万道一
万道一

机器篇——集成学习(五) 细说 梯度提升(Gradient Boost)算法

返回主目录

返回集成学习目录

上一章：机器篇——集成学习(四) 细说 AdaBoost 算法

下一章：机器篇——集成学习(六) 细说 GBDT 算法

 

本小节，细说 梯度提升(Gradient Boost)算法，下一小节细说 GBDT 算法

 

二. 具体算法

5. 梯度提升(Gradient Boost)算法

    (1). Gradient Boost 算法思想

     ①. 利用损失函数的负梯度在当前模型的值作为回归问题提升树算法中残差的近似值，拟合一个回归树。

     ②. 梯度下降的经典数值优化公式：

               \LARGE \theta = \theta - \alpha \frac{\partial L(\theta)}{\partial \theta}

     ③. Gradient Boost 采用和 AdaBoost 同样的加法模型，在第 \large m 次迭代中，前 \large m -1 个基学习器都是固定的，即：

               \LARGE f_{m}(x) = f_{m - 1}(x) + \rho _{m} h_{m}(x)

     ④. 在第 \large m 步的目标是最小化损失函数

                \LARGE L(f) = \sum_{i = 1}^{N}L(y_{i}, f_{m}(x_{i}))

            进而求得相应的基学习器

            若将 \large f(x) 当成参数，则同样可以使用梯度下降法。

                   \LARGE f_{m}(x) = f_{m - 1}(x) - \rho_{m} \frac{\partial L(y, f_{m - 1}(x))}{\partial f_{m - 1}(x)}

            由上式可发现   \large h_{m}(x) \approx - \frac{\partial L(y, f_{m - 1}(x))}{\partial f_{m - 1}(x)}

            即用基学习器 \large h_{m}(x) 拟合前一轮模型的损失函数的负梯度，就是通过梯度下降法最小化 \large L(f)。

            由于 \large f(x) 实际为函数，所以该方法被认为是函数空间的梯度下降。

            残差 \large r = y - f(x) 越大，表明前一轮学习器 \large f(x) 的结果与真实 \large y 相差较大 ，那么下一轮学习器通过拟合残差或负梯度，就能纠正之前的学习器犯错误较大的地方。

 

    (2). Gradient Boost 算法的实现

     ①. 思路

      a. 函数模型为 CART 回归模型

      b. 损失函数一般为 “对数损失函数” 或 ”指数损失函数“，Gradient Boosting 算法即为梯度提升算法

      c. 优化算法采用梯度下降

      d. 将残差作为下一个弱分类器的训练数据，每个新的弱分类器的建立都是为了使得之前的弱分类器的残差往梯度方向减少。

          将弱分类器联合起来，使用累加机制代替平均投票。

     ②. 流程

      a. 初始化 \large f_{0}(x) = arg \min_{r} \sum_{i = 1}^{N} L(y_{i}, r)

      b. for m=1 to M:

                  计算负梯度：\large y_{i}^{'} = - \frac{\partial L(y_{i}, f_{m - 1}(x_{i}))}{\partial f_{m - 1}(x_{i})}           \large (i = 1, 2, ......, N)

                  通过最小化平方误差，用基学习器 \large h_{m}(x) 拟合 \large y_{i}^{'}

                  \large w_{m} = arg \min_{w} \sum_{i = 1}^{N}(y_{i}^{'} - h_{m}(x_{i}, w))^2

                  使用 line search 确定学习率 \large \rho_{m}，以使 \large L 最小，

                  \large \rho_{m} = arg \min_{\rho} \sum_{i = 1}^{N} L(y_{i}, f_{m - 1}(x_{i}) + \rho h_{m}(x_{i}, w_{m}))

                  \large f_{m}(x) = f_{m - 1}(x) + \rho_{m}h_{m}(x, w_{m})

      c. 输出 \large f_{M}(x)

 

     学习 Gradient Boost 知识，为后面 GBDT 做知识储备。

 

 

