黑桃一
黑桃一

朴素贝叶斯分类(Naive Bayes classifier)

基本概念

  • 先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率·
  • 后验概率是指在得到“结果”的信息后重新修正的概率，是“执果寻因”问题中的“因” 。
  • 条件概率
  • 全概率公式
  • 贝叶斯定理(贝叶斯公式)

教程

  • http://www.cnblogs.com/luonet/p/4028990.html
  • 算法杂货铺http://kb.cnblogs.com/page/76194/

朴素贝叶斯分类器的应用

http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html

  • 病人分类
  • 账号分类
  • 性别分类

维基百科

https://en.wikipedia.org/wiki/Naive_Bayes_classifier

你可能感兴趣的:(朴素贝叶斯分类(Naive Bayes classifier))

  • 莫队算法 —— 将暴力玩出花 秒啦 算法
    莫队算法——将暴力玩出花一、为什么需要莫队？——暴力法的瓶颈我们已经学会了用分块处理一些在线的区间问题。现在，我们来看一类特殊的离线区间查询问题。“离线”意味着我们可以把所有查询先读进来，再按我们喜欢的顺序去处理它们。思考一个问题：给定一个长度为N的数组，M次询问。每次询问一个区间[l,r]，问区间内有多少种数字至少出现了2次？那我们回到最朴素的暴力。纯暴力：对于每个询问(l,r)，都for一遍，
  • 10个基于Python的计算机视觉实战项目 云博士的AI课堂 基于Python计算机视觉python计算机视觉机器视觉人工智能
    10个基于Python的计算机视觉实战项目，涵盖多个领域和应用场景，每个项目均附有GitHub地址、概述、解决的问题及应用场景：1.PCV图像处理与计算机视觉库GitHub地址:jesolem/PCV概述:提供计算机视觉基础算法的Python实现，包括图像分割、直方图均衡化、图像增强等。解决的问题:简化图像处理流程，支持快速实现算法原型。应用场景:学术研究、教学实验、图像预处理任务。2.基于朴素贝
  • Sklearn 机器学习 数值离散化 区间标签 Thomas Kant 人工智能机器学习sklearn人工智能
    亲爱的技术爱好者们，热烈欢迎来到Kant2048的博客！我是ThomasKant，很开心能在CSDN上与你们相遇～本博客的精华专栏：【自动化测试】【测试经验】【人工智能】【Python】Sklearn机器学习：数值离散化之区间标签设置详解在机器学习中，连续数值型特征并不总是最优选择，尤其是在面对一些对数值大小不敏感的模型（如决策树、朴素贝叶斯）时。此时，我们常常希望将连续变量离散化（Discret
  • 从零开始手写 redis（八）朴素 LRU 淘汰算法性能优化 老马啸西风 cacheredis算法性能优化缓存数据库cache
    手写Redis系列java从零手写实现redis（一）如何实现固定大小的缓存？java从零手写实现redis（三）redisexpire过期原理java从零手写实现redis（三）内存数据如何重启不丢失？java从零手写实现redis（四）添加监听器java从零手写实现redis（五）过期策略的另一种实现思路java从零手写实现redis（六）AOF持久化原理详解及实现java从零手写实现redi
  • 第九课：大白话教你朴素贝叶斯 顽强卖力 机器学习-深度学习-神经网络算法python大数据数据分析
    这节课咱们来聊聊朴素贝叶斯（NaiveBayes），这个算法名字听起来像是个“天真无邪的数学小天才”，但其实它是个超级实用的分类工具！我会用最接地气的方式，从定义讲到代码实战，保证你笑着学会，还能拿去忽悠朋友！一：朴素贝叶斯是啥？——当概率论遇上“天真”假设1.1定义：贝叶斯定理的“偷懒版”问题：你想判断一封邮件是不是垃圾邮件，或者一条评论是不是好评。贝叶斯定理（原版）：[P(A|B)=\frac
