Marina-ju
Marina-ju

高维多数据聚类（sklearn.cluster.affinityPropagation）和降维（manifold.LocallyLinearEmbedding）

一 、聚类
cluster.affinityPropagation

适合高维、多数据快速聚类
不需要指定最终聚类族的个数
对数据的初始值不敏感
对初始相似度矩阵数据的对称性没有要求
和k-centers聚类方法相比，其结果的平方差误差较小

原理：在开始时，将所有节点都看成是聚类中心，通过在样本对之间发消息知道收敛来创建聚类。然后使用少量实例样本作为聚类中心来描述数据集，聚类中心时数据集种最能代表一类数据的样本。

表征变量：适合度responsibility r(i,k)，归属度availability a(i,k),样本i选择样本k作为它的典型代表（exemplar）的累计证据

二、 降维
manifold.LocallyLinearEmbedding
返回高维数据的地位投影，保持各个节点之间的相对位置不变。可以看成是一系列通过全局比较一找到最佳非线性嵌入的局部主成分分析，

你可能感兴趣的:(sklearn)

  • 【机器学习】多元线性回归 T0uken Python全栈开发1024程序员节机器学习算法线性回归
    在实际应用中，许多问题都包含多个特征（输入变量），而不仅仅是单个输入变量。多元线性回归是线性回归的扩展，它能够处理多个输入特征并建立它们与目标变量的线性关系。本教程将系统性推演多元线性回归，包括向量化处理、特征放缩、梯度下降的收敛性和学习率选择等，并使用numpy实现。最后，我们会通过sklearn快速实现多元线性回归模型。多元线性回归模型简介多元线性回归的模型公式为：y=X⋅w+by=X\cdo
  • Python：第三方库 衍生星球 python第三方库
    1.第三方Python库库名用途pip安装指令NumPy矩阵运算pipinstallnumpyMatplotlib产品级2D图形绘制pipinstallmatplotlibPIL图像处理pipinstallpillowsklearn机器学习和数据挖掘pipinstallsklearnRequestsHTTP协议访问pipinstallrequestsJieba中文分词pipinstalljieba
  • 字节跳动实习生和校招生内推 飞300 pythonjavascriptphp业界资讯算法
    机器学习算法实习生-平台治理1、2026届硕士及以上学位在读，计算机等相关专业优先；2、有扎实的代码能力，熟悉深度学习/图神经网络/机器学习框架，如Pytorch、Tensorflow、DGL、Pyg、Sklearn等；3、熟悉机器学习/图学习/序列学习算法中的一项或者多项，如图建模、时序信号建模、节点/子图分类、社区挖掘、表征学习、自监督/半监督学习等，有一定深度和广度；4、熟悉相关算法在数据挖
  • 第三章 回归训练实战（以预测新冠感染人数为例） 不吃香菜（扣1复活版） 深度学习入门笔记深度学习人工智能
    完整项目代码（预测第三天的新冠感染人数）fromsklearn.feature_selectionimportSelectKBestfromsklearn.feature_selectionimportchi2importcsv#读CSVimportnumpyasnpimporttimeimportmatplotlib.pyplotaspltimportpandasaspdfromtorchimp
  • Python中的决策树算法探索 Soft_Leader 算法python决策树
    在Python中，决策树算法是一种常用的机器学习技术，用于分类和回归问题。下面我们将探索如何使用Python中的scikit-learn库来实现决策树算法，并简要介绍其基本概念和用法。1.安装必要的库如果你还没有安装scikit-learn库，你可以使用pip来安装它：bash复制代码pipinstall-Uscikit-learn2.导入必要的库和模块python复制代码fromsklearn.