 

 

 

                 

 

返回主目录

返回集成学习目录

上一章：机器篇——集成学习(四) 细说 AdaBoost 算法

下一章：机器篇——集成学习(六) 细说 GBDT 算法

 

 

你可能感兴趣的:(AI章)

  • Tailwindcss开启黑夜模式 巴巴博一 vue.jscss
    本篇讲述如何使用tailwindcss切换白天黑夜主题tailwindcss自带的暗夜切换会比css自带的theme主体切换来得方便很多，学习成本也很低，只要求会用tailiwndcss1，tailwindcss.config有两种暗夜模式切换，媒体查询和手动类切换。手动控制需要开启类模式//tailwind.config.jsexportdefault{...darkMode:'class',/
  • vue 报错 This relative module was not found 原子一式 vue
    ERRORFailedtocompilewith1errorThisrelativemodulewasnotfound:*../views/login.vuein./src/router/index.js根据报错信息得知，是找不到，不存在login.vue
  • 基于 KTransformers的DeepSeek-R1 本地部署方案，成本骤降32倍！ 爱科技Ai LLM人工智能
    随着DeepSeek-R1模型在全球范围内的流行，越来越多的用户开始在本地尝试部署该模型。然而，高昂的硬件需求和成本让许多公司望而却步。本文将深入探讨DeepSeek-R1部署中的挑战，并介绍一款创新框架KTransformers，它能够显著降低大规模模型部署的成本并提高推理效率，从而帮助更多中小企业有效部署此类高级AI模型。本地部署“成本骤降32倍”，助力R1真正落地「中小企业」中！1.Deep
  • 懂车帝 2025.3.13 一面 经凉 WispX888 java面试
    懂车帝2025.3.13一面经凉上来一道算法题：小于n的最大数（dfs）n=23121，数组{2,4,9},问利用数组中的数字组成的最大的小于n的数publicclassTest{publicstaticvoidmain(String[]args){for(inti=0;i<3;i++){dfs(1,a[i]);}System.out.println(ans);}privatestaticint[
  • 商场促销-策略模式 WispX888 java开发语言学习设计模式
    商场促销-策略模式商场收银软件大鸟给小菜出了一个作业，让小菜做一个商场收银软件，营业员根据客户端所购买商品的单价和数量，向用户收费。核心代码如下：importjava.util.Scanner;publicclassMain{privatestaticdoubletotal=0;publicstaticvoidmain(String[]args){Scannersc=newScanner(Syst
  • 深度学习 Deep Learning 第2章 线性代数 odoo中国 AI编程人工智能深度学习线性代数人工智能
    深度学习第2章线性代数线性代数是深度学习的语言。张量操作是神经网络计算的基石，矩阵乘法是前向传播的核心，范数约束模型复杂度，而生成空间理论揭示模型表达能力的本质。本章介绍线性代数的基本内容，为进一步学习深度学习做准备。主要内容2.1标量、向量、矩阵和张量标量：单个数字，用斜体表示，通常赋予小写字母变量名。向量：数字数组，按顺序排列，用粗体小写字母表示，元素通过下标访问。矩阵：二维数字数组，用粗体大
  • 分享vue好用的pdf 工具实测 何包蛋H vue.jspdfjavascript
    vue3-pdf-app：带大纲，带分页，带缩放，带全屏，带打印，带下载，带旋转下载依赖：yarnaddvue3-pdf-appornpminstallvue3-pdf-app配置类：创建文件pdfConfig.ts//工具栏配置项exportconstconfig={//右侧其他区工具sidebar:{viewThumbnail:true,//启用缩略图视图viewOutline:true,//
  • Matlab多种算法解决未来杯B的多分类问题 Subject.625Ruben 算法分类机器学习数学建模未来杯matlab人工智能
    1.读取数据首先，我们从Excel文件中读取训练集和测试集：2.训练集划分我们将80%的数据用于训练，20%用于验证。3.训练多个模型我们选取8种常见分类模型，并存储预测结果。fori=1:length(modelNames)switchmodelNames{i}case'MultinomialLogisticRegression'B=mnrfit(X_train,Y_train,'model',
