Li xiang007
Li xiang007

Xiang Li

文章目录

  • 1 概述
  • 2 spss实现
  • 3 输出
  • 4 EXCEL权重计算(不接上面内容)

1 概述

主成分分析是一种统计学方法，它主要通过降维来简化数据结构，将多个变量转化成少数的几个综合变量，而综合变量能很好地表达原来多个变量的大部分信息，变量之间需要要具备相关性，而经过分析后的变量之间没有相关性。
主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。

因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，以达到对所收集数据进行全面分析的目的。由于各变量间存在一定的相关关系，因此有可能用较少的综合指标分别综合存在于各变量中的各类信息。主成分分析与因子分析就属于这类降维的方法。

2 spss实现

Xiang Li_第1张图片

Xiang Li_第2张图片
Xiang Li_第3张图片
Xiang Li_第4张图片

3 输出

相关性矩阵
VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007 VAR00008 VAR00009 VAR00010 VAR00011
相关性 VAR00002 1.000 -.094 -.052 .967 .979 .923 .922 .941 .637 .826
VAR00003 -.094 1.000 -.171 .113 .074 .214 .093 -.043 .081 .273
VAR00004 -.052 -.171 1.000 -.132 -.050 -.098 -.176 .013 -.125 -.086
VAR00005 .967 .113 -.132 1.000 .985 .963 .939 .935 .705 .898
VAR00006 .979 .074 -.050 .985 1.000 .973 .940 .962 .714 .913
VAR00007 .923 .214 -.098 .963 .973 1.000 .971 .937 .717 .934
VAR00008 .922 .093 -.176 .939 .940 .971 1.000 .897 .624 .848
VAR00009 .941 -.043 .013 .935 .962 .937 .897 1.000 .836 .929
VAR00010 .637 .081 -.125 .705 .714 .717 .624 .836 1.000 .882
VAR00011 .826 .273 -.086 .898 .913 .934 .848 .929 .882 1.000

Xiang Li_第5张图片
查看结果中的“总方差解释”，提取的主成分个数，一般有两种条件：1）特征值>1，2）方差累积贡献率>80%，在85%—95%；
Xiang Li_第6张图片
Xiang Li_第7张图片
所以选择成分1和成分2
Xiang Li_第8张图片

4 EXCEL权重计算(不接上面内容)

Xiang Li_第9张图片

由于前5个成分方差累积贡献率为85.564%>85%，因此提取前5个主成分

你可能感兴趣的:(Machine,learning)

