嘿喵heyMeow
嘿喵heyMeow

2018-06-12（正态分布）

emmmmm，补习了一下高中的知识。。。

1.数据可以用不同的方式分布，但是通常来说数据会集中在一个中心值的附近，如果用坐标系看，就会成一个“钟形曲线”，这就是一个正态分布。


2018-06-12（正态分布）_第1张图片
正态分布

2.与正态分布相关的两个词
1）期望值/平均值/中位数
计算方式：数据的求和 / 数据的个数
2）标准差的平方--方差：展示了数据的离散程度或者叫散布的指标。
计算方式：标准差的平方 = （每个数据 - 平均值）的平方和 / 数据个数

2018-06-12（正态分布）_第2张图片
标准差

参考链接：
https://www.shuxuele.com/data/standard-normal-distribution.html

你可能感兴趣的:(2018-06-12（正态分布）)

  • 基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算实践过程 xiao5kou4chang6kai4 统计生态农业r语言回归贝叶斯统计学线性回归
    专题一贝叶斯统计学的思想与概念1.1信念函数与概率1.2事件划分与贝叶斯法则1.3稀少事件的概率估计1.4可交换性1.5预测模型的构建专题二单参数模型2.1二项式模型与置信域2.2泊松模型与后验分布2.3指数族模型与共轭先验专题三蒙特卡罗逼近3.1蒙特卡罗方法3.2任意函数的后验推断3.3预测分布采样3.4后验模型检验专题四正态模型4.1均值与条件方差的推断4.2基于数学期望的先验4.3非正态分布
  • 机器学习-------数据标准化 罔闻_spider 数据分析算法机器学习人工智能
    什么是归一化，它与标准化的区别是什么？一作用在做训练时，需要先将特征值与标签标准化，可以防止梯度防炸和过拟合；将标签标准化后，网络预测出的数据是符合标准正态分布的—StandarScaler()，与真实值有很大差别。因为StandarScaler()对数据的处理是（真实值-平均值）/标准差。同时在做预测时需要将输出数据逆标准化提升模型精度：标准化/归一化使不同维度的特征在数值上更具比较性，提高分类
  • 优秀吧，不要留恋身后。 左手咖啡右手coffee
    我们行至桥边，径直跨过，又转身烧毁，烧掉了前行的证据，只留下记忆中的滚滚浓烟以及也许曾经湿润的双眼。——汤姆·斯托帕德在中间的人永远都面临被嫉妒和攻击只有当你成为优秀到别人触碰不到的高度你才彻底和言语的攻击与愚昧脱离关系因为你根本不关心身后人你跟他们的差距已经不是一两句话可以改变的事实旁边人的细微言语改变不了你的成功轨迹但这部分人只是少数多数的我们仍然处于大部分人的中等位置就好像是正态分布曲线两端
  • 成功学不能学 润物老师
    成功是一个小概率事件，混得太惨也是。大部分人，还是过着不太成功不太失败的日子。如果我们要修理一辆汽车,你会只坚持用扳手,不用螺丝刀么?我们既可以用扳手,也可以用螺丝刀。关键是,目标是把车修好。要点拆解一、成功永远是小概率事件通过对炼金术的案例，以及数学中的正态分布曲线，即无论什么群体，随机变量的概率分布大多数总会停留在某一个值前后，离这个值越远，出现的概率越少。来说明，成功也是个小概率事件，混的太
  • 数学建模——Box-Cox变换 Desire.984 Python数学建模数学建模python
    用途：当某个随机变量XXX不服从正态分布的时候，可以尝试通过这种变换将其变成正态分布。两个常用的变换对数变换：已知随机变量XXX，如果有ln⁡X∼N(μ,σ2)\lnX\simN(\mu,\sigma^2)lnX∼N(μ,σ2)，那么对XXX使用对数变换。适合随着自变量的增加，因变量的方差也增大的模型。平方根变换：已知随机变量XXX，如果有X∼N(μ,σ2)\sqrtX\simN(\mu,\sig
