验证方法有：简单交叉验证（HoldOut检验，例如train_test_split）、k折交叉验证（例如KFold）、自助法kfold是将数据集划分为K-折，只是划分数据集；cross_val_score是根据模型进行计算，计算交叉验证的结果，你可以简单认为就是cr
  • python：使用sklearn库的KFold模块进行随机森林十折交叉验证 _养乐多_ pythonpythonsklearn随机森林
    作者：CSDN@_养乐多_本文记录了使用sklearn库的KFold模块进行随机森林十折交叉验证的代码。文章目录一、代码二、代码解释三、错误分析一、代码fromsklearn.ensembleimportRandomForestClassifierfromsklearn.model_selectionimportcross_val_score,KFoldfromsklearn.datasetsim
  • DNN二手车价格预测完整代码 wjzeroooooo python数据挖掘深度学习
    前言最近在学习深度学习，就用DNN试着跑了个天池赛二手车价格预测，特征还是用之前集成模型跑的特征，通过不断调试模型的学习率、隐藏层数量、神经元数量、优化器、激活函数、迭代次数、batchsize，KFold，最终达到与之前集成模型差不多的分数，但训练时间比catboost及lightgbm要快很多，毕竟只用了很少的迭代次数就能达到差不多的效果，接着在与集成模型进行融合，将之前的成绩从422提高到4
  • StratifiedKFold 函数介绍 我有明珠一颗 sklearn机器学习Python精修StratifiedKFoldsklearn机器学习scikit-learn
    目录1、定义2、具体步骤3、主要优点4、示例代码1、定义StratifiedKFold是一种交叉验证方法，用于在机器学习任务中对数据集进行划分。它是对KFold方法的改进，特别适用于样本不平衡的情况。在StratifiedKFold中，数据集被划分为k折（folds），其中每折都保持了原始数据中各个类别的样本比例。这意味着每个折中的类别分布与整个数据集中的类别分布相似。2、具体步骤1）根据数据集中
  • 第四天-模型选择 徐凯_xp
    1.错误类型过拟合欠拟合2.模型复杂度图表3.交叉验证集用语选择模型4.K折交叉验证一个非常有用的循环利用数据的方法在K折交叉验证中，将数据分为K个包如上图所示，这里K=4,然后我们将模型培训K次每次将不同的包用作测试集，剩下的作为训练集，然后求结果的平均值，得到最终模型。fromsklearn.model_selectionimportKFoldkf=KFold(12,3，shuffle=Tru
  • random_state参数 hlllllllhhhhh python开发语言
    KFold(n_splits=5,shuffle=False,random_state=None)该函数用来做K折交叉验证。n_splits：折数，int型，默认值为5.shuffle：对数据进行划分前是否进行洗牌。boolean型random_state：int,RandomStateinstance或None,默认为None。直译为“随机状态”。只有当shuffle=True时，random_
  • 回答“关于用python做机器学习工作中的random_state参数到底是个什么意思” 乌黑浓密的技术员 交叉验证python
    我们在用python做机器学习的交叉验证工作时，常会遇到random_state参数，比如函数：KFold(n_splits=5,shuffle=False,random_state=None)该函数用来做K折交叉验证。n_splits：折数，int型，默认值为5.shuffle：对数据进行划分前是否进行洗牌。boolean型random_state：int,RandomStateinstance
  • 模型涨点的思路，深度学习训练的tricks-计算机视觉 羞儿 深度学习深度学习计算机视觉机器学习tricks涨点技巧
    一项机器学习任务时常常有以下的几个重要步骤，首先是数据的预处理，其中重要的步骤包括数据格式的统一、异常数据的消除和必要的数据变换；然后划分训练集、验证集、测试集，常见的方法包括：按比例随机选取，KFold方法（我们可以使用sklearn带的test_train_split函数、kfold来实现）。选择模型，并设定损失函数和优化方法，以及对应的超参数（当然可以使用sklearn这样的机器学习库中模型
  • stacking和blending的区别 九日照林
    看到网上有很多关于Blending和Stacking有什么区别的讨论，但感觉并没有说到点子上，最近在国外看了一篇比较好的博客，简洁明了地贴出了代码和讨论，所以我在这里总结一下。直接说，其实Blending和Stacking基本上是一样的，除了有一点不同，Blending它在训练基础模型basemodel的时候，并没有使用kfold方法(Stacking使用了Kfold)，而是拿了一部分数据，比如说
  • 【机器学习】模型融合 —Xi— 机器学习数据挖掘竞赛机器学习人工智能深度学习
    sklearn函数：KFold（分割训练集和测试集）-知乎(zhihu.com)模型融合是比赛后期一个重要的环节，大体来说有如下的类型方式。简单加权融合:回归（分类概率）：算术平均融合（Arithmeticmean），几何平均融合（Geometricmean）；分类：投票（Voting)综合：排序融合(Rankaveraging)，log融合stacking/blending:构建多层模型，并利用