  • Python datetime 模块 AI老李 人工智能pythonpython开发语言
    关键要点Python的datetime模块用于处理日期和时间，支持创建、格式化、解析和计算。主要类包括date（日期）、time（时间）、datetime（日期时间组合）、timedelta（时间间隔）和tzinfo（时区）。研究表明，该模块适合数据分析、日志处理和跨时区应用。注意时区处理，datetime默认是“naive”（无时区信息）的，需要显式指定时区。模块简介Python的datetim
  • python学智能算法（十三）|机器学习朴素贝叶斯方法进阶-简单二元分类 西猫雷婶 人工智能机器学习python学习笔记机器学习python分类人工智能开发语言矩阵深度学习
    引言前述学习进程中，已经学习了拉普拉斯平滑公式计算条件概率的简单应用，文章链接为：python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率在此基础上，今天更进一步，联系一个简单二元分类的项目。项目介绍简单二元分类，就是把数据分成两种样本，完成区分即可。参数定义开展项目之前，先来定义几个参数：先验概率P(y):P(y)=∑j=1j=nyj∑yP(y)=\frac{\sum
  • python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率 西猫雷婶 人工智能概率论机器学习机器学习人工智能深度学习矩阵python开发语言
    【1】引言前序学习进程中，对条件概率进行了简单探索：https://blog.csdn.net/weixin_44855046/article/details/145388138?spm=1001.2014.3001.5501今天，以此为基础，探索机器学习中朴素贝叶斯方法的基本程序。【2】代码解读【2.1】库引入这里只需要numpy库：#引入numpy模块importnumpyasnp【2.2】初
  • python学智能算法（十四）|机器学习朴素贝叶斯方法进阶-CountVectorizer文本处理简单测试 西猫雷婶 python学习笔记机器学习人工智能机器学习python人工智能
    【1】引用前序学习文章中，已经对拉普拉斯平滑和简单二元分类进行了初步探索，相关文章链接为：python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率-CSDN博客python学智能算法（十三）|机器学习朴素贝叶斯方法进阶-简单二元分类-CSDN博客在实践应用中也会发现，朴素贝叶斯方法还能对文本进行分类，今天的学习目标就是学习简单的文本操作技巧，需要使用sklearn里面的
  • 【数据挖掘】期末复习模拟题（暨考试题） chaser&upper 数据分析随笔小记数据挖掘python聚类
    数据挖掘-期末复习试题挑战全网最全题库单选题多选题判断题填空题程序填空sigmoid曼哈顿距离泰坦尼克号披萨价格预测鸢尾花DBSCN密度聚类决策树购物表单-关联规则火龙果-关联分析数据非线性映射高斯朴素贝叶斯分类器手写数字识别k1-10聚类平均偏差程序分析PM2.5线性回归Titanic数据清洗KNN鸢尾花Kmeans聚类KNN电影分类频繁k项集混淆矩阵OverlookMOOC总结挑战全网最全题库
  • Naive 组件库 动态渲染icon图标
    使用Naive组件库默认你已经安装了对应的icon图标库没有安装的参考链接安装点击传送Naive组件动态渲染Icon图标主要是使用componentVue内置组件来渲染对应的icon组件,配合h函数来修改图标组件颜色//导入你对应的图标库import{FireFilled,ArrowUpOutlined,DollarOutlined,LaptopOutlined}from'@vicons/antd
  • ARM掌门人炮轰美国芯片禁令：科技围墙只会让蛋糕变小 iccnewer arm开发科技