  • 数模原理精解【8】 叶绿先锋 基础数学与应用数学人工智能统计分析概率论数学建模
    文章目录协方差概述协方差的定义协方差的计算协方差的例子协方差矩阵协方差矩阵定义协方差矩阵的性质协方差矩阵的计算协方差矩阵的例子协方差矩阵的例题多元正态分布基础多元正态分布密度函数多元正态分布密度函数Julia实现详细解释定义计算例子例题参考文献协方差概述协方差是一种统计度量，用于描述两个变量之间的线性相关程度以及它们变化的趋势是否一致。具体来说，协方差计算的是两个变量同时偏离其均值的程度。如果两个
  • 【统计学习方法读书笔记】（四）朴素贝叶斯法 Y.G Bingo 统计学习方法人工智能统计学习概率概率论
    终于到了贝叶斯估计这章了，贝叶斯估计在我心中一直是很重要的地位，不过发现书中只用了不到10页介绍这一章，深度内容后，发现贝叶斯估计的基础公式确实不多，但是由于正态分布在生活中的普遍性，贝叶斯估计才应用的非常多吧！默认输入变量用XXX表示，输出变量用YYY表示概率公式描述：P(X=x)P(X=x)P(X=x)：表示当X=xX=xX=x时的概率P(X=x∣Y=ck)P(X=x|Y=c_k)P(X=x∣
  • python产生20个随机数_python随机数，python产生20个随机整数 weixin_39637614 python产生20个随机数
    1从给定参数的正态分布中生成随机数当考虑从正态分布中生成随机数时，应当首先知道正态分布的均值和方差（标准差），有了这些，就可以调用python中现有的模块和函数来生成随机数了。这里调用了Numpy模块中的random.normal函数，由于逻辑非参简单，所有直接贴上代码如下：importnumpyasnp#定义从正态分布中获取随机数的函数defget_normal_random_number(lo
  • 一些可能很有用的矩阵知识 黑洞是不黑 transformer数学理论矩阵线性代数人工智能
    一些可有可无的矩阵知识酉矩阵酉矩阵一个服从正态分布的向量乘以一个酉矩阵，得到的向量仍然服从正态分布酉矩阵是一个复数矩阵，满足其转置的共轭等于其逆矩阵。当一个向量通过一个酉矩阵进行线性变换时，它的模长保持不变，只是发生了旋转和缩放。这意味着如果原始向量服从正态分布，变换后的向量仍将服从相同的正态分布。proof:proof:proof:当一个向量服从正态分布时，其概率密度函数（PDF）可以表示为：f
  • matlab 发射随机信号,matlab随机信号处理 刚下拖拉机 matlab发射随机信号
    matlab中rand和randn是产生随机数的命令，x=rand(1,N)产生(0，1)区间均匀分布的长度为N的随机信号，x=randn(1,N)产生长度为N且具有零均值和单位方差的正态分布的随机信号。matlab中产生伪随机数需要种子，把不同的种子用于不同的随机数生成器产生不同的伪随机数。betarnd贝塔分布的随机数生成器binornd二项分布的随机数生成器chi2rnd卡方分布的随机数生成
  • ValueError: Expected parameter scale (Tensor of shape (2854529,)) of distribution Normal(loc: torch. zhangfeng1133 pytorch深度学习人工智能
