- python 机器学习写作_"深入浅出Python机器学习" 学习笔记-6
weixin_39710041
python机器学习写作
第四章广义线性模型-"耿直"的算法模型这章主要介绍了线性模型,怎么模拟直线,线性回归,岭回归,Lasso(套索)回归.不过这本书都不怎么讲数学,原理基本不讲.没有讲出线性回归,岭回归,Lasso回归的本质差异,需要额外补充资料学习.这章主要用到sklearn.linear_model模块:linear_model模块4.1线性模型的基本模型线性模型一般预测公式:ŷ=w0+∑i=1~n(xi*wi
- KNN算法小结
退红时雨
机器学习python机器学习最近邻分类算法
前言:文章内容参考了以下书籍:【机器学习实战】、【深入浅出Python机器学习】,主要是对KNN算法的实现进行总结归纳;使用编程语言:python3;目录一、kNN代码实现1、classify0函数实现KNN算法(对应程序清单2-1)2、file2matrix函数转换文本记录(对应程序清单2-2)3、autoNorm函数归一化特征值(对应程序清单2-3)4、datingClassTest函数(对应
- 《深入浅出Python机器学习》——随机森林
反正没几根头发
机器学习pythonsklearn
决策树很容易实现过拟合,随机森林(一种集合算法)可解决这个问题jupyter实现importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlib.colorsimportListedColormap#导入随机森林模型fromsklearn.ensembleimportRandomForestClassifier#载入红酒数据集fromsklearn
- 深入浅出学python_深入浅出Python机器学习 (段小手) 完整pdf高清版[176MB]
weixin_39755136
深入浅出学python
机器学习正在迅速改变我们的世界。我们几乎每天都会读到机器学习如何改变日常的生活。如果你在淘宝或者京东这样的电子商务网站购买商品,或者在爱奇艺或是腾讯视频这样的视频网站观看节目,甚至只是进行一次百度搜索,就已经触碰到了机器学习的应用。使用这些服务的用户会产生数据,这些数据会被收集,在进行预处理之后用来训练模型,而模型会通过这些数据来提供更好的用户体验。此外,目前还有很多使用机器学习技术的产品或服务即
- 机器学习python_深入浅出Python机器学习[PDF][176.39MB]
weixin_39878991
机器学习python
内容简介机器学习正在迅速改变我们的世界。我们几乎每天都会读到机器学习如何改变日常的生活。如果你在淘宝或者*这样的电子商务网站购买商品,或者在爱奇艺或是腾讯视频这样的视频网站观看节目,甚至只是进行一次百度搜索,就已经触碰到了机器学习的应用。使用这些服务的用户会产生数据,这些数据会被收集,在进行预处理之后用来训练模型,而模型会通过这些数据来提供更好的用户体验。此外,目前还有很多使用机器学习技术的产品或
- 《深入浅出Python机器学习》——决策树
反正没几根头发
机器学习python学习决策树python
决策树:实现分类jupyter实现importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlib.colorsimportListedColormap#导入tree模型和数据集加载工具fromsklearnimporttree,datasets#导入数据集拆分工具fromsklearn.model_selectionimporttrain_tes
- 《深入浅出Python机器学习》读书笔记 第三章 K近邻算法
终回首
机器学习笔记机器学习pythonKNN