  • Aggregation Model : Blending , Bagging , Boosting 冒绿光的盒子
    ⑴MotivationofAggregation比如现在有一支股票，你不知道是跌还是涨。你有T个friends，每一个friend对应的建议分别是g1,g2,g3...gn，那么你应该怎么选择建议？⑵Blending1.Selectthemosttrust-worthyfriend这其实就是对应validation，我们在所有的friend里面做kfold或者vfoldvalidation，然后比
  • Sklearn中不同的数据抽样验证方式 #苦行僧 Sklearn机器学习理论知识机器学习统计学
     这里记录以下import语句的前4个抽样方法：fromsklearn.model_selectionimport(train_test_split,KFold,StratifiedKFold,StratifiedShuffleSplit,ShuffleSplit,GroupShuffleSplit,GroupKFold,TimeSeriesSplit) 1.普通交叉随机抽样验证：train_te
  • sklearn,交叉验证中的分层抽样 weixin_33895604 人工智能
    StratifiedKFold用法类似Kfold，但是他是分层采样，确保训练集，测试集中各类别样本的比例与原始数据集中相同。例子：importnumpyasnpfromsklearn.model_selectionimportKFold,StratifiedKFold---------------------作者：wqh_jingsong来源：CSDN原文：https://blog.csdn.ne
  • TypeError: __init__() got multiple values for argument 'shuffle' 不服输的南瓜 pythonKFoldsklearn
    以下银行卡诈骗项目中的一段代码：fromsklearn.cross_validationimportKFolddefprinting_Kfold_scores(x_train_data,y_train_data):fold=KFold(len(y_train_data),5,shuffle=False)foriteration,indicesinenumerate(fold,start=1):lr
  • python调用模型代码_深度学习模型stacking模型融合python代码，看了你就会使 weixin_39660922 python调用模型代码
    1defstacking_first(train,train_y,test):2savepath='./stack_op{}_dt{}_tfidf{}/'.format(args.option,args.data_type,args.tfidf)3os.makedirs(savepath,exist_ok=True)45count_kflod=06num_folds=67kf=KFold(n_sp
  • 基于Python PCA+SVM+KFold方法人脸识别(AR人脸数据集) 索炜达.猿创 图像处理PCA
    文件编号：G5文件大小：19.6M代码行数：170行(主函数)带中文注释开发环境：Python3.8、PyCharm2020点击下载：点击下载简要概述：本程序采用PCA+SVM+KFold方法对AR人脸数据集进行训练，并得出识别准确率。依赖包numpy(numpy-1.13.3+mkl-cp36-cp36m-win_amd64.whl)scipy(scipy-1.0.0-cp36-cp36m-wi
  • Matlab中K折交叉验证 厕所写代码 matlab
    %%K折交叉验证[M,N]=size(data);%数据集为一个M*N的矩阵，其中每一行代表一个样本indices=crossvalind('Kfold',data(1:M,N),10);fork=1:10%交叉验证k=10，10个包轮流作为测试集test=(indices==k);%获得test集元素在数据集中对应的单元编号train=~test;%train集元素的编号为非test元素的编号t
  • python包sklearn中数据集的划分 qq_27390023 机器学习python
    学习预测函数的参数并在相同的数据上进行测试是一个方法上的错误。因此，机器学习需要划分数据集，在训练集中进行参数的选择和模型的训练，在测试集中进行模型的评价。数据集的划分方法：train_test_split，KFold，GroupKFold，StratifiedKFold，LeaveOneGroupOut，LeavePGroupsOut，LeaveOneOut，LeavePOut，ShuffleS
  • Python数据分析与机器学习25-随机森林项目实战 只是甲 数据分析+机器学习Python#Python数据分析与机器学习python数据分析机器学习
    文章目录一.数据集介绍二.数据预处理2.1数据简单分析2.2数据预处理三.用线性回归进行分析3.1简单的线性回归3.2使用KFold进行交叉验证3.3使用cross_val_score进行交叉验证四.用随机森林进行分析4.1随机森林+交叉验证4.2随机森林调参4.3增加特征参考：一.数据集介绍我们使用的数据集是泰坦尼克号船员获救的数据集。数据集:PassengerId船员IDSurvived是否获