    正态分布，尺度需要大于0，解决办法scale=F.softplus(scale)Traceback(mostrecentcalllast):Theaboveexceptionwasthedirectcauseofthefollowingexception:Traceback(mostrecentcalllast):File"/home/aistudio/bnn_pyro_fso_middle_2_
  • Spark MLlib模型训练—回归算法 GLR( Generalized Linear Regression) 猫猫姐 Spark实战回归spark-ml线性回归spark
    SparkMLlib模型训练—回归算法GLR(GeneralizedLinearRegression)在大数据分析中，线性回归虽然常用，但在许多实际场景中，目标变量和特征之间的关系并非线性，这时广义线性回归（GeneralizedLinearRegression,GLR）便应运而生。GLR是线性回归的扩展，能够处理非正态分布的目标变量，广泛用于分类、回归以及其他统计建模任务。本文将深入探讨Spar
  • 数学建模—SPSS学习笔记 shellier 数学建模—SPSS学习笔记学习笔记数学建模
    1、描述统计（描述一组数据的集中和离散情况）SPSS操作分析—描述统计—描述度量标准：度量（定距变量IntervalData）【可以分类（=和≠），可以排序（>和和30)，其样本均值都近似服从正态分布。条件二：样本数据是连续的且数据之间的差异不能太大（不能包含离群点或异常值）。条件三：每组样本之间相互独立。条件四：皮尔逊相关系数有效的前提是两组数据（两个对象）之间呈线性关系。2)散点图检验使用EX
  • 2018-06-12 Q3陈翠玲
    今天女儿和同学约好去武汉玩，我早上起床按正常点去上班，并没有去打扰女儿。我知道，她出去玩，赶火车是她自己的事情，她应该都有安排，从现在就要放手了，还有三个月她还是要一个人翱翔于天空，我必须要慢慢退出女儿的生活圈。果然10点钟女儿就给我发来微信说已经在动车上了，40分钟到汉口。我赶紧夸女儿，真不错，把自己的时间安排得井井有条，这么快就出发了，祝她们要玩得开心！女儿又给我发了一个很萌萌哒的表情，看着让
  • 2018-06-12 我是一只快乐的猪
    【两面镜子】20180612，D0201、磨耳朵：鹅妈妈，常爸语感启蒙歌单child'splay2，maisy音频，学乐科学A。maisy和学乐可以自己跟读一些词，还要加强复听。2、绘本：鹅妈妈黄本姐姐自己先完整地唱然后又背了一遍小黑羊，把我惊到了，赶紧鼓掌崇拜夸一阵。然后我和妹妹再让她背几个，又背了蛋先生全部，洗碗歌和我一起念的，妹妹不让姐姐读这本书，没想到每次她在旁边听着看着自己就会读了。学乐
  • R 实现正态性检验，方差齐性检验t检验 霍歌
    检验数值是否服从正态分布有很多种方式，这种比较简单。mu<-c(0,0,0)Sigma<-matrix(c(1,0.5,0.25,0.5,1,0.5,0.25,0.5,1),3,3)M<-mvrnorm(1000,mu,Sigma)QQ-PLOTqqnorm(M[,1]);qqline(M[,1],col=2)shapiro,testshapiro.test(M[,1])P值大于0.05的意义是符
  • python绘制二维正态分布概率密度图（2d,3d） 马鹿91 pythonnumpy
    importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.statsimportmultivariate_normal#定义均值和协方差矩阵mean=np.array([0,0])covariance=np.array([[1,0.5],[0.5,1]])#创建一个网格x,y=np.meshgrid(np.linspace(-3,3,500),np.