  • 信息检索系统评估指标的层级分析：从单点精确度到整体性能度量 人工智能深度学习llm检索系统
    在构建搜索引擎系统时，有效的评估机制是保证系统质量的关键环节。当用户输入查询词如"machinelearningtutorialspython"，系统返回结果列表后，如何客观评估这些结果的相关性和有效性？这正是信息检索评估指标的核心价值所在。分析用户与搜索引擎的交互模式，我们可以观察到以下行为特征：用户主要关注结果列表的前几项对顶部结果的关注度显著高于底部结果用户基于多次搜索体验形成对搜索系统整体
  • AI推介-大语言模型LLMs论文速览（arXiv方向）：2024.06.25-2024.07.01 小小帅AIGC LLMs论文时报人工智能语言模型深度学习自然语言处理大语言模型LLM
    文章目录～1.AutoCherry-Picker:LearningfromHigh-qualityGenerativeDataDrivenbyLanguage2.BioMNER:ADatasetforBiomedicalMethodEntityRecognition3.BESTOW:EfficientandStreamableSpeechLanguageModelwiththeBestofTwoW
  • 梯度下降法以及随机梯度下降法 HKkuaidou 人工智能深度学习pythonpytorch
    梯度下降法就是在更新weight的时候，向函数值下降的最快方向进行更新，具体的原理我就不再写了，就是一个求偏导的过程，有高数基础的都能够很快的理解过程。我在我的github里面会一直更新自己学习pytorch的过程，地址为：https://github.com/00paning/Pytorch_Learning这里我直接展示一个简易实现的python代码，我们还是先看一下运行的效果图：相关pyth
  • Python实现机器学习项目教程：房价预测 向着开发进攻 pythonpython机器学习开发语言
    Python实现机器学习小项目教程：房价预测案例机器学习（MachineLearning）是数据科学中的一项重要技术，它通过从数据中学习规律，进行预测和决策。对于初学者来说，通过实际的项目来学习机器学习的原理和实现方法，是非常有效的。本篇教程将通过Python实现一个简单的机器学习小项目——房价预测。我们将使用scikit-learn库来构建并训练一个线性回归模型，预测房价。项目背景假设我们拥有一
  • JVM 如何保证 Java 程序的安全性？ 冰糖心书房 JVM2025Java面试系列jvmjava
    JVM（JavaVirtualMachine）在设计时就考虑了安全性，它提供了一套多层次的安全机制，以保护系统免受恶意代码的侵害。这些机制主要包括：1.类加载器(ClassLoader)及双亲委派模型:类加载器的作用：负责加载Java类（.class文件）到JVM中。将类的字节码转换为内存中的Class对象。执行类的初始化。类加载器的类型：启动类加载器(BootstrapClassLoader):
  • 买瓜 第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 A 组 Geometry Fu 蓝桥杯蓝桥杯c语言c++
    买瓜题目来源第十四届蓝桥杯大赛软件赛省赛C/C++大学A组原题链接蓝桥杯买瓜https://www.lanqiao.cn/problems/3505/learning/问题描述题目描述小蓝正在一个瓜摊上买瓜。瓜摊上共有nnn个瓜，每个瓜的重量为AiA_iAi。小蓝刀功了得，他可以把任何瓜劈成完全等重的两份，不过每个瓜只能劈一刀。小蓝希望买到的瓜的重量的和恰好为mmm。请问小蓝至少要劈多少个瓜才能买
  • 异或和之和 第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 A 组 Geometry Fu 蓝桥杯蓝桥杯c语言c++
    异或和之和题目来源第十四届蓝桥杯大赛软件赛省赛C/C++大学A组原题链接蓝桥杯异或和之和https://www.lanqiao.cn/problems/3507/learning/问题描述问题分析要点1：异或运算概念异或（ExclusiveOR，简称XOR）是一种数学运算符，常用于逻辑运算与计算机中的位运算。当且仅当两个输入值不同时，异或运算输出为真（1），否则输出为假（0），即“同为0，异为1”
  • AI界“打工人”革命！开源神器OWL如何让普通人零门槛拥有Manus级生产力？ 遇见小码 AI棱镜实验室人工智能开源github低代码AIGC
    当动辄上万元的Manus邀请码成为科技圈“奢侈品”时，一群开发者仅用0天复刻出功能媲美的开源方案——OWL项目，并一举拿下GAIA基准测试开源框架第一（58.18分）OWL是什么？OWL（OptimizedWorkforceLearning）是由CAMEL-AI团队打造的多智能体协作框架。它通过AI智能体动态分工协作，像人类团队一样完成复杂任务：无需编码：输入需求即可自动拆解步骤全能助手：能操作浏
  • 深入解析Java虚拟机（JVM）：架构、内存管理与性能优化 EvLast jvmjava职场和发展性能优化
    ##引言Java虚拟机（JavaVirtualMachine,JVM）是Java生态系统的核心引擎，它不仅实现了"一次编写，到处运行"的跨平台承诺，更通过自动内存管理、即时编译等机制深刻影响着现代软件开发。截至2023年，全球超过90%的《财富》500强企业使用基于JVM的技术栈，其重要性可见一斑。##一、JVM核心架构解析###1.1类加载子系统-**双亲委派模型**：采用层级式加载机制，防止核