  • 留一法交叉验证和普通交叉验证有什么区别？ weixin_30809333
    总结1：留一法其实就是样本量较小时使用的交叉验证，算是普通交叉验证的极端情况，即将所有N个样本分成N份，再进行交叉验证。总结2：kfold，就是把trainingdata折成k份（k<＝N）进行交叉验证，k=N即留一（LOOCV）。留一法交叉验证：假设有N个样本，将每一个样本作为测试样本，其它N-1个样本作为训练样本。这样得到N个分类器，N个测试结果。用这N个结果的平均值来衡量模型的性能。普通交叉
  • python交叉验证分类_交叉验证分类 weixin_39695701 python交叉验证分类
    我使用以下分类代码得到结果：folds=5#numberoffoldsforthecv#LogisticRegression--clf=linear_model.LogisticRegression(penalty='l1')kf=KFold(len(clas),n_folds=folds)fold=1cms=np.array([[0,0],[0,0]])accs=[]aucs=[]fortrai
  • python交叉验证结合线性回归_Python机器学习之交叉验证 weixin_39821330
    交叉验证是一种非常常用的对于模型泛化能力进行评估方法，交叉验证既可以解决数据集的数据量不够大问题，也可以解决参数调优的问题。常用的交叉验证方法有：简单交叉验证(HoldOut检验，例如train_test_split)、k折交叉验证(例如KFold)、自助法kfold是将数据集划分为K-折，只是划分数据集；cross_val_score是根据模型进行计算，计算交叉验证的结果，你可以简单认为就是cr
  • TypeError: __init__() got an unexpected keyword argument ‘n_folds‘ caroline_richboom pythonpythonbug
    今天使用python写程序时，出现报错：TypeError:init()gotanunexpectedkeywordargument'n_folds’这是由于sklearn更新，Kfold的参数已经更改，n_folds更改为了n_splits。应将上述代码修改为：kf=KFold(n_splits=3,shuffle=False,random_state=1)就不会报错了：
  • 出现TypeError: __init__() got an unexpected keyword argument ‘n_fold‘之后经历的一系列问题 雪喻 sklearn人工智能python
    1.出现TypeError:__init__()gotanunexpectedkeywordargument'n_fold'这是由于sklearn更新，Kfold的参数已经更改，n_folds更改为了n_splits。2.出现TypeError:__init__()gotanunexpectedkeywordargument'n_splits'修改成：3.出现TypeError:'KFold'ob
  • 决策树[sklearn.tree/DecisionTreeClassifier/scatter/np.meshgrid/np.concatenate/Kfold/Cross-validation] Doris_H_n_q 特征工程算法实例
    决策树概念举栗子importnumpyasnp引入数据：s='''在1948年，香农引入了信息熵，将其定义为离散随机事件出现的概率，一个系统越是有序，信息熵就越低，反之一个系统越是混乱，它的信息熵就越高。所以信息熵可以被认为是系统有序化程度的一个度量。'''s_l=list(s)len(s_l)Out：93#打乱顺序index=np.arange(93)np.random.shuffle(inde
  • pytorch Kfold数据集划分 飞龙在天max Pythontorch
    今天想使用K折方法进行训练，发现pytorchdataloader中没有需要的一键操作的代码，我自己写了一个。首先得到数据量，然后使用sklearn.model_selection的KFold方法划分数据索引，最后使用torch.utils.data.dataset.Subset方法得到划分后的子数据集。代码思路如下。importtorchfromsklearn.model_selectionim
  • Matlab：将数据按比例随机划分 狗换喵 Matlabmatlab
    将10行数据随机划分为5份，将其中1份作为测试集，另4份作为训练集1.随机生成10维1:5等数量随机数m=10;k=5;data=[1;2;3;4;5;6;7;8;9;10];indices=crossvalind('Kfold',m,k)outputindices=10×112132455432.按标签indices划分数据，生成五次测试集及训练集（1比4）fori=1:5testIndic=(
  • 回归预测 | MATLAB实现GBDT(梯度提升树)交叉验证 机器学习之心 #GBDT梯度提升树回归数据预测