    科技行业又一位重量级人物站出来了。ARM首席执行官雷内·哈斯（ReneHaas）最近在牛津的创始人论坛全球会议上，公开批评美国对华芯片出口管制。他的话很直白："如果你限制技术获取，逼着其他生态系统自立门户，这对谁都不好。"哈斯用了一个很形象的比喻——蛋糕变小了。他说，这种限制"让整个蛋糕变小了，说实话，对消费者也不好"。这就是最朴素的道理：市场被人为分割，竞争减少，创新动力不足，最终买单的还是普通
  • 机器学习新手指南：用Python实现贝叶斯方法与概率模型 人工智能教程 机器学习python人工智能深度学习cnn自然语言处理分类
    在机器学习的世界里，贝叶斯方法和概率模型是一类非常重要的工具。它们通过概率的方式来建模和解决问题，能够提供对数据的深刻理解和预测的不确定性估计。今天，我们将从零开始，用Python实现一个简单的贝叶斯分类器，带你走进贝叶斯方法的世界！一、贝叶斯方法与概率模型：初识（一）什么是贝叶斯方法？贝叶斯方法是一种基于贝叶斯定理的统计方法，它通过结合先验知识和数据来更新对问题的理解。贝叶斯定理的核心公式如下：
  • 机器学习算法——朴素贝叶斯和特征降维 TY-2025 机器学习机器学习算法人工智能
    一、常见概率计算朴素贝叶斯算法是利用概率值进行分类的一种机器学习算法概率：一种事情发生的可能性，取值在[0,1]之间条件概率：表示事件A在另外一个事件B已经发生的条件下的发生概率P(A∣B)P(A|B)P(A∣B)联合概率：表示多个条件同时成立的概率P(AB)=P(A)∗P(B∣A)=P(B)∗P(A∣B)P(AB)=P(A)*P(B|A)=P(B)*P(A|B)P(AB)=P(A)∗P(B∣A)
  • Vue3 PC端 UI组件库我更推荐Naive UI 梅山老幺 Vueui前端vue.js
    一、Vue3生态现状与UI库选择的重要性随着Vue3的稳定发布和CompositionAPI的广泛采用，前端开发者面临着UI组件库的重新选择。一个好的UI库不仅能提升开发效率，还能确保项目的长期可维护性。本文将对比三大主流Vue3UI库（NaiveUI、ElementPlus、AntDesignVue），通过详实的数据和实际案例，证明NaiveUI的卓越之处。二、核心架构深度解析2.1设计哲学对比
  • LLM训练全细节 | 如何从零到一进行 pretrain 工作 强化学习曾小健 人工智能
    LLM训练全细节|如何从零到一进行pretrain工作ybq大模型新视界2025年01月11日22:00四川原文：https://zhuanlan.zhihu.com/p/718354385这篇文章介绍下如何从零到一进行pretrain工作。类似的文章应该有很多，不同的地方可能在于，我并不会去分析pretrain阶段的核心技术，而是用比较朴素的语言来描述这个大工程的每一块砖瓦。我的介绍偏方法论一些
  • AI推荐系统演进史：从协同过滤到图神经网络与强化学习的融合 万米商云 人工智能神经网络深度学习
    每一次滑动手机屏幕，电商平台向你推荐心仪商品的背后，是超过百亿量级的浮点运算。从早期的“猜你喜欢”到如今的“比你更懂你”，商品推荐引擎已悄然完成从简单规则到深度智能的技术跃迁。一、协同过滤：推荐系统的基石与演进协同过滤（CollaborativeFiltering）作为推荐系统的“古典方法”，其核心思想朴素却有力：相似的人喜欢相似的东西。早期的矩阵分解技术（如2009年的SVD算法）将用户-物品交
  • 题解 P3835 4.沙盘游戏原题 FHD_WOLF 游戏算法java
    原题：3835.4.沙盘游戏FHD_WOLF于2020-05-20这应该是2017的压轴题的了吧还是这么水进入正题题目写这么长其实就是在一个n*m的矩阵里找最大子矩阵最大子矩阵嘛看我直接o(n^6)暴力干他丫的最朴素的做法是暴力枚举一个矩阵的左上角(a,b)，10)?s+a[i]:0;//三目运算符，等价于s+=a[i];if(s<0)s=0;ans=max(ans,s);
  • Python训练营---Day44 2501_91182850 Python训练营python机器学习深度学习
    DAY44预训练模型知识点回顾：预训练的概念常见的分类预训练模型图像预训练模型的发展史预训练的策略预训练代码实战：resnet18作业：尝试在cifar10对比如下其他的预训练模型，观察差异，尽可能和他人选择的不同尝试通过ctrl进入resnet的内部，观察残差究竟是什么选用DenseNet121预训练模型，注意DenseNet121模型的最后分类层名为classifier，而不是ResNet中的