《深入浅出Python机器学习》读书笔记,第三章K近邻算法目录一、K近邻算法的原理二、K近邻算法的用法1K近邻算法在分类任务中的应用1.1生成训练集数据1.2用训练数据训练模型1.3测试模型2K近邻算法处理多元任务分类2.1生成训练集数据2.2用训练数据集训练模型2.3验证正确率3K近邻算法用于回归分析3.1生成训练集数据3.2训练模型3.3查看分数3.4调整参数3.5查看调整后模型的评分4K最近
- 送书 | 《深入浅出Python机器学习》
敲代码的灰太狼
算法人工智能机器学习编程语言大数据
【导读】机器学习正在迅速改变我们的世界。我们几乎每天都会读到机器学习如何改变日常的生活。如果你在淘宝或者京东这样的电子商务网站购买商品,或者在爱奇艺或是腾讯视频这样的视频网站观看节目,甚至只是进行一次百度搜索,就已经触碰到了机器学习的应用。使用这些服务的用户会产生数据,这些数据会被收集,在进行预处理之后用来训练模型,而模型会通过这些数据来提供更好的用户体验。此外,目前还有很多使用机器学习技术的产品
- matplotlib.pyplot——cmap直观理解
notLilies
【matplotlib】pyplotpltcmapmatplotlib
最近在看《深入浅出Python机器学习》,敲案例时发现matplotlib里cmap参数的使用方法发生了一些变化,索性整理了一下cmap相关的内容,这里是matplotlib的官方颜色图,文中也会放出。文中表达如有不正确的地方,欢迎指出~目录WHAT1.关于cmap的个人理解2.cmap的分类3.matplotlib内置的颜色图WHYHOWWHAT1.关于cmap的个人理解cmap参数接受一个值(
- "深入浅出Python机器学习" 学习笔记-2
爱折腾的大懒猪
第三章K最近邻算法-近朱者赤,近墨者黑3.1kNN原理在分类上,原理是取最近的k个点,按这些点的类标签来决定未知点的类型.在回归上,取最近k个点的y值取平均作为预测值.默认的k是5,根据经验可以调5,10.参数最好要优化.metric和p可以改变距离的测量.weights可以改变各特征的权重(默认均等).TODO:如果分类时,k个点最多的类有2甚至3种,是根据最近原则来确定类么?3.2kNN的用法
- "深入浅出Python机器学习" 学习笔记-第三章
爱折腾的大懒猪
第三章K最近邻算法-近朱者赤,近墨者黑3.1kNN原理在分类上,原理是取最近的k个点,按这些点的类标签来决定未知点的类型.在回归上,取最近k个点的y值取平均作为预测值.默认的k是5,根据经验可以调5,10.参数最好要优化.metric和p可以改变距离的测量.weights可以改变各特征的权重(默认均等).TODO:如果分类时,k个点最多的类有2甚至3种,是根据最近原则来确定类么?3.2kNN的用法
- 深入浅出python机器学习_8.3_神经网络实例_手写识别_MNIST数据集的使用
Dontla
深入浅出python机器学习
#导入数据集获取工具#fromsklearn.datasetsimportfetch_mldata#加载MNIST手写数字数据集#mnist=fetch_mldata('MNISToriginal')#报错,无法获取,参考:https://blog.csdn.net/Dontla/article/details/99677247#获取scikit数据根目录fromsklearn.datasetsi
- python机器学习---监督学习---支持向量机SVM(多用于分类)
anne_wang_swufe
python机器学习
目录1、支持向量机的基本原理2、支持向量机的核函数和参数选择3、支持向量机实例---对波士顿房价进行回归分析备注:本文主要来自于对《深入浅出python机器学习》书籍的学习总结笔记,感兴趣的同学可以购买本书学习1、支持向量机的基本原理由于现实生活中,很多事情不是线性可分的(即画一条直线就能分类的),而SVM就是专治线性不可分,把分类问题转化为平面分类问题。不过我们说分类,不仅仅是将不同的类别样本分
- 《深入浅出Python机器学习(段小手)》PDF代码+《机器学习实战(Harrington)》PDF及代码+对比学习总结...