  • sklearn_pandas.DataFrameMapper的用法 zoujiahui_2018 #Pytorchsklearnpandas人工智能
    文章目录介绍主要作用基本用法示例对不同列应用不同的转换器对多列应用相同的转换器输出为PandasDataFrame注意事项转换器的适用性：输出格式：与scikit-learn的兼容性：介绍DataFrameMapper是sklearn-pandas库中的一个工具，主要用于将PandasDataFrame与scikit-learn的预处理工具无缝结合。它的作用是将DataFrame的列映射到特定的特
  • 【python 机器学习】sklearn转换器与预估器 人才程序员 杂谈python机器学习sklearn人工智能目标检测深度学习神经网络
    文章目录sklearn转换器与预估器1.什么是转换器（Transformer）？通俗介绍：学术解释：2.什么是预估器（Estimator）？通俗介绍：学术解释：3.转换器与预估器的共同点4.转换器与预估器的区别5.使用`sklearn`中的转换器与预估器5.1示例：数据标准化（转换器）5.2示例：模型训练与预测（预估器）6.使用`Pipeline`结合转换器与预估器7.总结sklearn转换器与预
  • 自主学习ai 版本0.01 pps-key 人工智能AI写作python算法大数据机器学习
    以下是一个简单的自主学习AI示例代码框架，使用Python和在线学习机制实现。这个示例包含基础的数据处理、模型更新和知识存储功能：pythonimportnumpyasnpfromsklearn.linear_modelimportSGDClassifierfromsklearn.feature_extraction.textimportTfidfVectorizerimportpickleimp
  • Python与R机器学习（1）支持向量机 宠物与不尤编程 左手python右手R支持向量机机器学习pythonr语言
    以下是对Python与R在支持向量机（SVM）实现上的核心区别分析及完整示例代码：一、核心差异对比特征Python(scikit-learn)R(e1071/kernlab)核心库sklearn.svm.SVC/SVRe1071::svm()或kernlab::ksvm()语法范式面向对象（先初始化模型后拟合）函数式+公式接口（y~x1+x2）核函数支持linear,poly,rbf,sigmoi
  • 牛掰的算法系列：K折交叉验证（KFold）常见使用方法 羽蒙等风来 机器学习算法机器学习python
    讲解了交叉验证的基本思想之后，接下来将学习几个常用的交叉迭代器及其使用方法。1.K折交叉验证K折交叉验证（KFold）会将数据集划分为k个分组，成为折叠（fold）。如果k的值等于数据集实例的个数，那么每次的测试集就只有一个，这种处理方式称为“留一”。Scikit中提供了KFold方法进行分组。#导入相关模块In[1]:fromsklearn.model_selectionimportKFold#
  • KMeans聚类实战2 浊酒南街 #kmeans聚类python
    目录NBA球员聚类--未知k值的情况NBA球员聚类–未知k值的情况#导入第三方模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearnimportmetricsimportseabornassnsfromsklearnimportpreprocess
  • KMeans聚类实战1 浊酒南街 #kmeans聚类算法
    目录iris聚类--已知k值的情况iris聚类–已知k值的情况#导入第三方模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearnimportmetricsimportseabornassns#读取iris数据集iris=pd.read_csv(r'
  • 3D数据可视化与SVM分类 t0_54coder 编程问题解决手册3d信息可视化支持向量机个人开发
    在数据科学和机器学习中，数据可视化是理解数据分布和模型表现的关键环节。本文将通过一个实例展示如何使用Python的Matplotlib库来绘制3D数据点和SVM分类面的可视化，解决我在编程中遇到的问题。问题背景最近，我在完成一项作业时尝试重现一个3D数据的SVM分类图，但结果只得到了一个空白窗口，这让我很困惑。以下是原始代码：importnumpyasnpfromsklearn.datasetsi
  • KNN算法：从思想到实现（附代码） lihuayong 人工智能机器学习算法KNN算法分类问题回归问题
    引言K最近邻算法（KNearestNeighbors,KNN）是一种简单而有效的机器学习算法，用于分类和回归问题。其核心思想基于“近朱者赤，近墨者黑”，即通过测量不同特征值之间的距离来进行分类或预测数值。本文将详细介绍KNN的核心概念、使用方法及其在sklearn中的实现，并展示如何自己动手编写一个简单的KNN算法。新样本寻找K个最近邻分类问题:多数表决回归问题:均值计算KNN核心思想如何做一个样
  • TfidfVectorizer 和 word2vec SpiritYzw sklearnpython机器学习
    一、TfidfVectorizer简单使用例子，可以统计子变量的频次类特征fromsklearn.feature_extraction.textimportTfidfVectorizertext_list=['aaa,bbb,ccc,aaa','bbb,aaa,aaa,ccc']vectorizer=TfidfVectorizer(stop_words=[',',':','','.','-'],m
  • Python模型上线pmml以及自定义函数转换（1） jin_tmac 机器学习与数据挖掘pythonpythonsklearn