  • 【prompt实战】知乎问题解答专家 姚瑞南 prompt实战应用案例prompt
    本文原创作者：姚瑞南AI-agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权）#Role:知乎问题解答分类专家##Profile:你是一个知乎问题解答分类专家，主要帮助用户解答各类领域专业问题，包括但不限于金融领域、职场问题、互联网领域、科技领域、人工智能领域
  • hive sql报错 进一步有进一步的欢喜 大数据HiveSQL精进系列
    1.hivesql报错FAILED:ParseExceptionline22:0cannotrecognizeinputnear''''''insubquerysource2.解决select*from(select...fromtable_1where...)table_outer嵌套的内层的表一定要有别名，也就是示例代码中的表名table_outer。
  • Java突击小练习--利用正则表达式来简易的校验邮箱与手机号格式 CJH~ java正则表达式mysql
    //校验邮箱publicclassTestEmail{publicstaticvoidmain(String[]args){Scannerinput=newScanner(System.in);//*号代表任意数量，放在0-9a-zA-Z后面，代表可以写任意数量的字母和数字//@是邮箱的符号，接在刚刚那串的后面//|代表或，也就是说@后可以跟着qq或163或sina中的任意字符串，代表哪家邮箱//
  • Elasticsearch大文件检索性能提升20倍实践（干货）_elasticsearch 查询优化 2401_84247505 2024年程序员学习elasticsearchjenkins大数据
    3、问题排查与定位步骤1：限定返回记录条数。不提供直接访问末页的入口。baidu，360，搜狗等搜索引擎都不提供访问末页的请求方式。都是基于如下的请求方式：通过点击上一下、下一页逐页访问。这个从用户的角度也很好理解，搜索引擎返回的前面都是相关度最高的，也是用户最关心的信息。Elasticsearch的默认支持的数据条数是10000条，可以通过post请求修改。最终，本步骤将支持ES最大返回值100
  • Manus 一码难求，MetaGPT、OpenManus、Camel AI 会是替代方案吗？ 全干程序员demo 技术热文人工智能
    Manus一码难求，MetaGPT、OpenManus、CamelAI会是替代方案吗？一、Manus的现象与问题Manus作为一款号称“全球首个通用AI智能体”的产品，凭借其强大的功能和新颖的营销策略迅速走红。然而，其封闭的邀请码机制和高昂的使用门槛，让普通开发者望而却步。Manus的邀请码被炒至高价，甚至出现账号冻结等现象，这引发了用户对其技术壁垒和实际应用价值的质疑。二、MetaGPT、Ope
  • 【大模型对话 的界面搭建-Open WebUI】 y_dd 人工智能深度学习人工智能llama语言模型
    OpenWebUI前身就是OllamaWebUI，为Ollama提供一个可视化界面，可以完全离线运行，支持Ollama和兼容OpenAI的API。github网址https://github.com/open-webui/open-webui安装第一种docker安装如果ollama安装在同一台服务器上：dockerrun-d-p3000:8080--add-host=host.docker.in
  • TidyBot++：用于机器人学习开源的完整移动机械手 三谷秋水 计算机视觉智能体人工智能机器人开源人工智能机器学习深度学习
    24年12月来自普林斯顿、斯坦福和dexterity.ai的论文“TidyBot++:AnOpen-SourceHolonomicMobileManipulatorforRobotLearning”。要充分利用模仿学习在移动机械操作方面的最新进展，需要收集大量人工引导的演示。本文提出一种开源设计，用于设计一种廉价、坚固、灵活的移动机械手，该机械手可支撑任意臂，从而实现各种现实世界的家用移动机械操作
  • 【Quarkus】通过Quarkus集成后端服务示例 Vesper63 Quarkusjava开发语言
    说明：REST资源接口（AuthResource）。REST资源实现类（AuthResourceImpl）。服务接口（AuthService）。服务实现类（AuthServiceImpl）。配置文件（application.properties）。测试类（AuthResourceTest）。1.项目结构my-quarkus-app/├──src/│├──main/││├──java/│││└──c