  • 基于支持向量机SVM的电网负荷预测，libsvm工具箱详解，SVM详细原理 神经网络机器学习智能算法画图绘图 支持向量机SVM支持向量机算法机器学习SVM电网负荷预测svr
    目录支持向量机SVM的详细原理SVM的定义SVM理论Libsvm工具箱详解简介参数说明易错及常见问题SVM应用实例，基于支持向量机SVM的电网负荷预测代码结果分析展望摘要基于支持向量机SVM的电网负荷预测，SVM原理，SVM工具箱详解，SVM常见改进方法支持向量机SVM的详细原理SVM的定义支持向量机（supportvectormachines,SVM）是一种二分类模型，它的基本模型是定义在特征空
  • 分子动力学仿真软件：GROMACS_（1）.GROMACS基础知识 kkchenjj 分子动力学2仿真模拟模拟仿真分子动力学
    GROMACS基础知识1.GROMACS简介GROMACS（GROningenMAchineforChemicalSimulations）是一款广泛用于分子动力学仿真的开源软件。它主要用于模拟蛋白质、脂质、核酸以及其他生物分子系统的动力学行为。GROMACS以其高效、灵活和强大的功能而闻名，支持大规模并行计算，适用于从小分子到复杂生物体系的多种应用场景。1.1GROMACS的历史和发展GROMAC
  • python文件名过长报错No such file or directory FL1623863129 环境配置经验分享
    python读取一个超长路径文件名结果报错：Nosuchfileordirectory。原因不同操作系统对路径长度有不同的限制。在Windows上，路径长度限制是260个字符，而在Linux上则较长。如果路径长度超过了操作系统的限制，就会报“Nosuchfileordirectory”错误。解决方法修改Windows注册表，路径为：计算机\HKEY_LOCAL_MACHINE\SYSTEM\Cur
  • 论文阅读笔记：Graph Matching Networks for Learning the Similarity of Graph Structured Objects 游离态GLZ不可能是金融技术宅 知识图谱机器学习深度学习人工智能
    论文做的是用于图匹配的神经网络研究，作者做出了两点贡献:证明GNN可以经过训练，产生嵌入graph-leve的向量可以用于相似性计算。作者提出了一种新的基于注意力的跨图匹配机制GMN(cross-graphattention-basedmatchingmechanism)，来计算出一对图之间的相似度评分。（核心创新点）论文证明了该模型在不同领域的有效性，包括具有挑战性的基于控制流图(control
  • 论文阅读 EEG-TCNet Plan-C- 论文阅读
    EEG-TCNet:AnAccurateTemporalConvolutionalNetworkforEmbeddedMotor-ImageryBrain–MachineInterfaces1.Intrduction本文提出了一种新颖的时间卷积网络（TCN），在需要很少的可训练参数的情况下实现了出色的精度。EG-TCNET成功地推广了单个数据集，通过0.25的元效应优于MOABB的当前最新技术水平
  • 【论文阅读】Learning Transferable Visual Models From Natural Language Supervision（2021） Bosenya12 论文阅读
    摘要State-of-the-art（最先进的）computervisionsystems（计算机视觉系统）aretrainedtopredictafixedsetofpredeterminedobjectcategories（被训练来预测一组固定的预定对象类别）.Thisrestrictedformofsupervision（受限制的监督形式）limitstheirgenerality（通用性）
  • 【JVM虚拟机】第一篇：初始JVM 码上学道 JVM虚拟机jvm
    1.什么是JVMJVM全称是JavaVirtualMachine,我们中文翻译过来叫做Java虚拟机或者JVM虚拟机。JVM本质上是一个运行在电脑上的一个软件，他做的主要任务就是运行Java源代码编译出来的字节码文件。我们编译出来的源代码，首先使用java提供的jdk中javac编译成.class后缀的字节码文件，这个文件实际上并不能被系统加载并运行，而是需要通过jvm进行解释成计算机机器码才能够
  • 扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer 三谷秋水 计算机视觉大模型智能体transformer深度学习计算机视觉语言模型人工智能机器学习
    25年2月来自上海AI实验室、浙大、香港中文大学、北大、商汤科技、清华和中科院香港科学创新研究院的论文“DiffusionTransformerPolicy:ScalingDiffusionTransformerforGeneralistVision-Language-ActionLearning”。最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到
  • 可重构智能表面仿真平台 brook1711 RIS
    RIScomponentsThisisapythonprojectforRIS(reconfigurableintelligentsurface)simulations.relatedworksMyfirstpaperLinktomypaper/Pdftomypaper:[1]X.Guo,Y.ChenandY.Wang,“Learning-basedRobustandSecureTransmiss