    通常xgb或lgb模型通过pmml上线都比较简单，但是逻辑回归模型因为涉及到woe的转换，就要通过自定义转换函数的方式来实现。1、常规转换-模型训练好之后立即转换importjoblibfromsklearn2pmmlimportPMMLPipeline,sklearn2pmml#保存模型python可读入defdump(clf,fp='clf'):joblib.dump(feature_name
  • java调用ONNX模型 jason.zeng@1502207 java开发语言
    一、导出一个onnx模型这里训练了一个简单的线性回归模型通过SerializeToString完成导出。fromsklearn.linear_modelimportLinearRegressionimportnumpyasnpimportonnxfromskl2onnximportconvert_sklearnfromskl2onnx.common.data_typesimportFloatTen
  • Python-机器学习（二）-K近邻算法的原理与鸢尾花数据集实现详解 2401_84009679 程序员机器学习python近邻算法
    fromsklearn.neighborsimportKNeighborsClassifierk=5#对模型训练clf=KNeighborsClassifier(n_neighbors=k)clf.fit(x,y)#对样本进行预测x_sample=[[0,2]]neighbors=clf.kneighbors(x_sample)neighbors[1]plt.figure(figsize=(16,
  • 自定义数据集 使用scikit-learn中svm的包实现svm分类 灵封～ 机器学习人工智能
    引入必要的库importnumpyasnpfromsklearn.datasetsimportmake_classificationfromsklearn.model_selectionimporttrain_test_splitfromsklearn.svmimportSVCfromsklearn.metricsimportaccuracy_score,classification_report
  • 自定义数据集，使用scikit-learn 中K均值包 进行聚类 sirius12345123 scikit-learn均值算法
    importmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansimportnumpyasnpclass1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])class2_points=np.array([[-1.9,1
  • 自定义数据集 使用scikit-learn中svm的包实现svm分类 sirius12345123 scikit-learn支持向量机分类
    importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvm#定义数据class1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])class2_points=np.array([[3.2,3.2],[3.
  • 使用numpy自定义数据集，使用scikit-learn中SVM的包实现SVM分类 辞落山 numpyscikit-learn支持向量机
    概述：支持向量机（SVM）是一种强大的分类算法，适用于线性和非线性分类问题。本博客将展示如何使用numpy自定义一个数据集，并利用scikit-learn中的SVM实现分类。1.导入必要的库importnumpyasnpfromsklearn.svmimportSVCfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metri
  • 使用 Numpy 自定义数据集，使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测，对预测结果计算精确度和召回率及F1分数 辞落山 pytorch逻辑回归人工智能
    1.导入必要的库首先，导入我们需要的库：Numpy、Pytorch和相关工具包。importnumpyasnpimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.metricsimportaccuracy_score,recall_score,f1_score2.自定义数据集使用Numpy创建一个简单的线性可分数据集，并
  • Sklearn 中的线性回归模型 Cacciatore-> 机器学习sklearn线性回归人工智能机器学习python
    线性回归的数学模型假设单变量回归模型：hθ(x)=θTx=θ0+θ1x1h_\theta(x)=\theta^Tx=\theta_0+\theta_1x_1hθ(x)=θTx=θ0+θ1x1这里的θ0\theta_0θ0就是偏置，而θ1\theta_1θ1就是权重，而x1x_1x1就是特征。线性回归方程的代价函数为：J(θ)=12m∑mi=1(hθ(x(i))−y(i))2J(\theta)=\f
  • 模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型实现男女分类 CV视界 模式识别机器学习与图像处理机器学习python人工智能
    模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型和pazen窗方法实现男女分类欢迎大家来到安静到无声的《模式识别与人工智能（程序与算法）》，如果对所写内容感兴趣请看模式识别与人工智能（程序与算法）系列讲解-总目录，同时这也可以作为大家学习的参考。欢迎订阅，优惠价只需9.9元，请多多支持！目录标题模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型和paz