  • 选择排序：优雅而朴素的排序艺术 吃旺旺雪饼的小男孩 算法算法排序算法c++python
    选择排序：优雅而朴素的排序艺术算法简介算法原理️算法步骤详解C++实现Python实现性能分析应用场景总结算法简介选择排序（SelectionSort）是一种简单直观的排序算法，它像一位精明的收藏家，每次从待排序的数据中"选择"出最小（或最大）的元素，放到已排序序列的末尾，直到全部元素排序完毕。尽管它的时间复杂度不如快速排序或归并排序那样高效，但选择排序以其简单性和低空间复杂度（O(1)）在特定场
  • Spark MLlib模型训练—分类算法 Decision tree classifier 猫猫姐 Spark实战spark-ml分类决策树
    SparkMLlib模型训练—分类算法Decisiontreeclassifier决策树（DecisionTree）是一种经典的机器学习算法，广泛应用于分类和回归问题。决策树模型通过一系列的决策节点将数据划分成不同的类别，从而形成一棵树结构。每个节点表示一个特征的分裂，叶子节点代表最终的类别标签。在大数据场景下，SparkMLlib提供了对决策树的高效实现，能够处理大规模数据集并生成复杂的分类模型
  • 机器学习基础 - 分类模型之朴素贝叶斯 yousuotu 杂项机器学习分类人工智能
    朴素贝叶斯文章目录朴素贝叶斯1.基本概念1.条件概率2.先验概率3.后验概率2.贝叶斯公式3.条件独立假设4.从机器学习视角理解朴素贝叶斯朴素贝叶斯中的三种模型1.多项式模型2.高斯模型3.伯努利模型QA1.朴素贝叶斯为何朴素？2.朴素贝叶斯分类中某个类别的概率为0怎么办？3.朴素贝叶斯的要求是什么？4.朴素贝叶斯的优缺点？5.朴素贝叶斯与LR区别？1.基本概念1.条件概率P(X∣Y)=P(X,Y
  • BERT分类器和朴素贝叶斯分类器比较 非小号 AIbert人工智能深度学习
    一、核心原理对比维度预训练模型（如BERT）朴素贝叶斯分类器模型类型深度学习模型，基于Transformer架构，通过大规模无监督预训练学习语言表示。传统机器学习模型，基于贝叶斯定理和特征条件独立假设。特征表示自动学习文本的上下文相关表示（contextualembeddings），捕捉长距离语义依赖。通常使用词袋模型（BagofWords）或TF-IDF，忽略词序和上下文，仅考虑词频。训练方式两
  • 【论文阅读】Federated Large Language Model : A Position Paper 只说人话绝不装逼 联邦大模型论文阅读语言模型人工智能
    https://arxiv.org/pdf/2307.08925.pdf这篇文章算是一篇positionpaper，阐述了作者对联邦大模型的理解与看大。初学者可以当一篇综述来看。文章思想很朴素，也很容易理解，基本就是有大模型基础和联邦学习基础的人都能想到或是理解的。联邦大模型的两种学习方式两种非常直观的方法：一种是从头训练，一种是利用私有数据集进行微调。优劣也非常直观：第一种方法允许特定任务的模型
  • Spark与朴素贝叶斯在股票市场预测中的应用及代码实战 飞翔的袋鼠弟
    本文还有配套的精品资源，点击获取简介：本项目展示了如何利用Spark框架结合朴素贝叶斯算法进行股票市场的预测。项目涵盖了从原始股票数据的处理到模型训练的全过程，包括数据预处理、特征工程、模型训练和测试。所使用的数据文件包括原始股票数据、不同阶段的数据转换结果、数据平均值计算结果和测试数据集。同时提供了Java和Python实现的代码文件，包括数据处理、模型训练和评估。朴素贝叶斯算法在股票预测中通过
  • 代码随想录算法训练营Day58 || 图论part 08 傲世尊 图论