  • 人工智能机器学习算法分类全解析 power-辰南 人工智能人工智能机器学习算法python
    目录一、引言二、机器学习算法分类概述（一）基于学习方式的分类1.监督学习（SupervisedLearning）2.无监督学习（UnsupervisedLearning）3.强化学习（ReinforcementLearning）（二）基于任务类型的分类1.分类算法2.回归算法3.聚类算法4.降维算法5.生成算法（三）基于模型结构的分类1.线性模型2.非线性模型3.基于树的模型4.基于神经网络的模型
  • 机器学习入门指南：从 TensorFlow 到 PyTorch 6v6-博客 机器学习tensorflowpytorch
    机器学习入门指南：从TensorFlow到PyTorch机器学习（MachineLearning）是人工智能的核心领域之一，近年来在图像识别、自然语言处理、推荐系统等领域取得了巨大进展。本文将从基础概念入手，介绍机器学习的核心知识，并带你快速上手两大主流框架：TensorFlow和PyTorch。机器学习基础什么是机器学习？机器学习是一种通过数据训练模型，使计算机能够自动学习和改进的技术。它主要分
  • SCI 1区2区3区图像处理期刊 Vertira 博士图像处理人工智能机器学习
    一区1.IEEETRANSACTIONSONPATTERNANALYSISANDMACHINEINTELLIGENCE顶刊:是出版商:IEEE2.IEEETransactionsonMultimedia顶刊:是出版商:IEEE3.InformationFusion顶刊:是出版商:ELSEVIER4.IEEETRANSACTIONSONIMAGEPROCESSING顶刊:是出版商:IEEE5.KNO
  • 《高效迁移学习：Keras与EfficientNet花卉分类项目全解析》 机器学习司猫白 深度学习迁移学习keras分类tensorflowefficientnet性能优化
    从零到精通的迁移学习实战指南：以Keras和EfficientNet为例一、为什么我们需要迁移学习？1.1人类的学习智慧想象一下：如果一个已经会弹钢琴的人学习吉他，会比完全不懂音乐的人快得多。因为TA已经掌握了乐理知识、节奏感和手指灵活性，这些都可以迁移到新乐器的学习中。这正是迁移学习（TransferLearning）的核心思想——将已掌握的知识迁移到新任务中。1.2深度学习的困境与破局传统深度
  • I-JEPA：联合嵌入预测架构的自监督学习实现 平奇群Derek
    I-JEPA：联合嵌入预测架构的自监督学习实现I-JEPAImplementationofI-JEPAfrom"Self-SupervisedLearningfromImageswithaJoint-EmbeddingPredictiveArchitecture"项目地址:https://gitcode.com/gh_mirrors/ij/I-JEPA项目介绍欢迎来到I-JEPA，这是一个基于Se
  • 机器学习(Machine Learning) 七指琴魔御清绝 大数据学习
    原文链接：http://blog.csdn.net/zhoubl668/article/details/42921187希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Ada
  • LWC-KD：图结构感知的推荐系统增量学习对比知识蒸馏 宇直不会放弃 GKD-Middlelayer人工智能pythonchatgptgpu算力深度学习机器学习神经网络
    LWC-KD：图结构感知的推荐系统增量学习对比知识蒸馏《GraphStructureAwareContrastiveKnowledgeDistillationforIncrementalLearninginRecommenderSystems》2021作者是YueningWang、YingxueZhang和MarkCoates论文地址：https://dl.acm.org/doi/10.1145/
  • # MAC系统多版本jdk安装 成知节 javajavajdk
    #MAC系统多版本jdk安装##说明jdk在macOS下的安装路径为/Library/Java/JavaVirtualMachines/；/usr/libexec/java_home是macOS下提供的工具，类似一个简单的java版本管理工具，可使用-h参数查看使用帮助。第一步官网下载jdk,然后安装配置bash_profile,如果是zsh配置~/.zshrc配置内容exportJAVA_6_H
  • 第五周作业——第十章动手试一试 hongsqi
    10-1Python学习笔记学习笔记：在文本编辑器中新建一个文件，写几句话来总结一下你至此学到的Python知识，其中每一行都以“InPythonyoucan”打头。将这个文件命名为learning_python.txt，并将其存储到为完成本章练习而编写的程序所在的目录中。编写一个程序，它读取这个文件，并将你所写的内容打印三次：第一次打印时读取整个文件；第二次打印时遍历文件对象；第三次打印时将各行
  • Python 变量起名全攻略：新手避坑与大神指南 科雷learning 学习AIpython编程python开发语言