  • 自定义数据集，使用scikit-learn 中K均值包 进行聚类 〖是♂我〗 scikit-learn均值算法聚类
    代码：#导入必要的库importmatplotlib.pyplotasplt#用于绘制图形fromsklearn.clusterimportKMeans#KMeans聚类算法importnumpyasnp#数值计算库#定义class1到class4的数据点，模拟四个不同的类（每个类7个二维点）class1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5]
  • 使用支持向量机和朴素贝叶斯对文本分类 SSeaflower 支持向量机分类算法机器学习python
    一、支持向量机文本分类1.1支持向量机分类器(SVC)支持向量机分类器（SupportVectorClassifier），缩写为SVC。SVC是sklearn.svm模块的一部分，提供了对支持向量机（SVM）算法的实现。SVM是一种监督学习模型，用于分类和回归任务。SVC是SVM用于分类的实现。1.2SVC的用法及参数通过以下方式创建SVC对象并进行训练：fromsklearn.svmimport
  • 基于TensorFlow 2.0的DBN故障诊断程序 ydlhnust 深度学习
    以下是一个基于TensorFlow2.0的DBN故障诊断程序，包含特征可视化和结果分析。程序使用合成振动数据进行演示，可直接运行。```pythonimportnumpyasnpimportmatplotlib.pyplotaspltimporttensorflowastffromtensorflow.kerasimportlayers,modelsfromsklearn.model_select
  • python建模的步骤_python基础教程之Python 建模步骤|python基础教程|python入门|python教程... 谭俊云 python建模的步骤
    #%%#载入数据、查看相关信息importpandasaspdimportnumpyasnpfromsklearn.preprocessingimportLabelEncoderprint('第一步：加载、查看数据')file_path=r'D:\train\201905data\liwang.csv'band_data=pd.read_csv(file_path,encoding='UTF-8'
  • python（scikit-learn）实现k均值聚类算法 嘿哈哈哈哈哈哈 机器学习聚类python算法机器学习人工智能
    k均值聚类算法原理详解示例为链接中的例题直接调用python机器学习的库scikit-learn中k均值算法的相关方法fromsklearn.clusterimportKMeansimportnumpyasnpimportmatplotlib.pyplotaspltx=np.array([[0,2],[0,0],[1,0],[5,0],[5,2]])#计算k均值聚类kmeans=KMeans(n_
  • 统一思想认识 永夜-极光 思想
    1.统一思想认识的基础,才能有的放矢  原因:    总有一种描述事物的方式最贴近本质,最容易让人理解.    如何让教育更轻松,在于找到最适合学生的方式.          难点在于,如何模拟对方的思维基础选择合适的方式.   &
  • Joda Time使用笔记 bylijinnan javajoda time
    Joda Time的介绍可以参考这篇文章： http://www.ibm.com/developerworks/cn/java/j-jodatime.html 工作中也常常用到Joda Time，为了避免每次使用都查API，记录一下常用的用法：     /** * DateTime变化（增减） */ @Tes
  • FileUtils API eksliang FileUtilsFileUtils API
    转载请出自出处：http://eksliang.iteye.com/blog/2217374 一、概述 这是一个Java操作文件的常用库，是Apache对java的IO包的封装，这里面有两个非常核心的类FilenameUtils跟FileUtils，其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装，开发中对文件的操作，几乎都可以在这个框架里面找到。 非常的好用。
  • 各种新兴技术 不懂事的小屁孩 技术
    1:gradle Gradle 是以 Groovy 语言为基础，面向Java应用为主。基于DSL（领域特定语言）语法的自动化构建工具。 现在构建系统常用到maven工具，现在有更容易上手的gradle， 搭建java环境: http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/ 搭建android环境： http://m
  • tomcat6的https双向认证 酷的飞上天空 tomcat6
    1.生成服务器端证书 keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
  • 托管虚拟桌面市场势不可挡 蓝儿唯美
    用户还需要冗余的数据中心，dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台，提供服务或者MSP也可以自己来控制。 在某些情况下，MSP会在dinCloud的云服务上进行服务分层，如监控和补丁管理。 MSP的利润空间将根据其参与的程度而有所不同，Din说。 “我们有一些合作伙伴负责将我们推荐给客户作为个
  • spring学习——xml文件的配置 a-john spring