    拓扑排序--卡玛网117软件构建：核心思想是找到入度为0的节点，然后将其移除，如此反复，知道所有节点被移除。删除节点的过程其实是，把被删除节点作为出发点所连接的节点的入读都减一。dijkstra（朴素版）精讲--47参加科学大会：和prim算法类似，minDist数组不断更新每个节点到源节点的最短距离。同样是代码能看懂，但是自己手写不来，只能一步步抄。图论都是理解还ok，代码真得花时间熟悉啊。
  • 连续变量的全概率和贝叶斯公式_朴素贝叶斯分类:原理 小红帽的灰灰狼 连续变量的全概率和贝叶斯公式
    贝叶斯原理是英国数学家托马斯·贝叶斯提出的。贝叶斯是个很神奇的人，他的经历类似梵高。生前没有得到重视，死后，他写的一篇关于归纳推理的论文被朋友翻了出来，并发表了。这一发表不要紧，结果这篇论文的思想直接影响了接下来两个多世纪的统计学，是科学史上著名的论文之一。贝叶斯原理贝叶斯为了解决一个叫“逆向概率”问题写了一篇文章，**尝试解答在没有太多可靠证据的情况下，怎样做出更符合数学逻辑的推测。**什么是“
  • matlab实现朴素贝叶斯可视化,模式识别（七）：MATLAB 实现朴素贝叶斯分类器 哈哈哈哈哈哈哈哈鸽
    本系列文章由云端暮雪编辑，转载请注明出处多谢合作！基础介绍今天介绍一种简单高效的分类器——朴素贝叶斯分类器(NaiveBayesClassifier)。相信学过概率论的同学对贝叶斯这个名字应该不会感到陌生，因为在概率论中有一条重要的公式，就是以贝叶斯命名的，这就是“贝叶斯公式”：贝叶斯分类器就是基于这条公式发展起来的，之所以这里还加上了朴素二字，是因为该分类器对各类的分布做了一个假设，即不同类的数
  • 【学习笔记】无向图最小割 OneInDark 图论网络流C++图论算法
    零、概述什么离谱的人会研究这种离谱的东西啊……从定义，到构造，到性质，我完全想象不到idea\rmideaidea的来源……研究带权无向图上，任意两点之间的最小割。最朴素的方法是做O(n2)\mathcalO(n^2)O(n2)次网络流。设图G=(V,E,c)G=(V,E,c)G=(V,E,c)为带权无向图，边的权值是实值函数c:E↦R∗c:E\mapsto\R^*c:E↦R∗，注意边权一定非负。
  • JS奇数求和：从朴素循环到数学之美 满分观察网友z JSjavascript开发语言ecmascript
    奇数求和：从朴素循环到数学之美✨计算从1开始的前n个奇数的和，这是一个常见的数学问题，也是编程练习中经常遇到的题目。解决这个问题的方法不止一种，从最直接的循环累加，到巧妙利用数学规律，不同的方法展现了不同的编程思维和效率。今天，我们就来探讨如何用两种方式来实现这个功能。❓问题的提出：前n个奇数之和我们需要编写一个函数，接收一个正整数n作为输入，并返回从1开始的前n个奇数的总和。例如：当n为1时，求
  • 继之前的线程循环加到窗口中运行 3213213333332132 javathreadJFrameJPanel
    之前写了有关java线程的循环执行和结束，因为想制作成exe文件，想把执行的效果加到窗口上，所以就结合了JFrame和JPanel写了这个程序，这里直接贴出代码，在窗口上运行的效果下面有附图。 package thread; import java.awt.Graphics; import java.text.SimpleDateFormat; import java.util
  • linux 常用命令 BlueSkator linux命令
    1.grep 相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志，这个命令绝对是必不可少的。 但之前总是习惯于使用 （grep -n 关键字 文件名 ）查出关键字以及该关键字所在的行数，然后再用 （sed -n  '100,200p' 文件名），去查出该关键字之后的日志内容。 但其实还有更简便的办法，就是用（grep  -B n、-A n、-C n 关键
  • php heredoc原文档和nowdoc语法 dcj3sjt126com PHPheredocnowdoc
    <!doctype html> <html lang="en"> <head> <meta charset="utf-8"> <title>Current To-Do List</title> </head> <body> <?