  • 【大模型UI\多模型回复UI】 Ai君臣 LLMS微调ui大LLMSUI
    文章目录1、开源大模型用户界面（UI）2、同时让多个模型回复UI1、开源大模型用户界面（UI）LobeChatOpenWebUI：这是一款功能丰富且用户友好的开源自托管AI界面，旨在完全离线运行。它支持多种大型语言模型（LLM），包括Ollama和兼容OpenAI的API。OpenWebUI提供直观的界面，支持多模型和多模态交互，具有全面的Markdown和LaTeX支持，以及本地RAG集成等功能
  • 记一次联想ThinkBook 16P G5 IRX ，麦克风无声音问题的解决 花花鱼 Windowswindows音频
    1、微信语音麦克风无声音在电脑上微信电话，麦克风的功能没有，或者说你要录个屏给客户，发现讲不了话，也是比较的麻烦。2、联系客服建议升级声卡驱动，然后更新了以后，一个样没什么区别。各种设置，发现还是不行。3、声音设置当然，图片上的是静音麦克风了，按一下键就可以去掉。4、专家给了工具解决旧版驱动残留文件清除工具.zip链接:https://pan.baidu.com/s/1eVjT_QjYk_vz10
  • DeepSeek：全栈开发者视角下的AI革命者 大富大贵7 程序员知识储备1程序员知识储备2程序员知识储备3人工智能
    DeepSeek：全栈开发者视角下的AI革命者写在前面随着人工智能（AI）技术的不断进步，AI已经成为各行各业创新的核心动力。从自动驾驶到智能制造，再到自然语言处理和图像识别，AI正在逐渐渗透并改变着我们的生活和工作方式。DeepSeek，作为AI领域的新兴技术，凭借其独特的技术架构和颠覆性的创新理念，成为了全栈开发者关注的焦点。本文将从全栈开发者的角度出发，详细解析DeepSeek的诞生、技术架
  • AtCoder Beginner Contest 370 A-E 题解 AKDreamer_HeXY AtCoderBeginnerContests题解算法c++数据结构贪心算法
    A.RaiseBothHands题意给你L,R(0≤L,R≤1)L,R\(0\leL,R\le1)L,R(0≤L,R≤1)，分别代表举左手和右手，若只举左手输出Yes，只举右手输出No，否则输出Invalid思路若L=RL=RL=R则为invalid，其余L=1L=1L=1输出Yes，R=1R=1R=1输出NoC++代码#includeusingnamespacestd;intl,r;intmai
  • 串排序（信息学奥赛一本通-2048） Doopny@ 信息学奥赛一本通算法
    【题目描述】对给定的n(1≤n≤20)个国家名（国家名字长度不超过20），按其字母的顺序输出。【输入】第一行为国家的个数n；以下n行为国家的名字。【输出】n行，排序后的国名。【输入样例】3KoreaChinaJapan【输出样例】ChinaJapanKorea【题解代码】#includeusingnamespacestd;constintN=2e1+10;stringstr[N];intmain(
  • Tornado 初识 Wu_Candy Web服务器
    一、什么是tornadoTornado是使用Python编写的一个强大的、可扩展的Web服务器。它在处理严峻的网络流量时表现得足够强健，但却在创建和编写时有着足够的轻量级，并能够被用在大量的应用和工具中。二、tornado有什么优势Tornado和现在的主流baiduWeb服务器框架（包括大多数Python的框架）有着明显的区别：它是非阻塞式服务器，而且速度相当快，得利于其非阻塞的方式和对epol
  • 【AI热点】Manus技术细致洞察报告（篇2） 碣石潇湘无限路 人工智能
    针对大家对Manus产品褒贬不一的现象，基于近期对Manus的多方实测、公开信息与开源竞品的比对分析而撰写，旨在为从业者、技术爱好者以及潜在用户提供一个较为系统、专业的视角。报告将围绕Manus的核心原理、功能特点、技术亮点、常见应用场景与不足，以及与其他Agent产品和开源方案的对比进行深入探讨。1.引言与背景1.1产品崛起与「全自主通用Agent」的概念自2023年底至2024年初，大模型及其
  • Exception in thread “main“ java.lang.NoSuchMethodError: Awesome Baron javajavavscode
    在VScode中运行代码调试力扣程序报错：Exceptioninthread“main”java.lang.NoSuchMethodError:‘intSolution.subarraySum(int[],int)’attest_560.main(test_560.java:9)原因是因为在不同的.java程序中使用了同名的Solution类，导致编译器和运行时选择的类不一致。解决方案：只保留一个