    在Spring的学习中，对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中，采用XML配置也是最常见的。以下是一个简单的XML配置文件： <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.or
  • HDU 4342 History repeat itself 模拟 aijuans 模拟
    来源：http://acm.hdu.edu.cn/showproblem.php?pid=4342 题意：首先让求第几个非平方数，然后求从1到该数之间的每个sqrt(i)的下取整的和。 思路：一个简单的模拟题目，但是由于数据范围大，需要用__int64。我们可以首先把平方数筛选出来，假如让求第n个非平方数的话，看n前面有多少个平方数，假设有x个，则第n个非平方数就是n+x。注意两种特殊情况，即
  • java中最常用jar包的用途 asia007 java
    java中最常用jar包的用途 jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口，提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法，以及接收和处理SOAP错误的方法.  w
  • ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法 百合不是茶 jsjson编码返回异常
    一:ajax获取自定义Struts框架中的json编码  出现以下 问题:       1,强制flush输出  json编码打印在首页 2, 不强制flush js会解析json 打印出来的是错误的jsp页面   却没有跳转到错误页面 3,  ajax中的dataType的json 改为text 会
  • JUnit使用的设计模式 bijian1013 java设计模式JUnit
    JUnit源代码涉及使用了大量设计模式 1、模板方法模式（Template Method）         定义一个操作中的算法骨架，而将一些步骤延伸到子类中去，使得子类可以不改变一个算法的结构，即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构，也就是步骤，而步骤的实现可以在子类中完成。   
  • Linux常用命令（摘录） sunjing crondchkconfig
    chkconfig --list   查看linux所有服务 chkconfig --add servicename 添加linux服务 netstat -apn | grep 8080  查看端口占用 env 查看所有环境变量 echo $JAVA_HOME 查看JAVA_HOME环境变量   安装编译器 yum install -y gcc
  • 【Hadoop一】Hadoop伪集群环境搭建 bit1129 hadoop
     结合网上多份文档，不断反复的修正hadoop启动和运行过程中出现的问题，终于把Hadoop2.5.2伪分布式安装起来，跑通了wordcount例子。Hadoop的安装复杂性的体现之一是，Hadoop的安装文档非常多，但是能一个文档走下来的少之又少，尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布，但是它的配置跟2.5.0，2.5.1没有分别。 &nb
  • Anychart图表系列五之事件监听 白糖_ chart
    创建图表事件监听非常简单：首先是通过addEventListener('监听类型',js监听方法)添加事件监听，然后在js监听方法中定义具体监听逻辑。 以钻取操作为例，当用户点击图表某一个point的时候弹出point的name和value，代码如下： <script> //创建AnyChart var chart = new AnyChart(); //添加钻取操作&quo
  • Web前端相关段子 braveCS web前端
    Web标准：结构、样式和行为分离   使用语义化标签 0）标签的语义：使用有良好语义的标签，能够很好地实现自我解释，方便搜索引擎理解网页结构，抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容，具有很好的可读性，从而实现对特殊终端的兼容。 1）div和span是没有语义的：只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时，才会适当添加div
  • 编程之美-24点游戏 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Arrays; import java.util.HashSet; import java.util.List; import java.util.Random; import java.util.Set; public class PointGame { /**编程之美
  • 主页面子页面传值总结 chengxuyuancsdn 总结
    1、showModalDialog returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值 主界面 var sonValue=window.showModalDialog("son.jsp"); 子界面 window.retu
  • [网络与经济]互联网+的含义 comsci 互联网+
          互联网+后面是一个人的名字 = 网络控制系统       互联网+你的名字 =  网络个人数据库       每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
  • oracle 创建视图 with check option daizj 视图vieworalce