  • overflow的属性 周华华 JavaScript
    <!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/1999/xhtml&q
  • 《我所了解的Java》——总体目录 g21121 java
            准备用一年左右时间写一个系列的文章《我所了解的Java》，目录及内容会不断完善及调整。         在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等，请大家及时指出，我会第一时间更正。    &n
  • [简单]docx4j常用方法小结 53873039oycg docx
            本代码基于docx4j-3.2.0，在office word 2007上测试通过。代码如下:         import java.io.File; import java.io.FileInputStream; import ja
  • Spring配置学习 云端月影 spring配置
    首先来看一个标准的Spring配置文件 applicationContext.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi=&q
  • Java新手入门的30个基本概念三 aijuans java新手java 入门
    17.Java中的每一个类都是从Object类扩展而来的。　　18.object类中的equal和toString方法。　　equal用于测试一个对象是否同另一个对象相等。　　toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法)　　 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。　
  • 《2008 IBM Rational 软件开发高峰论坛会议》小记 antonyup_2006 软件测试敏捷开发项目管理IBM活动
    我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵! 其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下. 参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
  • PL/SQL的过程编程,异常,声明变量,PL/SQL块 百合不是茶 PL/SQL的过程编程异常PL/SQL块声明变量
    PL/SQL;    过程; 符号; 变量; PL/SQL块; 输出; 异常;     PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
  • Mockito(三)--完整功能介绍 bijian1013 持续集成mockito单元测试
            mockito官网：http://code.google.com/p/mockito/，打开documentation可以看到官方最新的文档资料。 一.使用mockito验证行为 //首先要import Mockito import static org.mockito.Mockito.*; //mo
  • 精通Oracle10编程SQL(8)使用复合数据类型 bijian1013 oracle数据库plsql
    /* *使用复合数据类型 */ --PL/SQL记录 --定义PL/SQL记录 --自定义PL/SQL记录 DECLARE TYPE emp_record_type IS RECORD( name emp.ename%TYPE, salary emp.sal%TYPE, dno emp.deptno%TYPE ); emp_
  • 【Linux常用命令一】grep命令 bit1129 Linux常用命令
    grep命令格式   grep [option] pattern [file-list]     grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。   pattern可以是普通字符串，也可以是正则表达式，当查找的字符串包含正则表达式字符或者特
  • mybatis3入门学习笔记 白糖_ sqlibatisqqjdbc配置管理
    MyBatis 的前身就是iBatis，是一个数据持久层(ORM)框架。  MyBatis 是支持普通 SQL 查询，存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。   以前也学过iBatis，因为MyBatis是iBatis的升级版本，最初以为改动应该不大，实际结果是MyBatis对配置文件进行了一些大的改动，使整个框架更加方便人性化。
  • Linux 命令神器：lsof 入门 ronin47 lsof
           lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息，但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实，因为它是指“列出打开文件（lists openfiles）”。而有一点要切记，在Unix中一切（包括网络套接口）都是文件。 有趣的是，lsof也是有着最多
  • java实现两个大数相加，可能存在溢出。 bylijinnan java实现
    import java.math.BigInteger; import java.util.regex.Matcher; import java.util.regex.Pattern; public class BigIntegerAddition { /** * 题目：java实现两个大数相加，可能存在溢出。 * 如123456789 + 987654321
  • Kettle学习资料分享，附大神用Kettle的一套流程完成对整个数据库迁移方法 Kai_Ge Kettle
    Kettle学习资料分享   Kettle 3.2 使用说明书 目录 概述..........................................................................................................................................7 1.Kettle 资源库管