  • python验证中心极限定理_中心极限定理的最最通俗解释 Thegirlisvery python验证中心极限定理
    一、什么是中心极限定理在适当的条件下，大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布。每次从这些总体中随机抽取n个抽样，一共抽m次。然后把这m组抽样分别求出平均值，这些平均值的分布接近正态分布。设从均值为μ、方差为(有限)的任意一个总体中抽取样本量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为的正态分布。中心极限定理告诉我们，当样本量足够大时，样本均值的分布慢慢
  • 冯艺博日志 | 2018-06-12 | 晴天 | 星期二 | 爱如果需要回报，也就成了交易 冯艺博
    冷逍泰·纸箱人冯艺博日志|2018-06-12|晴天|星期二|爱如果需要回报，也就成了交易一这几天一直在看《天道》，感觉有点烧脑。早晨到公司比较早，还抽空百度了一下剧里面的经典台词，特意整理了一下保存起来，方便以后随时打开看下。可能过几年再看，随着自己阅历和年龄的增加会有新的感触吧。今天感触比较深的一句：爱如果需要回报，也就成了交易。无论是父母对子女的爱，夫妻双方的爱，朋友之间的爱，如果爱和付出的
  • 中心极限定理 不倒的不倒翁先森 概率论
    中心极限定理（CentralLimitTheorem，CLT）是概率论中的一个重要定理，它说明了在某些条件下，独立随机变量的和（或平均值）趋向于正态分布的性质。具体来说，中心极限定理可以描述为：定理表述：设(X1,X2,…,Xn)(X_1,X_2,\dots,X_n)(X1,X2,…,Xn)是一组相互独立、服从相同分布的随机变量，其数学期望为μ\muμ，方差为σ2\sigma^2σ2（有限且不为零
  • 2019-10-19-突然觉得自己看懂了，一元随机变量函数的密度函数问题 赵小幺bies
    这样的话，的分布函数知道了,求Y的密度函数就是一件很简单的事了。如果是个严格单调函数，有下面的公式可以用。如果不是严格单调函数，有上面的定理可以用。是单调函数时，注意绝对值符号的应用正态分布应用的太多了，单独拿出来强调一下小例子1：,求的分布函数，密度函数。显然，Y也是正态分布，它的期望是它的方差是：从而,其分布函数和密度函数也就可以写出来了。的密度函数是：分布函数从而的密度函数是分布函数是一般来
  • 数据挖掘|数据预处理|基于Python的数据标准化方法 皖山文武 数据挖掘数据建模与分析python数据挖掘开发语言
    基于Python的数据标准化方法1.z-score方法2.极差标准化方法3.最大绝对值标准化方法在数据分析之前，通常需要先将数据标准化（Standardization），利用标准化后的数据进行数据分析，以避免属性之间不同度量和取值范围差异造成数据对分析结果的影响。1.z-score方法Z-score方法是基于原始数据的均值和标准差来进行数据标准化的，处理后的数据均值为0，方差为1，符合标准正态分布
  • 每天一个数据分析题（二百零一） 紫色沙 数据分析题库数据分析数据挖掘
    以下关于线性回归模型的经典假设，描述正确的是（）。A.自变量与因变量必须有线性关系B.正交假定:扰动项与自变量不相关，期望值为0C.扰动项之间相互独立且服从方差相等的同一个正态分布D.多元线性回归中，自变量之间不能有强共线性题目来源于CDA模拟题库点击此处获取答案
  • JavaScript 正态分布的一种实现方法 老邵
    functiongetWeight(){//正态分布函数functiongaussianRandom(start,end){returnMath.floor(start+gaussianRand()*(end-start+1));//更偏向于中间的值乘以前后的差，加上前面的值，得到更偏向于中间的最终值}functiongaussianRand(){varrand=0;for(vari=0;i{re
  • 成长是每个人贯穿一生的课题，让心理学家荣格带你自愈，带你成长 记不住正态分布的蔷色
    文/记不住正态分布的蔷色知乎上有人问，孩子上初一了，女孩，最近强烈要求每晚要锁门睡觉怎么办，大家有同款娃吗?结果下面的回答多半是挺娃，而不是挺家长的。我也写了个回答，我说，不知道有没有同款娃，但我相信有很多同款父母。结果很多人在评论区说，因为自己锁门，妈妈把门砸了，还说她不对。还有人说，已经结婚了，父母进房间还是不敲门。说实在的，我的家庭氛围相对轻松，小时候农村也没有条件给每个孩子安排一个房间，所
  • 概率密度函数（PDF）与神经网络中的激活函数 daode3056 神经网络算法pdf人工智能机器学习算法
    原创:项道德(daode3056,daode1212)在量子力学中，许多现象都是统计的结果，基本上用的是正态分布，然而，从本质上思考，应该还存在低阶的分布，标准的正态分布是它的极限，这样一来，或许在某些状态，要多关注瞬间与低能的统计分布，这就要推出一些低阶的分布，些分布大多都要出现特殊函数，先看看Besselfunction:以下是作者应用“第二类虚宗量的贝塞尔函数”的积分：它也代表一类分布，它是
  • Echarts绘制任意数据的正态分布图 tsunami_______ Vueecharts前端javascript
    一、什么是正态分布正态分布，又称高斯分布或钟形曲线，是统计学中最为重要和常用的分布之一。正态分布是一种连续型的概率分布，其概率密度函数（ProbabilityDensityFunction，简称PDF）可以通过一个平均值（μ，mu）和标准差（σ，sigma）来完全描述。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准