weixin_30425949
通过学习对比,《深入浅出Python机器学习》和《机器学习实战》是我们学习机器学习的最合适的选择。《深入浅出Python机器学习》内容涵盖了有监督学习、无监督学习、模型优化、自然语言处理等机器学习领域所必须掌握的知识,从内容结构上非常注重知识的实用性和可操作性。《深入浅出Python机器学习》PDF,280页,带书签目录,文字可以复制;配套源代码。作者:段小手下载:https://pan.baid
- 深入浅出python机器学习_6.3.1_随机森林实例——要不要和相亲对象进一步发展
Dontla
深入浅出python机器学习
#6.3.1数据集的准备importpandasaspddata=pd.read_csv('adult.csv',header=None,index_col=False,names=['年龄','单位性质','权重','学历','受教育时长','婚姻状况','职业','家庭状况','种族','性别','资产所得','资产损失','周工作时长','原籍','收入'])data_lite=data[[
- "深入浅出Python机器学习" 学习笔记-一到三章
爱折腾的大懒猪
深入浅出Python机器学习_学习笔记前80多页可以参考这里,这本书在出版社的介绍和源代码第一章概述有监督学习:通过训练集数据建模,对新的数据样本进行分类或者回归分析.数据集包含样品特征变量及分类标签.分类:对类标签进行预测,判断样本属于哪一个分类,结果往往是离散的数值.回归分析:目标是预测一个连续的数值或范围.无监督学习:没有训练数据集的情况下,对没有标签的数据进行分析并建立合适的模型.两种任务
- 【机器学习】【Python】深入浅出Python机器学习-读书笔记整理
_Evelyn_
读书笔记
0写在开头趁着现在在家还没开学,把之前的笔记和记的一些东西整理一下。资料:《深入浅出Python机器学习》学习时间:2018.10目录0写在开头1KNN2广义线性模型线性回归岭回归lasso回归(套索回归)弹性网模型其他线性模型3朴素贝叶斯朴素贝叶斯算法的不同方法4决策树和随机森林决策树随机森林5支持向量机6神经网络多层感知器,MLP算法(前馈神经网络)7数据预处理、降维、特征提取及聚类数据预处理
- python机器学习---监督学习---线性回归模型(用于回归)
anne_wang_swufe
python机器学习
目录1、线性模型基本原理1.1线性模型一般公式1.2线性模型图形表示2、线性模型分类及模型实现3、线性模型的优缺点备注:本文主要来自于对《深入浅出python机器学习》书籍的学习总结笔记,感兴趣的同学可以购买本书学习1、线性模型基本原理1.1线性模型一般公式线性模型在拟合数据集时,会让自己距离每个数据点的加和为最小值,即找到找到训练数据集中y的预测值和真实值的平方差的最小值,这也是线性回归模型的基
- python机器学习---监督学习---决策树和随机森林(用于分类和回归)
anne_wang_swufe
python机器学习
目录1、决策树1.1决策树的基本原理1.2决策树的优势和不足2、随机森林2.1随机森林的基本原理2.2随机森林的优势和不足3、实战案例---收入预测案例备注:本文主要来自于对《深入浅出python机器学习》书籍的学习总结笔记,感兴趣的同学可以购买本书学习,学习的本质就是形成自己的逻辑。1、决策树1.1决策树的基本原理决策树有分类树---对离散变量做的决策树,也有回归树---对连续变量做的决策树。决
- python机器学习---监督学习---K最近邻算法(用于分类和回归)
anne_wang_swufe
python机器学习
目录1.K最近邻算法原理2.K最近邻算法项目实战2.1电影分类2.2酒分类3.K最近邻算法优缺点备注:本文主要来自于对《深入浅出python机器学习》书籍的学习总结笔记,感兴趣的同学可以购买本书学习,学习的本质就是形成自己的逻辑。1.K最近邻算法原理基本思想:一个样本在特征空间中,总会有k个最临近的样本。如在左边的图中,最近邻数k=1,即找到与问号样本最近的一个点,该点是灰色,因此将问号样本分类为
- 限时抽奖,送2本《深入浅出Python机器学习》
豌豆花下猫
pythondjangolinuxredisgit
福利规则:1、本公众号(Python猫)读者,在后台回复1123获取抽奖码,即可参与2、书籍:清华大学出版社,《深入浅出Python机器学习》2本3、活动截止时间:2018年11月29日18:184、附加规则:公布结果后24小时,若出现中奖者联系不上、或其自愿放弃领奖的情况,我会将奖品赠送给有过互动(高质量留言)的读者,数量有限,标准随心。5、附加福利:添加图书编辑暖暖的微信号(q703882),