  • 开源应用驱动企业新质生产力：Websoft9以EPP+AI+知识库助您领跑未来. 人工智能
    开源应用驱动企业新质生产力：Websoft9以EPP+AI+知识库助您领跑未来在数字化转型加速的今天，企业新质生产力的核心已从传统资源投入转向技术驱动的效率革命。开源应用凭借其灵活性、成本优势和技术创新力，成为企业实现这一目标的关键引擎。作为开源技术与行业场景化落地的领航者，Websoft9通过企业应用平台（EPP）、AI智能引擎与知识库系统三位一体的解决方案，助力企业快速构建新一代生产力工具，实
  • ubuntu12 mysql5.6_Ubuntu 12 安装 MySQL 5.6.26 及 问题汇总 乔德地 ubuntu12mysql5.6
    安装过程：#安装依赖库sudoapt-getinstalllibaio-dev#移动到安装目录sudomkdir/opt/software/mysqlcd/opt/software-backup/lnmp/source2/mysqltar-xzvf./mysql-5.6.26-linux-glibc2.5-x86_64.tar.gzsudomv./mysql-5.6.26-linux-glibc2
  • AMIS低代码构建系统，定制界面 一醉千秋 Cesiumnodejsarm64低代码
    AMIS低代码构建系统界面一、基础环境1）设计环境：amis-editor，http://139.196.235.123:9988/#/源码地址：https://github.com/baidu/amis在线文档https://aisuda.bce.baidu.com/amis/2）运行环境使用amisjssdk进行运行二、构建流程1）设计需要的界面，针对控件设计Event方法，支持amis原生和
  • 《C++ primer》第六章 鱼不如渔 C++Primer第五版——读书笔记c++开发语言
    一、函数基础函数的定义包括：返回类型、函数名、形参列表、函数体/*编写函数*/intfact(intval){intret=1;while(val>1)ret*=val--;returnret;}/*调用函数*/intmain(void){intj=fact(5);cout#includeusingnamespacestd;intmain(intargc,char*argv[]){//检查是否提供
  • 关于STM32常用的8种GPIO输入输出模式的理解 MPU技术极客笔记 项目开发经验：STM32stm32单片机嵌入式硬件
    目录GPIO共有8中输入输出模式，分别是：上拉输入、下拉输入、浮空输入、模拟输入、开漏输出、推挽输出、开漏复用输出、推挽复用输出，下面我们详细介绍以下上面的八种输入输出模式。一、输入模式（1）上拉输入：GPIO_Mode_IPU（2）下拉输入：GPIO_Mode_IPD（3）浮空输入：GPIO_Mode_IN_FLOATING（4）模拟输入：GPIO_Mode_AIN二、输出模式（1）开漏输出：G
  • STM32 单片机常见的 8 种输入输出模式 嵌入式修炼师 STM32单片机stm32
    STM32单片机常见的8种输入输出模式文章目录STM32单片机常见的8种输入输出模式1.浮空输入模式(GPIO_Mode_IN_FLOATING)介绍使用场景示例代码2.上拉输入模式(GPIO_Mode_IPU)介绍使用场景示例代码3.下拉输入模式(GPIO_Mode_IPD)介绍使用场景示例代码4.模拟输入模式(GPIO_Mode_AIN)介绍使用场景示例代码5.开漏输出模式(GPIO_Mode
  • PHP如何实现二维数组排序？ IT独行者 二维数组PHP排序　
    二维数组在PHP开发中经常遇到，但是他的排序就不如一维数组那样用内置函数来的方便了，（一维数组排序可以参考本站另一篇文章【PHP中数组排序函数详解汇总】）。二维数组的排序需要我们自己写函数处理了，这里UncleToo给大家分享一个PHP二维数组排序的函数： 代码： functionarray_sort($arr,$keys,$type='asc'){ $keysvalue= $new_arr
  • 【Hadoop十七】HDFS HA配置 bit1129 hadoop
    基于Zookeeper的HDFS HA配置主要涉及两个文件,core-site和hdfs-site.xml。   测试环境有三台 hadoop.master hadoop.slave1 hadoop.slave2   hadoop.master包含的组件NameNode, JournalNode, Zookeeper，DFSZKFailoverController