  • Z分数标准化 草明 数据结构与算法机器学习人工智能
    Z分数标准化是一种常用的数据标准化方法，用于将不同数据集的值转换为具有相同比例和零均值、标准差为1的标准正态分布。这种标准化方法对于机器学习和统计分析中的特征缩放和数据预处理非常有用。标准化的步骤如下：计算均值和标准差：对于给定的数据集，首先计算其均值（μ）和标准差（σ）。计算Z分数：对于数据集中的每个数据点Xi，使用下面的公式计算其Z分数：这样做可以将原始数据转换为以数据集均值为中心，标准差为单
  • R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据 数据挖掘深度学习机器学习算法
    全文链接：http://tecdat.cn/?p=31023最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题（点击文末“阅读原文”获取完整代码数据********）。VaR方法作为当前业内比较流行的测量金融风险的方法,具有简洁,明了的特点,而且相对于方差来讲,更多的将投资人的损失作为风险具有更
  • 《为什么》第二章：因果推断的起源 苏耀勇
    如题所示，这一章主要讲解的是因果关系的历史和起源。从高尔顿的弹珠台，到卡尔.皮尔逊的相关性、到休厄尔.赖特的路径图和贝叶斯定律。高尔顿的弹珠台：高尔顿用这种类似弹珠台的仪器解释遗传特性，比如身高在人类中的分布基本上符合（a）这样的钟形（正态分布）。但是，这样的模型存在一个致命的缺陷，如果用若干级弹珠台模拟若干代人群的遗传特性的话，底部的钟形分布就会越来越宽，越来越散开，这意味着身高的人的后代会越来
  • java封装继承多态等 麦田的设计者 javaeclipsejvmcencapsulatopn
           最近一段时间看了很多的视频却忘记总结了，现在只能想到什么写什么了，希望能起到一个回忆巩固的作用。     1、final关键字       译为：最终的        &
  • F5与集群的区别 bijian1013 weblogic集群F5
            http请求配置不是通过集群，而是F5；集群是weblogic容器的，如果是ejb接口是通过集群。         F5同集群的差别，主要还是会话复制的问题，F5一把是分发http请求用的，因为http都是无状态的服务，无需关注会话问题，类似
  • LeetCode[Math] - #7 Reverse Integer Cwind java题解MathLeetCodeAlgorithm
    原题链接：#7 Reverse Integer   要求： 按位反转输入的数字 例1： 输入 x = 123, 返回 321 例2： 输入 x = -123, 返回 -321   难度：简单   分析： 对于一般情况，首先保存输入数字的符号，然后每次取输入的末位（x%10）作为输出的高位（result = result*10 + x%10）即可。但
  • BufferedOutputStream 周凡杨
         首先说一下这个大批量，是指有上千万的数据量。      例子：      有一张短信历史表，其数据有上千万条数据，要进行数据备份到文本文件，就是执行如下SQL然后将结果集写入到文件中！      select t.msisd
  • linux下模拟按键输入和鼠标 被触发 linux
    查看/dev/input/eventX是什么类型的事件， cat /proc/bus/input/devices 设备有着自己特殊的按键键码，我需要将一些标准的按键，比如0－9，X－Z等模拟成标准按键，比如KEY_0,KEY-Z等，所以需要用到按键 模拟，具体方法就是操作/dev/input/event1文件，向它写入个input_event结构体就可以模拟按键的输入了。 linux/in
  • ContentProvider初体验 肆无忌惮_ ContentProvider
    ContentProvider在安卓开发中非常重要。与Activity，Service，BroadcastReceiver并称安卓组件四大天王。 在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面，这里面的文件默认都是私有的，别的程序无法访问。 如果QQ游戏想访问手机QQ的帐号信息一键登录，那么就需要使用内容提供者COnte
  • 关于Spring MVC项目（maven）中通过fileupload上传文件 843977358 mybatisspring mvc修改头像上传文件upload
    Spring MVC 中通过fileupload上传文件，其中项目使用maven管理。   1.上传文件首先需要的是导入相关支持jar包：commons-fileupload.jar,commons-io.jar 因为我是用的maven管理项目，所以要在pom文件中配置（每个人的jar包位置根据实际情况定） <!-- 文件上传 start by zhangyd-c --&g
  • 使用svnkit api，纯java操作svn，实现svn提交，更新等操作 aigo svnkit
     原文：http://blog.csdn.net/hardwin/article/details/7963318   import java.io.File; import org.apache.log4j.Logger; import org.tmatesoft.svn.core.SVNCommitInfo; import org.tmateso