    学习AI科雷learning2025年03月10日22:19江苏一、引言：变量起名的“玄学”难题在Python编程的世界里，变量命名看似简单，实则暗藏玄机，常常让新手们踩坑不断。本文将带你深入了解Python变量命名规则，助你从新手小白变身命名大神。二、基础规则：保命口诀要牢记小白的困惑小白：（举着写满报错的代码）大神快看！我就写了个3D效果=True，Python竟然说我语法错误？专家的解答专家
  • JVM内存深度解析：堆内与堆外内存的监控与诊断 猿泰山 Java核心技术jvm
    JVM内存深度解析：堆内与堆外内存的监控与诊断一、引言在Java应用中，JVM（JavaVirtualMachine）的内存管理至关重要。其中，堆内内存和堆外内存是两个核心概念。堆内内存主要存储Java对象实例，而堆外内存则与Java的NIO（NewI/O）库密切相关，主要用于存储不受Java堆大小限制的直接缓冲区。本文将深入探讨如何监控和诊断这两种类型的内存使用。二、堆内内存监控与诊断JVM参数
  • XGBClassifiler函数介绍 浊酒南街 #算法机器学习XGB
    目录前言函数介绍示例前言XGBClassifier是XGBoost库中用于分类任务的类。XGBoost是一种高效且灵活的梯度提升决策树（GBDT）实现，它在多种机器学习竞赛中表现出色，尤其擅长处理表格数据。函数介绍XGBClassifiler(max_depth=3,learning_rate=0.1,n_estimators=100,objective='binary:logistic',boo
  • 项目中 枚举与注解的结合使用 飞翔的马甲 javaenumannotation
    前言：版本兼容，一直是迭代开发头疼的事，最近新版本加上了支持新题型，如果新创建一份问卷包含了新题型，那旧版本客户端就不支持，如果新创建的问卷不包含新题型，那么新旧客户端都支持。这里面我们通过给问卷类型枚举增加自定义注解的方式完成。顺便巩固下枚举与注解。 一、枚举 1.在创建枚举类的时候，该类已继承java.lang.Enum类，所以自定义枚举类无法继承别的类，但可以实现接口。
  • 【Scala十七】Scala核心十一：下划线_的用法 bit1129 scala
    下划线_在Scala中广泛应用，_的基本含义是作为占位符使用。_在使用时是出问题非常多的地方，本文将不断完善_的使用场景以及所表达的含义   1. 在高阶函数中使用 scala> val list = List(-3,8,7,9) list: List[Int] = List(-3, 8, 7, 9) scala> list.filter(_ > 7) r
  • web缓存基础：术语、http报头和缓存策略 dalan_123 Web
    对于很多人来说，去访问某一个站点，若是该站点能够提供智能化的内容缓存来提高用户体验，那么最终该站点的访问者将络绎不绝。缓存或者对之前的请求临时存储，是http协议实现中最核心的内容分发策略之一。分发路径中的组件均可以缓存内容来加速后续的请求，这是受控于对该内容所声明的缓存策略。接下来将讨web内容缓存策略的基本概念，具体包括如如何选择缓存策略以保证互联网范围内的缓存能够正确处理的您的内容，并谈论下
  • crontab 问题 周凡杨 linuxcrontabunix
      一： 0481-079   Reached   a   symbol   that   is   not   expected.   背景： */5   *   *   *   *  /usr/IBMIHS/rsync.sh 
  • 让tomcat支持2级域名共享session g21121 session
    tomcat默认情况下是不支持2级域名共享session的，所有有些情况下登陆后从主域名跳转到子域名会发生链接session不相同的情况，但是只需修改几处配置就可以了。 打开tomcat下conf下context.xml文件 找到Context标签,修改为如下内容 如果你的域名是www.test.com <Context sessionCookiePath="/path&q
  • web报表工具FineReport常用函数的用法总结（数学和三角函数） 老A不折腾 Webfinereport总结
      ABS ABS(number):返回指定数字的绝对值。绝对值是指没有正负符号的数值。 Number:需要求出绝对值的任意实数。 示例: ABS(-1.5)等于1.5。 ABS(0)等于0。 ABS(2.5)等于2.5。   ACOS ACOS(number):返回指定数值的反余弦值。反余弦值为一个角度，返回角度以弧度形式表示。 Number:需要返回角
  • linux 启动java进程 sh文件 墙头上一根草 linuxshelljar
    #!/bin/bash #初始化服务器的进程PId变量 user_pid=0; robot_pid=0; loadlort_pid=0; gateway_pid=0; ######### #检查相关服务器是否启动成功 #说明： #使用JDK自带的JPS命令及grep命令组合，准确查找pid #jps 加 l 参数，表示显示java的完整包路径 #使用awk，分割出pid
  • 我的spring学习笔记5-如何使用ApplicationContext替换BeanFactory aijuans Spring 3 系列
    如何使用ApplicationContext替换BeanFactory？ package onlyfun.caterpillar.device; import org.springframework.beans.factory.BeanFactory; import org.springframework.beans.factory.xml.XmlBeanFactory; import