    回归预测|MATLAB实现GBDT(梯度提升树)交叉验证目录回归预测|MATLAB实现GBDT(梯度提升树)交叉验证基本介绍方法应用KFold和kfoldLossOptimizeHyperparameters参考资料基本介绍创建预测性能的增强回归树集合的一种方法是使用交叉验证来调整决策树的复杂度级别。在寻找最佳复杂度水平的同时，调整学习率以最小化学习周期数。使用交叉验证选项（‘KFold’）和kf
  • 机器学习——Sklearn学习笔记（2）模型选择和评估 Robin_Pi 机器学习（ML）
    Sklearn学习笔记（2）模型选择和评估写在前面机器学习流程基本概念1.交叉验证：评估评估器的性能1.1交叉验证的指标1.1.1cross_val_score()：最容易1.1.2cross_validate()：多指标1.1.3通过交叉验证获取预测结果1.2其它交叉验证方法：在cross_validation模块中（以迭代器的形式）1.2.1Kfold()1.2.2RepeatedKFold(
  • stacking回归模型模板 Jellyqin
    在一些比赛中经常要用到stacking对多模型预测结果进行拟合，最常用到的就是stacking，stacking已经有非常多的博客进行了介绍，但是regressor还较少，并且适用性不强。我理解的stacking其实是一种思想而不是某个直接可以import的轮子，我认为它核心思想就是KFold+模型复用我们可以尽量简单理解，不用想的那么复杂：将训练集进行K部分拆分，某个模型随机训练其中的某个部分，
  • C/C++Win32编程基础详解视频下载 择善Zach 编程C++Win32
    课题视频：C/C++Win32编程基础详解 视频知识：win32窗口的创建                   windows事件机制 主讲：择善Uncle老师 学习交流群：386620625 验证码：625 --
  • Guava Cache使用笔记 bylijinnan javaguavacache
    1.Guava Cache的get/getIfPresent方法当参数为null时会抛空指针异常 我刚开始使用时还以为Guava Cache跟HashMap一样，get(null)返回null。 实际上Guava整体设计思想就是拒绝null的，很多地方都会执行com.google.common.base.Preconditions.checkNotNull的检查。 2.Guava
  • 解决ora-01652无法通过128（在temp表空间中） 0624chenhong oracle
    解决ora-01652无法通过128（在temp表空间中）扩展temp段的过程 一个sql语句后，大约花了10分钟，好不容易有一个结果，但是报了一个ora-01652错误，查阅了oracle的错误代码说明：意思是指temp表空间无法自动扩展temp段。这种问题一般有两种原因：一是临时表空间空间太小，二是不能自动扩展。 分析过程：    既然是temp表空间有问题，那当
  • Struct在jsp标签 不懂事的小屁孩 struct
    非UI标签介绍： 控制类标签： 1：程序流程控制标签   if   elseif    else <s:if test="isUsed"> <span class="label label-success">True</span> </
  • 按对象属性排序 换个号韩国红果果 JavaScript对象排序
    利用JavaScript进行对象排序，根据用户的年龄排序展示 <script> var bob={ name;bob, age:30 } var peter={ name;peter, age:30 } var amy={ name;amy, age:24 } var mike={ name;mike, age:29 } var john={
  • 大数据分析让个性化的客户体验不再遥远 蓝儿唯美 数据分析
    顾客通过多种渠道制造大量数据，企业则热衷于利用这些信息来实现更为个性化的体验。 分析公司Gartner表示，高级分析会成为客户服务的关键，但是大数据分析的采用目前仅局限于不到一成的企业。 挑战在于企业还在努力适应结构化数据，疲于根据自身的客户关系管理（CRM）系统部署有效的分析框架，以及集成不同的内外部信息源。 然而，面对顾客通过数字技术参与而产生的快速变化的信息，企业需要及时作出反应。要想实
  • java笔记4 a-john java
    操作符 1，使用java操作符       操作符接受一个或多个参数，并生成一个新值。参数的形式与普通的方法调用不用，但是效果是相同的。加号和一元的正号（+）、减号和一元的负号（-）、乘号（*）、除号（/）以及赋值号（=）的用法与其他编程语言类似。       操作符作用于操作数，生成一个新值。另外，有些操作符可能会改变操作数自身的
  • 从裸机编程到嵌入式Linux编程思想的转变------分而治之：驱动和应用程序 aijuans 嵌入式学习
        笔者学习嵌入式Linux也有一段时间了，很奇怪的是很多书讲驱动编程方面的知识，也有很多书将ARM9方面的知识，但是从以前51形式的（对寄存器直接操作，初始化芯片的功能模块）编程方法，和思维模式，变换为基于Linux操作系统编程，讲这个思想转变的书几乎没有，让初学者走了很多弯路，撞了很多难墙。     笔者因此写上自己的学习心得，希望能给和我一样转变
  • 在springmvc中解决FastJson循环引用的问题 asialee 循环引用fastjson