    我们来看下面的例子： create or replace view testview as select empno,ename from emp where ename like ‘M%’ with check option; 这里我们创建了一个视图，并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果： select * from testv
  • ToastPlugin插件在cordova3.3下使用 dibov Cordova
        自己开发的Todos应用，想实现“ 再按一次返回键退出程序 ”的功能，采用网上的ToastPlugins插件，发现代码或文章基本都是老版本，运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。       ToastPlugin.java package&nbs
  • C语言22个系统函数 dcj3sjt126com cfunction
    C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分（尾数）x和 以2位的指数部分n，即num=x*2n，指数n存放在exp指向的变量中，返回x。D
  • 开发一个类的流程 dcj3sjt126com 开发
    本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件，并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库，供以后复用。   以下是开发流程： 1. 明确类的功能，抽象出类的大概结构 2. 初步设想类的接口 3. 类名设计（驼峰式命名） 4. 属性设置(权限设置) 判断某些变量是否有必要作为成员属
  • java 并发 shuizhaosi888 java 并发
    能够写出高伸缩性的并发是一门艺术   在JAVA SE5中新增了3个包 java.util.concurrent java.util.concurrent.atomic java.util.concurrent.locks 在java的内存模型中，类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享，局部变量与方法参数都是线程私有的，不会被共享。
  • Spring Security（11）——匿名认证 234390216 Spring SecurityROLE_ANNOYMOUS匿名
    匿名认证 目录 1.1     配置 1.2     AuthenticationTrustResolver          对于匿名访问的用户，Spring Security支持为其建立一个匿名的AnonymousAuthenticat
  • NODEJS项目实践0.2[ express,ajax通信...] 逐行分析JS源代码 Ajaxnodejsexpress
      一、前言         通过上节学习，我们已经        ubuntu系统搭建了一个可以访问的nodejs系统，并做了nginx转发。本节原要做web端服务 及 mongodb的存取，但写着写着，web端就
  • 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值 lhbthanks javahtmlstrutscheckbox
    第一种方法：获取结果String类型 在 Action 中获得的是一个 String 型数据，每一个被选中的 checkbox 的 value 被拼接在一起，每个值之间以逗号隔开(,)。 所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。 以下是实现的代码： 前台 HTML 代码：
  • 003.Kafka基本概念 nweiren hadoopkafka
    Kafka基本概念：Topic、Partition、Message、Producer、Broker、Consumer。 Topic：             消息源（Message）的分类。 Partition：             Topic物理上的分组，一
  • Linux环境下安装JDK roadrunners jdklinux
    1、准备工作 创建JDK的安装目录： mkdir -p /usr/java/   下载JDK，找到适合自己系统的JDK版本进行下载： http://www.oracle.com/technetwork/java/javase/downloads/index.html   把JDK安装包下载到/usr/java/目录，然后进行解压： tar -zxvf jre-7
  • Linux忘记root密码的解决思路 tomcat_oracle linux
    1：使用同版本的linux启动系统，chroot到忘记密码的根分区passwd改密码 　　2：grub启动菜单中加入init=/bin/bash进入系统，不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 　　3: grub启动菜单中加入 single以单用户进入系统. 　　4:用以上方法mount到根分区把/etc/passwd中的root密码去除 　　例如: 　　ro
  • 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现 xueyou jsonpjquery框架UIhtml5
    postMessage 是 HTML5 新方法，它可以实现跨域窗口之间通讯。到目前为止，只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持，而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样，前者是前端擅长跨域文档数据即时通讯，后者擅长针对跨域服务端数据通讯，p
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他