  • Linux 内存使用方法详细解析 annan211 linux内存Linux内存解析
    来源 http://blog.jobbole.com/45748/ 我是一名程序员，那么我在这里以一个程序员的角度来讲解Linux内存的使用。 一提到内存管理，我们头脑中闪出的两个概念，就是虚拟内存，与物理内存。这两个概念主要来自于linux内核的支持。 Linux在内存管理上份为两级，一级是线性区，类似于00c73000-00c88000，对应于虚拟内存，它实际上不占用
  • 数据库的单表查询常用命令及使用方法(-) 百合不是茶 oracle函数单表查询
        创建数据库;       --建表 create table bloguser(username varchar2(20),userage number(10),usersex char(2));       创建bloguser表,里面有三个字段     &nbs
  • 多线程基础知识 bijian1013 java多线程threadjava多线程
    一．进程和线程 进程就是一个在内存中独立运行的程序，有自己的地址空间。如正在运行的写字板程序就是一个进程。 “多任务”：指操作系统能同时运行多个进程（程序）。如WINDOWS系统可以同时运行写字板程序、画图程序、WORD、Eclipse等。 线程：是进程内部单一的一个顺序控制流。 线程和进程 a.       每个进程都有独立的
  • fastjson简单使用实例 bijian1013 fastjson
    一.简介         阿里巴巴fastjson是一个Java语言编写的高性能功能完善的JSON库。它采用一种“假定有序快速匹配”的算法，把JSON Parse的性能提升到极致，是目前Java语言中最快的JSON库；包括“序列化”和“反序列化”两部分，它具备如下特征：     
  • 【RPC框架Burlap】Spring集成Burlap bit1129 spring
    Burlap和Hessian同属于codehaus的RPC调用框架，但是Burlap已经几年不更新，所以Spring在4.0里已经将Burlap的支持置为Deprecated,所以在选择RPC框架时，不应该考虑Burlap了。 这篇文章还是记录下Burlap的用法吧，主要是复制粘贴了Hessian与Spring集成一文，【RPC框架Hessian四】Hessian与Spring集成  
  • 【Mahout一】基于Mahout 命令参数含义 bit1129 Mahout
    1. mahout seqdirectory   $ mahout seqdirectory --input (-i) input Path to job input directory(原始文本文件). --output (-o) output The directory pathna
  • linux使用flock文件锁解决脚本重复执行问题 ronin47 linux lock　重复执行
    linux的crontab命令，可以定时执行操作，最小周期是每分钟执行一次。关于crontab实现每秒执行可参考我之前的文章《linux crontab 实现每秒执行》现在有个问题，如果设定了任务每分钟执行一次，但有可能一分钟内任务并没有执行完成，这时系统会再执行任务。导致两个相同的任务在执行。 例如： <? //  test .php
  • java-74-数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 bylijinnan java
    public class OcuppyMoreThanHalf { /** * Q74 数组中有一个数字出现的次数超过了数组长度的一半，找出这个数字 * two solutions: * 1.O(n) * see <beauty of coding>--每次删除两个不同的数字，不改变数组的特性 * 2.O(nlogn) * 排序。中间
  • linux 系统相关命令 candiio linux
    系统参数 cat /proc/cpuinfo  cpu相关参数 cat /proc/meminfo 内存相关参数 cat /proc/loadavg 负载情况 性能参数 1）top M：按内存使用排序 P：按CPU占用排序 1：显示各CPU的使用情况 k：kill进程 o：更多排序规则 回车：刷新数据 2）ulimit ulimit -a：显示本用户的系统限制参
  • [经营与资产]保持独立性和稳定性对于软件开发的重要意义 comsci 软件开发
         一个软件的架构从诞生到成熟，中间要经过很多次的修正和改造       如果在这个过程中，外界的其它行业的资本不断的介入这种软件架构的升级过程中           那么软件开发者原有的设计思想和开发路线
  • 在CentOS5.5上编译OpenJDK6 Cwind linuxOpenJDK
    几番周折终于在自己的CentOS5.5上编译成功了OpenJDK6，将编译过程和遇到的问题作一简要记录，备查。 0. OpenJDK介绍 OpenJDK是Sun（现Oracle）公司发布的基于GPL许可的Java平台的实现。其优点： 1、它的核心代码与同时期Sun（-> Oracle）的产品版基本上是一样的，血统纯正，不用担心性能问题，也基本上没什么兼容性问题；（代码上最主要的差异是
  • java乱码问题 dashuaifu java乱码问题js中文乱码