- 《跟着迪哥学 Python数据分析与机器学习实战》PDF代码+刘铁岩《分布式机器学习:算法、理论与实践》PDF分析
zhaodakk
我在学习机器学习过程中,认为大家可以参考《跟着迪哥学Python数据分析与机器学习实战》和《深入浅出Python机器学习》。学习python,然后用于数据分析,同时能够进行机器学习实战,按照这个流程,对AI爱好者有很大帮助,推荐学习《跟着迪哥学Python数据分析与机器学习实战》结合了机器学习、数据分析和Python语言,通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。共20章,分4个部分
- 深入浅出Python机器学习12——建立算法的管道模型
繁华落尽心伤
机器学习深入浅出python机器学习
管道模型的概念及用法管道模型的基本概念前面我们学习了如何使用交叉验证对模型进行评估,以及如何使用网格搜索来找到模型的最优参数。如果我们要用某个数据集进行模型训练的话,很可能进行如下操作:选择使用MLP多层感知神经网络作为下一步要用的分类器模型(因为MLP是典型的需要进行数据预处理的算法模型),用StandardScaler作为数据预处理的工具,使用make_blobs生成样本数量为200,分类数为
- 深入浅出Python机器学习13——文本数据处理
繁华落尽心伤
深入浅出python机器学习
文本数据的特征提取、中文分词及词袋模型使用CountVectorizer对文本进行特征提取之前接触数据的特征大概可以分为两类:一类是用来表示数值的连续特征;另一类是表示样本所在分类的类型特征。而在自然语言处理的领域中,我们会接触到第三类数据类型——文本数据。文本数据在计算机中往往被存储为字符串类型(string),在不同场景中,文本数据的长度差异会非常大,这也使得文本数据的处理方式与数值型数据的处
- 深入浅出Python机器学习10——数据表达与特征工程
繁华落尽心伤
机器学习深入浅出python机器学习
数据表达使用哑变量转化类型特征哑变量(DummyVariables),也称为虚拟变量,是一种在统计学和经济学领域非常常用的,用来把某些类型变量转化为二值变量的方法,在回归分析中的使用尤其广泛。例如我们在之前使用pandas的get_dummies将adult数据集中的类型特征转换成了用0和1表达的数值特征。下例中对get_dummies的使用:从结果可以看出,pandas的DataFrame生成的
- 深入浅出Python机器学习9——数据预处理、降维、特征提取及聚类
繁华落尽心伤
机器学习深入浅出python机器学习
数据预处理使用StandScaler进行数据预处理首先手工生成一些数据:用make_blobs函数时,指定了样本数量n_samples为40,分类centers为2,随机状态random_state为50,标准差cluster_std为2.从图中可以看出数据集中样本有2个特征,分别对应x轴和y轴,特征1的数值大约在-8~7之间,特征2的数值大约在-10~10之间。用StandardScaler对数
- 深入浅出Python机器学习8——神经网络
繁华落尽心伤
机器学习深入浅出python机器学习
神经网络的前世今生这一部分时对先驱们的致敬,若是不想看可以直接跳过。在1943年,美国神经解剖学家沃伦麦克洛奇(WarrenMcCulloch)神经网络和数学家沃尔特皮茨(WalterPitts)就提出了一个脑神经元的抽象模型,被称为M-P模型(McCulloch-Pittsneuron,MCP)。1958年,著名的计算机科学家弗兰克罗森布拉特(FrankRossenblatt)基于M-P模型提出
- 深入浅出Python机器学习7——支持向量机SVM
繁华落尽心伤
机器学习深入浅出python机器学习
支持向量机SVM的基本概念支持向量机SVM的基本原理当数据线性不可分时,增加数据的维度,将其投射至高维空间,从而引出了SVM。在SVM中用的最普遍的两种把数据投射到高维空间的方法是多项式内核(Ploynomial)和径向基内核(Radialbasisfunctionkernel,RBF)。其中多项是内核比较容易理解,它是通过把原始特征进行乘方来把数据投射到高维空间,比如特征1乘2次方、特征2乘三次
- 深入浅出Python机器学习6——决策树与随机森林
繁华落尽心伤
机器学习深入浅出python机器学习