  • [货币与金融]钢之炼金术士 comsci 金融
           自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的        那么随着人类在理论物理和工程物理上面取得的一些突破性进展......        炼金术这个古老
  • Toast原来也可以多样化 dai_lm androidtoast
    Style 1： 默认 Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT); def.show(); Style 2： 顶部显示 Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT); t
  • java数据计算的几种解决方法3 datamachine javahadoopibatisr-languer
    4、iBatis     简单敏捷因此强大的数据计算层。和Hibernate不同，它鼓励写SQL，所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦，只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。     复杂计算环境是它的弱项，比如：分布式计算、复杂计算、非数据
  • 向网页中插入透明Flash的方法和技巧 dcj3sjt126com htmlWebFlash
    将 Flash 作品插入网页的时候，我们有时候会需要将它设为透明，有时候我们需要在Flash的背面插入一些漂亮的图片，搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。 　　一、Swf透明、无坐标控制　　首先教大家最简单的插入Flash的代码，透明，无坐标控制： 　　注意wmode="transparent"是控制Flash是否透明
  • ios UICollectionView的使用 dcj3sjt126com
    UICollectionView的使用有两种方法，一种是继承UICollectionViewController，这个Controller会自带一个UICollectionView；另外一种是作为一个视图放在普通的UIViewController里面。 个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。 1.UIViewController实现委托，代码如
  • Eos平台java公共逻辑 蕃薯耀 Eos平台java公共逻辑Eos平台java公共逻辑
     Eos平台java公共逻辑 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2015年6月1日 17:20:4
  • SpringMVC4零配置--Web上下文配置【MvcConfig】 hanqunfeng springmvc4
    与SpringSecurity的配置类似，spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。   applicationContext-MvcConfig.xml <!-- 启用注解，并定义组件查找规则 ，mvc层只负责扫描@Controller --> <
  • 解决ie和其他浏览器poi下载excel文件名乱码 jackyrong Excel
       使用poi,做传统的excel导出，然后想在浏览器中，让用户选择另存为，保存用户下载的xls文件，这个时候，可能的是在ie下出现乱码（ie,9,10,11),但在firefox,chrome下没乱码， 因此必须综合判断，编写一个工具类：      /** * * @Title: pro
  • 挥洒泪水的青春 lampcy 编程生活程序员
    2015年2月28日，我辞职了，离开了相处一年的触控，转过身--挥洒掉泪水，毅然来到了兄弟连，背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人，还敢跨行业，选择Unity3D？“，”真是不自量力••••••“，”真是初生牛犊不怕虎•••••“，••••••我只是淡淡一笑，拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连！ 这就是我青春的分割线，不后悔，只会去用泪水浇灌——已经来到
  • 稳增长之中国股市两点意见-----严控做空，建立涨跌停版停牌重组机制 nannan408
       对于股市，我们国家的监管还是有点拼的，但始终拼不过飞流直下的恐慌，为什么呢？    笔者首先支持股市的监管。对于股市越管越荡的现象，笔者认为首先是做空力量超过了股市自身的升力，并且对于跌停停牌重组的快速反应还没建立好，上市公司对于股价下跌没有很好的利好支撑。    我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空，在
  • 动态设置iframe高度(iframe高度自适应) Rainbow702 JavaScriptiframecontentDocument高度自适应局部刷新
    如果需要对画面中的部分区域作局部刷新，大家可能都会想到使用ajax。 但有些情况下，须使用在页面中嵌入一个iframe来作局部刷新。 对于使用iframe的情况，发现有一个问题，就是iframe中的页面的高度可能会很高，但是外面页面并不会被iframe内部页面给撑开，如下面的结构： <div id="content"> <div id=&quo
  • 用Rapael做图表 tntxia rap
    function drawReport(paper,attr,data){          var width = attr.width;     var height = attr.height;          var max = 0;   &nbs
  • HTML5 bootstrap2网页兼容（支持IE10以下） xiaoluode html5bootstrap
    <!DOCTYPE html> <html> <head lang="zh-CN"> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge">
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他