  • 对比浏览器，casperjs，httpclient的Header信息 alleni123 爬虫crawlerheader
    @Override protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException { String type=req.getParameter("type"); Enumeration es=re
  • java.io操作 DataInputStream和DataOutputStream基本数据流 百合不是茶 java流
    1，java中如果不保存整个对象，只保存类中的属性，那么我们可以使用本篇文章中的方法，如果要保存整个对象  先将类实例化  后面的文章将详细写到     2，DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
  • 车辆保险理赔案例 bijian1013 车险
    理赔案例： 一货运车，运输公司为车辆购买了机动车商业险和交强险，也买了安全生产责任险，运输一车烟花爆竹，在行驶途中发生爆炸，出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧，针对这几种情况，该如何赔付。 赔付建议和方案： 客户所买交强险在这里不起作用，因为交强险的赔付前提是：“机动车发生道路交通意外事故”； 如果是交通意外事故引发的爆炸，则优先适用交强险条款进行赔付，不足的部分由商业
  • 学习Spring必学的Java基础知识(5)—注解 bijian1013 javaspring
            文章来源：http://www.iteye.com/topic/1123823，整理在我的博客有两个目的：一个是原文确实很不错，通俗易懂，督促自已将博主的这一系列关于Spring文章都学完；另一个原因是为免原文被博主删除，在此记录，方便以后查找阅读。           有必要对
  • 【Struts2一】Struts2 Hello World bit1129 Hello world
    Struts2 Hello World应用的基本步骤 创建Struts2的Hello World应用，包括如下几步： 1.配置web.xml 2.创建Action 3.创建struts.xml，配置Action 4.启动web server，通过浏览器访问   配置web.xml <?xml version="1.0" encoding="
  • 【Avro二】Avro RPC框架 bit1129 rpc
    1. Avro RPC简介 1.1. RPC RPC逻辑上分为二层，一是传输层，负责网络通信；二是协议层，将数据按照一定协议格式打包和解包 从序列化方式来看，Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架，都能跨语言，性能优秀，数据精简，但是Avro的动态模式（不用生成代码，而且性能很好）这个特点让人非常喜欢，比较适合R
  • lua　set get cookie ronin47 lua cookie
    lua: local access_token = ngx.var.cookie_SGAccessToken if access_token then ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000" end
  • java-打印不大于N的质数 bylijinnan java
    public class PrimeNumber { /** * 寻找不大于N的质数 */ public static void main(String[] args) { int n=100; PrimeNumber pn=new PrimeNumber(); pn.printPrimeNumber(n); System.out.print
  • Spring源码学习-PropertyPlaceholderHelper bylijinnan javaspring
    今天在看Spring 3.0.0.RELEASE的源码，发现PropertyPlaceholderHelper的一个bug 当时觉得奇怪，上网一搜，果然是个bug，不过早就有人发现了，且已经修复： 详见： http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
  • [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么? comsci 拓扑
       如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?    是否可以形成一种新的模糊语言识别和处理模型呢?  大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
  • ITEYE 都换百度推广了 cuisuqiang GoogleAdSense百度推广广告外快
    以前ITEYE的广告都是谷歌的Google AdSense，现在都换成百度推广了。   为什么个人博客设置里面还是Google AdSense呢？   都知道Google AdSense不好申请，这在ITEYE上也不是讨论了一两天了，强烈建议ITEYE换掉Google AdSense。至少，用一个好申请的吧。   什么时候能从ITEYE上来点外快，哪怕少点