  • 由wsdl生成的java vo类不适合做普通java vo darrenzhu VOwsdlwebservicerpc
    开发java webservice项目时，如果我们通过SOAP协议来输入输出，我们会利用工具从wsdl文件生成webservice的client端类，但是这里面生成的java data model类却不适合做为项目中的普通java vo类来使用，当然有一中情况例外，如果这个自动生成的类里面的properties都是基本数据类型，就没问题，但是如果有集合类，就不行。原因如下： 1)使用了集合如Li
  • JAVA海量数据处理之二（BitMap） 周凡杨 java算法bitmapbitset数据
           路漫漫其修远兮，吾将上下而求索。想要更快，就要深入挖掘 JAVA 基础的数据结构，从来分析出所编写的 JAVA 代码为什么把内存耗尽，思考有什么办法可以节省内存呢？ 啊哈！算法。这里采用了 BitMap 思想。   首先来看一个实验： 指定 VM 参数大小： -Xms256m -Xmx540m
  • java类型与数据库类型 g21121 java
    很多时候我们用hibernate的时候往往并不是十分关心数据库类型和java类型的对应关心，因为大多数hbm文件是自动生成的，但有些时候诸如：数据库设计、没有生成工具、使用原始JDBC、使用mybatis(ibatIS)等等情况，就会手动的去对应数据库与java的数据类型关心，当然比较简单的数据类型即使配置错了也会很快发现问题，但有些数据类型却并不是十分常见，这就给程序员带来了很多麻烦。 &nb
  • Linux命令 510888780 linux命令
    系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) hdparm -i /dev/hda 罗列一个磁盘的架构特性 hdparm -tT /dev/sda 在磁盘上执行测试性读取操作 cat /proc/cpuinfo 显示C
  • java常用JVM参数 墙头上一根草 javajvm参数
    -Xms：初始堆大小，默认为物理内存的1/64(<1GB)；默认(MinHeapFreeRatio参数可以调整)空余堆内存小于40%时，JVM就会增大堆直到-Xmx的最大限制 -Xmx：最大堆大小，默认(MaxHeapFreeRatio参数可以调整)空余堆内存大于70%时，JVM会减少堆直到 -Xms的最小限制 -Xmn：新生代的内存空间大小，注意：此处的大小是（eden+ 2
  • 我的spring学习笔记9-Spring使用工厂方法实例化Bean的注意点 aijuans Spring 3
    方法一： <bean id="musicBox" class="onlyfun.caterpillar.factory.MusicBoxFactory" factory-method="createMusicBoxStatic"></bean> 方法二：
  • mysql查询性能优化之二 annan211 UNIONmysql查询优化索引优化
    1 union的限制 有时mysql无法将限制条件从外层下推到内层，这使得原本能够限制部分返回结果的条件无法应用到内层 查询的优化上。 如果希望union的各个子句能够根据limit只取部分结果集，或者希望能够先排好序在 合并结果集的话，就需要在union的各个子句中分别使用这些子句。 例如 想将两个子查询结果联合起来，然后再取前20条记录，那么mys
  • 数据的备份与恢复 百合不是茶 oraclesql数据恢复数据备份
     数据的备份与恢复的方式有: 表,方案 ,数据库;     数据的备份: 导出到的常见命令; 参数 说明 USERID 确定执行导出实用程序的用户名和口令 BUFFER 确定导出数据时所使用的缓冲区大小，其大小用字节表示 FILE 指定导出的二进制文
  • 线程组 bijian1013 java多线程threadjava多线程线程组
    有些程序包含了相当数量的线程。这时，如果按照线程的功能将他们分成不同的类别将很有用。        线程组可以用来同时对一组线程进行操作。        创建线程组：ThreadGroup g = new ThreadGroup(groupName);  &nbs
  • top命令找到占用CPU最高的java线程 bijian1013 javalinuxtop
    上次分析系统中占用CPU高的问题，得到一些使用Java自身调试工具的经验，与大家分享。 (1)使用top命令找出占用cpu最高的JAVA进程PID:28174 (2)如下命令找出占用cpu最高的线程 top -Hp 28174 -d 1 -n 1 32694 root 20 0 3249m 2.0g 11m S 2 6.4 3:31.12 java