    swfupload上传文件参数值为中文传递到后台接收中文乱码     在js中用setPostParams（{"tag" : encodeURI( document.getElementByIdx_x("filetag").value，"utf-8")}）; 然后在servlet中String t
  • cygwin很多命令显示command not found的解决办法 dcj3sjt126com cygwin
    cygwin很多命令显示command not found的解决办法   修改cygwin.BAT文件如下 @echo off D: set CYGWIN=tty notitle glob set PATH=%PATH%;d:\cygwin\bin;d:\cygwin\sbin;d:\cygwin\usr\bin;d:\cygwin\usr\sbin;d:\cygwin\us
  • [介绍]从 Yii 1.1 升级 dcj3sjt126com PHPyii2
    2.0 版框架是完全重写的，在 1.1 和 2.0 两个版本之间存在相当多差异。因此从 1.1 版升级并不像小版本间的跨越那么简单，通过本指南你将会了解两个版本间主要的不同之处。 如果你之前没有用过 Yii 1.1，可以跳过本章，直接从"入门篇"开始读起。 请注意，Yii 2.0 引入了很多本章并没有涉及到的新功能。强烈建议你通读整部权威指南来了解所有新特性。这样有可能会发
  • Linux SSH免登录配置总结 eksliang ssh-keygenLinux SSH免登录认证Linux SSH互信
    转载请出自出处：http://eksliang.iteye.com/blog/2187265 一、原理      我们使用ssh-keygen在ServerA上生成私钥跟公钥，将生成的公钥拷贝到远程机器ServerB上后,就可以使用ssh命令无需密码登录到另外一台机器ServerB上。      生成公钥与私钥有两种加密方式，第一种是
  • 手势滑动销毁Activity gundumw100 android
    老是效仿ios，做android的真悲催！ 有需求：需要手势滑动销毁一个Activity 怎么办尼？自己写？ 不用~，网上先问一下百度。 结果： http://blog.csdn.net/xiaanming/article/details/20934541 首先将你需要的Activity继承SwipeBackActivity，它会在你的布局根目录新增一层SwipeBackLay
  • JavaScript变换表格边框颜色 ini JavaScripthtmlWebhtml5css
    效果查看：http://hovertree.com/texiao/js/2.htm代码如下，保存到HTML文件也可以查看效果： <html> <head> <meta charset="utf-8"> <title>表格边框变换颜色代码-何问起</title> </head> <body&
  • Kafka Rest : Confluent kane_xie kafkaRESTconfluent
    最近拿到一个kafka rest的需求，但kafka暂时还没有提供rest api（应该是有在开发中，毕竟rest这么火），上网搜了一下，找到一个Confluent Platform，本文简单介绍一下安装。 这里插一句，给大家推荐一个九尾搜索，原名叫谷粉SOSO，不想fanqiang谷歌的可以用这个。以前在外企用谷歌用习惯了，出来之后用度娘搜技术问题，那匹配度简直感人。 环境声明：Ubu
  • Calender不是单例 men4661273 单例Calender
             在我们使用Calender的时候，使用过Calendar.getInstance()来获取一个日期类的对象，这种方式跟单例的获取方式一样，那么它到底是不是单例呢，如果是单例的话，一个对象修改内容之后，另外一个线程中的数据不久乱套了吗？从试验以及源码中可以得出，Calendar不是单例。 测试： Calendar c1 =
  • 线程内存和主内存之间联系 qifeifei java thread
    1， java多线程共享主内存中变量的时候，一共会经过几个阶段，    lock:将主内存中的变量锁定，为一个线程所独占。   unclock:将lock加的锁定解除，此时其它的线程可以有机会访问此变量。   read:将主内存中的变量值读到工作内存当中。   load:将read读取的值保存到工作内存中的变量副本中。  
  • schedule和scheduleAtFixedRate tangqi609567707 javatimerschedule
    原文地址：http://blog.csdn.net/weidan1121/article/details/527307 import java.util.Timer;import java.util.TimerTask;import java.util.Date; /** * @author vincent */public class TimerTest {  
  • erlang 部署 wudixiaotie erlang
    1.如果在启动节点的时候报这个错 ： {"init terminating in do_boot",{'cannot load',elf_format,get_files}} 则需要在reltool.config中加入 {app, hipe, [{incl_cond, exclude}]},     2.当generate时，遇到： ERROR
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他