              我们先来看一个例子：           package com.elong.bms; import java.io.OutputStream; import java.util.HashMap; import java.util.Map; import co
  • ArrayAdapter和SimpleAdapter技术总结 百合不是茶 androidSimpleAdapterArrayAdapter高级组件基础
    ArrayAdapter比较简单，但它只能用于显示文字。而SimpleAdapter则有很强的扩展性，可以自定义出各种效果   ArrayAdapter;的数据可以是数组或者是队列        // 获得下拉框对象 AutoCompleteTextView textview = (AutoCompleteTextView) this
  • 九封信 bijian1013 人生励志
            有时候，莫名的心情不好，不想和任何人说话，只想一个人静静的发呆。有时候，想一个人躲起来脆弱，不愿别人看到自己的伤口。有时候，走过熟悉的街角，看到熟悉的背影，突然想起一个人的脸。有时候，发现自己一夜之间就长大了。         2014，写给人
  • Linux下安装MySQL Web 管理工具phpMyAdmin sunjing PHPInstallphpMyAdmin
    PHP http://php.net/ phpMyAdmin http://www.phpmyadmin.net Error compiling PHP on CentOS x64   一、安装Apache 请参阅http://billben.iteye.com/admin/blogs/1985244   二、安装依赖包 sudo yum install gd
  • 分布式系统理论 bit1129 分布式
    FLP One famous theory in distributed computing, known as FLP after the authors Fischer, Lynch, and Patterson, proved that in a distributed system with asynchronous communication and process crashes,
  • ssh2整合(spring+struts2+hibernate)-附源码 白糖_ eclipsespringHibernatemysql项目管理
    最近抽空又整理了一套ssh2框架，主要使用的技术如下： spring做容器，管理了三层(dao,service,actioin)的对象 struts2实现与页面交互(MVC)，自己做了一个异常拦截器，能拦截Action层抛出的异常 hibernate与数据库交互 BoneCp数据库连接池，据说比其它数据库连接池快20倍，仅仅是据说 MySql数据库   项目用eclipse
  • treetable bug记录 braveCS table
    // 插入子节点删除再插入时不能正常显示。修改： //不知改后有没有错，先做个备忘 Tree.prototype.removeNode = function(node) { // Recursively remove all descendants of +node+ this.unloadBranch(node); // Remove
  • 编程之美-电话号码对应英语单词 bylijinnan java算法编程之美
    import java.util.Arrays; public class NumberToWord { /** * 编程之美 电话号码对应英语单词 * 题目： * 手机上的拨号盘，每个数字都对应一些字母，比如2对应ABC，3对应DEF.........，8对应TUV，9对应WXYZ， * 要求对一段数字，输出其代表的所有可能的字母组合
  • jquery ajax读书笔记 chengxuyuancsdn jQuery ajax
    1、jsp页面 <%@ page language="java" import="java.util.*" pageEncoding="GBK"%> <% String path = request.getContextPath(); String basePath = request.getScheme()
  • JWFD工作流拓扑结构解析伪码描述算法 comsci 数据结构算法工作活动J#
      对工作流拓扑结构解析感兴趣的朋友可以下载附件，或者下载JWFD的全部代码进行分析   /*  流程图拓扑结构解析伪码描述算法         public java.util.ArrayList DFS(String graphid, String stepid, int j)
  • oracle I/O 从属进程 daizj oracle
    I/O 从属进程 　　I/O从属进程用于为不支持异步I/O的系统或设备模拟异步I/O.例如，磁带设备(相当慢)就不支持异步I/O.通过使用I/O 从属进程，可以让磁带机模仿通常只为磁盘驱动器提供的功能。就好像支持真正的异步I/O 一样，写设备的进程(调用者)会收集大量数据，并交由写入器写出。数据成功地写出时，写入器(此时写入器是I/O 从属进程，而不是操作系统)会通知原来的调用者，调用者则会