  • 【持久化框架MyBatis3四】MyBatis3一对一关联查询 bit1129 Mybatis3
      当两个实体具有1对1的对应关系时，可以使用One-To-One的进行映射关联查询   One-To-One示例数据 以学生表Student和地址信息表为例，每个学生都有都有1个唯一的地址(现实中，这种对应关系是不合适的，因为人和地址是多对一的关系)，这里只是演示目的   学生表   CREATE TABLE STUDENTS (
  • C/C++图片或文件的读写 bitcarter 写图片
    先看代码： /*strTmpResult是文件或图片字符串 * filePath文件需要写入的地址或路径 */ int writeFile(std::string &strTmpResult,std::string &filePath) { int i,len = strTmpResult.length(); unsigned cha
  • nginx自定义指定加载配置 ronin47
    进入 /usr/local/nginx/conf/include 目录，创建 nginx.node.conf 文件，在里面输入如下代码： upstream nodejs { server 127.0.0.1:3000; #server 127.0.0.1:3001; keepalive 64; } server { liste
  • java-71-数值的整数次方.实现函数double Power(double base, int exponent)，求base的exponent次方 bylijinnan double
    public class Power { /** *Q71-数值的整数次方 *实现函数double Power(double base, int exponent)，求base的exponent次方。不需要考虑溢出。 */ private static boolean InvalidInput=false; public static void main(
  • Android四大组件的理解 Cb123456 android四大组件的理解
     分享一下，今天在Android开发文档-开发者指南中看到的:                            App components are the essential building blocks of an Android
  • [宇宙与计算]涡旋场计算与拓扑分析 comsci 计算
         怎么阐述我这个理论呢？ 。。。。。。。。。       首先： 宇宙是一个非线性的拓扑结构与涡旋轨道时空的统一体。。。。       我们要在宇宙中寻找到一个适合人类居住的行星，时间非常重要，早一个刻度和晚一个刻度，这颗行星的
  • 同一个Tomcat不同Web应用之间共享会话Session cwqcwqmax9 session
    实现两个WEB之间通过session 共享数据 查看tomcat 关于 HTTP Connector 中有个emptySessionPath 其解释如下： If set to true, all paths for session cookies will be set to /. This can be useful for portlet specification impleme
  • springmvc Spring3 MVC，ajax，乱码 dashuaifu springjquerymvcAjax
      springmvc Spring3 MVC @ResponseBody返回，jquery ajax调用中文乱码问题解决   Spring3.0 MVC @ResponseBody 的作用是把返回值直接写到HTTP response body里。具体实现AnnotationMethodHandlerAdapter类handleResponseBody方法，具体实
  • 搭建WAMP环境 dcj3sjt126com wamp
    这里先解释一下WAMP是什么意思。W:windows，A：Apache，M：MYSQL，P：PHP。也就是说本文说明的是在windows系统下搭建以apache做服务器、MYSQL为数据库的PHP开发环境。      工欲善其事，必须先利其器。因为笔者的系统是WinXP，所以下文指的系统均为此系统。笔者所使用的Apache版本为apache_2.2.11-
  • yii2 使用raw http request dcj3sjt126com http