  • 新浪微博技术架构分析 dalan_123 新浪微博架构
    新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第
  • 玩转ARP攻击 dcj3sjt126com r
    我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情，盖不负责。 网上关于ARP的资料已经很多了，就不用我都说了。 用某一位高手的话来说，“我们能做的事情很多，唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子：10.5.4.178 硬件地址：52:54:4C:98
  • PHP编码规范 dcj3sjt126com 编码规范
    一、文件格式 1. 对于只含有 php 代码的文件，我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如：<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果，尽量使用四个空格，禁止使用制表符TAB，因为这样能够保证有跨客户端编程器软件的灵活性。例
  • linux 脱机管理（nohup） eksliang linux nohupnohup
    脱机管理 nohup 转载请出自出处：http://eksliang.iteye.com/blog/2166699 nohup可以让你在脱机或者注销系统后，还能够让工作继续进行。他的语法如下 nohup [命令与参数] --在终端机前台工作 nohup [命令与参数] & --在终端机后台工作   但是这个命令需要注意的是，nohup并不支持bash的内置命令，所
  • BusinessObjects Enterprise Java SDK greemranqq javaBOSAPCrystal Reports
    最近项目用到oracle_ADF  从SAP/BO 上调用 水晶报表，资料比较少，我做一个简单的分享，给和我一样的新手 提供更多的便利。   首先，我是尝试用JAVA JSP 去访问的。   官方API：http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
  • 系统负载剧变下的管控策略 iamzhongyong 高并发
    假如目前的系统有100台机器，能够支撑每天1亿的点击量（这个就简单比喻一下），然后系统流量剧变了要，我如何应对，系统有那些策略可以处理，这里总结了一下之前的一些做法。 1、水平扩展 这个最容易理解，加机器，这样的话对于系统刚刚开始的伸缩性设计要求比较高，能够非常灵活的添加机器，来应对流量的变化。 2、系统分组 假如系统服务的业务不同，有优先级高的，有优先级低的，那就让不同的业务调用提前分组
  • BitTorrent DHT 协议中文翻译 justjavac bit
    前言 做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent}，因此把 DHT 协议重新看了一遍。 BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
  • Ubuntu下Java环境的搭建 macroli java工作ubuntu
    配置命令： 　　$sudo apt-get install ubuntu-restricted-extras 　　再运行如下命令： 　　$sudo apt-get install sun-java6-jdk 　　待安装完毕后选择默认Java. 　　$sudo update- alternatives --config java 　　安装过程提示选择，输入“2”即可，然后按回车键确定。
  • js字符串转日期（兼容IE所有版本） qiaolevip TODateStringIE
    /** * 字符串转时间（yyyy-MM-dd HH:mm:ss） * result （分钟） */ stringToDate : function(fDate){ var fullDate = fDate.split(" ")[0].split("-"); var fullTime = fDate.split("
  • 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析 superlxw1234 sql数据挖掘关联规则
    关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。 关联规则揭示了数据项间的未知的依赖关系，根据所挖掘的关联关系，可以从一个数据对象的信息来推断另一个数据对象的信息。 例如购物篮分析。牛奶 ⇒ 面包 [支持度：3%，置信度：40%] 支持度3%：意味3%顾客同时购买牛奶和面包。 置信度40%：意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
  • Spring 5.0 的系统需求，期待你的反馈 wiselyman spring
                   Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。          Spring 5.0的特性计划还在工作中，请保持关注，所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。  
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他