  • 高级排序:希尔排序 dieslrae 希尔排序
    public void shellSort(int[] array){ int limit = 1; int temp; int index; while(limit <= array.length/3){ limit = limit * 3 + 1;
  • 初二下学期难记忆单词 dcj3sjt126com englishword
    kitchen 厨房 cupboard 厨柜 salt 盐 sugar 糖 oil 油 fork 叉；餐叉 spoon 匙；调羹 chopsticks 筷子 cabbage 卷心菜；洋白菜 soup 汤 Italian 意大利的   Indian 印度的 workplace  工作场所 even 甚至；更 Italy 意大利 laugh 笑 m
  • Go语言使用MySQL数据库进行增删改查 dcj3sjt126com mysql
    目前Internet上流行的网站构架方式是LAMP，其中的M即MySQL, 作为数据库，MySQL以免费、开源、使用方便为优势成为了很多Web开发的后端数据库存储引擎。MySQL驱动Go中支持MySQL的驱动目前比较多，有如下几种，有些是支持database/sql标准，而有些是采用了自己的实现接口,常用的有如下几种: http://code.google.c...o-mysql-dri
  • git命令 shuizhaosi888 git
    ---------------设置全局用户名： git config --global user.name "HanShuliang" //设置用户名 git config --global user.email "[email protected]" //设置邮箱 ---------------查看环境配置 git config --li
  • qemu-kvm 网络 nat模式 (四) haoningabc kvmqemu
    qemu-ifup-NAT #!/bin/bash BRIDGE=virbr0 NETWORK=192.168.122.0 GATEWAY=192.168.122.1 NETMASK=255.255.255.0 DHCPRANGE=192.168.122.2,192.168.122.254 TFTPROOT= BOOTP= function check_bridge()
  • 不要让未来的你，讨厌现在的自己 jingjing0907 生活 奋斗 工作 梦想
     故事one 　23岁，他大学毕业，放弃了父母安排的稳定工作，独闯京城，在家小公司混个小职位，工作还算顺手，月薪三千，混了混，混走了一年的光阴。　　　　24岁，有了女朋友，从二环12人的集体宿舍搬到香山民居，一间平房，二人世界，爱爱爱。偶然约三朋四友，打扑克搓麻将，日子快乐似神仙；　　　　25岁，出了几次差，调了两次岗，薪水涨了不过百，生猛狂飙的物价让现实血淋淋，无力为心爱银儿购件大牌
  • 枚举类型详解 一路欢笑一路走 enum枚举详解enumsetenumMap
    枚举类型详解 一.Enum详解      1.1枚举类型的介绍   JDK1.5加入了一个全新的类型的”类”—枚举类型，为此JDK1.5引入了一个新的关键字enum,我们可以这样定义一个枚举类型。      Demo:一个最简单的枚举类   public enum ColorType { RED
  • 第11章 动画效果（上） onestopweb 动画
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Eclipse中jsp、js文件编辑时，卡死现象解决汇总 ljf_home eclipsejsp卡死js卡死
    使用Eclipse编辑jsp、js文件时，经常出现卡死现象，在网上百度了N次，经过N次优化调整后，卡死现象逐步好转，具体那个方法起到作用，不太好讲。将所有用过的方法罗列如下：   1、取消验证 windows–>perferences–>validation 把 除了manual 下面的全部点掉，build下只留 classpath dependency Valida
  • MySQL编程中的6个重要的实用技巧 tomcat_oracle mysql
    每一行命令都是用分号(;)作为结束 对于MySQL，第一件你必须牢记的是它的每一行命令都是用分号(;)作为结束的，但当一行MySQL被插入在PHP代码中时，最好把后面的分号省略掉，例如： mysql_query("INSERT INTO tablename(first_name,last_name)VALUES('$first_name',$last_name')");
  • zoj 3820 Building Fire Stations(二分+bfs) 阿尔萨斯 Build
    题目链接：zoj 3820 Building Fire Stations 题目大意：给定一棵树，选取两个建立加油站，问说所有点距离加油站距离的最大值的最小值是多少，并且任意输出一种建立加油站的方式。 解题思路：二分距离判断，判断函数的复杂度是o(n)，这样的复杂度应该是o(nlogn)，即使常数系数偏大，但是居然跑了4.5s，也是醉了。 判断函数里面做了3次bfs，但是每次bfs节点最多
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他