    Parses a raw HTTP request using yii\helpers\Json::decode()   To enable parsing for JSON requests you can configure yii\web\Request::$parsers using this class: 'request' =&g
  • Quartz-1.8.6 理论部分 eksliang quartz
    转载请出自出处：http://eksliang.iteye.com/blog/2207691 一.概述 基于Quartz-1.8.6进行学习，因为Quartz2.0以后的API发生的非常大的变化，统一采用了build模式进行构建； 什么是quartz?   答：简单的说他是一个开源的java作业调度框架，为在 Java 应用程序中进行作业调度提供了简单却强大的机制。并且还能和Sp
  • 什么是POJO？ gupeng_ie javaPOJO框架Hibernate
    POJO--Plain Old Java Objects(简单的java对象)   POJO是一个简单的、正规Java对象，它不包含业务逻辑处理或持久化逻辑等，也不是JavaBean、EntityBean等，不具有任何特殊角色和不继承或不实现任何其它Java框架的类或接口。   POJO对象有时也被称为Data对象，大量应用于表现现实中的对象。如果项目中使用了Hiber
  • jQuery网站顶部定时折叠广告 ini JavaScripthtmljqueryWebcss
    效果体验：http://hovertree.com/texiao/jquery/4.htmHTML文件代码： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <title>网页顶部定时收起广告jQuery特效 - HoverTree<
  • Spring boot内嵌的tomcat启动失败 kane_xie spring boot
    根据这篇guide创建了一个简单的spring boot应用，能运行且成功的访问。但移植到现有项目（基于hbase）中的时候，却报出以下错误：     SEVERE: A child container failed during start java.util.concurrent.ExecutionException: org.apache.catalina.Lif
  • leetcode: sort list michelle_0916 Algorithmlinked listsort
    Sort a linked list in O(n log n) time using constant space complexity. ====analysis======= mergeSort for singly-linked list  ====code=======   /** * Definition for sin
  • nginx的安装与配置,中途遇到问题的解决 qifeifei nginx
    我使用的是ubuntu13.04系统，在安装nginx的时候遇到如下几个问题，然后找思路解决的，nginx 的下载与安装   wget http://nginx.org/download/nginx-1.0.11.tar.gz tar zxvf nginx-1.0.11.tar.gz ./configure make make install   安装的时候出现
  • 用枚举来处理java自定义异常 tcrct javaenumexception
    在系统开发过程中，总少不免要自己处理一些异常信息，然后将异常信息变成友好的提示返回到客户端的这样一个过程，之前都是new一个自定义的异常，当然这个所谓的自定义异常也是继承RuntimeException的，但这样往往会造成异常信息说明不一致的情况，所以就想到了用枚举来解决的办法。 1，先创建一个接口，里面有两个方法，一个是getCode, 一个是getMessage public
  • erlang supervisor分析 wudixiaotie erlang
    当我们给supervisor指定需要创建的子进程的时候，会指定M,F,A,如果是simple_one_for_one的策略的话，启动子进程的方式是supervisor:start_child(SupName, OtherArgs),这种方式可以根据调用者的需求传不同的参数给需要启动的子进程的方法。和最初的参数合并成一个数组，A ++ OtherArgs。那么这个时候就有个问题了，既然参数不一致，那
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他