决策树决策树的基本原理决策树是一种在分类与回归中都有非常广泛应用的算法,它的原理是通过对一系列问题进行ifelse的推导,最终实现决策。决策树的构建使用酒的数据集演示一下。注意:此处为了方便演示,我们只取了数据集中样本的前两个特征。实际中,问题的数量越多,就代表决策树的深度越深,此处我们用的最大深度为1,所以max_depth=1。进一步看看分类器的表现如何。显然,最大深度为1时只分了两类,效果不
- 深入浅出Python机器学习5——朴素贝叶斯
繁华落尽心伤
机器学习深入浅出python机器学习
朴素贝叶斯基本概念/td>贝叶斯定理请看后续概率论篇朴素贝叶斯的简单应用在过去7天,有4天没有下雨(用0表示),三天下雨(用1表示)。这7天里气象的情况如下表:刮北风闷热多云天气预报有雨第1天否是否是第2天是是是否第3天否是是否第4天否否否是第5天否是是否第6天否是否是第7天是否否是用0表示否,1表示是。可得数组X=[0,1,0,1],[1,1,1,0],[0,1,1,0],[0,0,0,1],[
- 关于旗正规则引擎规则中的上传和下载问题
何必如此
文件下载压缩jsp文件上传
文件的上传下载都是数据流的输入输出,大致流程都是一样的。
一、文件打包下载
1.文件写入压缩包
string mainPath="D:\upload\"; 下载路径
string tmpfileName=jar.zip; &n
- 【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析
bit1129
Stream
以如下代码为例(SocketInputDStream):
Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中,撇开异常情况不谈(Receiver有重连机制,restart方法,默认情况下在Receiver挂了之后,间隔两秒钟重新建立Socket连接),读取到的数据通过调用store(textRead)方法进行存储。数据
- spark master web ui 端口8080被占用解决方法
daizj
8080端口占用sparkmaster web ui
spark master web ui 默认端口为8080,当系统有其它程序也在使用该接口时,启动master时也不会报错,spark自己会改用其它端口,自动端口号加1,但为了可以控制到指定的端口,我们可以自行设置,修改方法:
1、cd SPARK_HOME/sbin
2、vi start-master.sh
3、定位到下面部分
- oracle_执行计划_谓词信息和数据获取
周凡杨
oracle执行计划
oracle_执行计划_谓词信息和数据获取(上)
一:简要说明
在查看执行计划的信息中,经常会看到两个谓词filter和access,它们的区别是什么,理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。
简单说,执行计划如果显示是access,就表示这个谓词条件的值将会影响数据的访问路径(表还是索引),而filter表示谓词条件的值并不会影响数据访问路径,只起到
- spring中datasource配置
g21121
dataSource
datasource配置有很多种,我介绍的一种是采用c3p0的,它的百科地址是:
http://baike.baidu.com/view/920062.htm
<!-- spring加载资源文件 -->
<bean name="propertiesConfig"
class="org.springframework.b
- web报表工具FineReport使用中遇到的常见报错及解决办法(三)
老A不折腾
finereportFAQ报表软件
这里写点抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、repeated column width is largerthan paper width:
这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
- mysql 用户管理
墙头上一根草
linuxmysqluser
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为:
- 关于使用Spring导致c3p0数据库死锁问题
aijuans
springSpring 入门Spring 实例Spring3Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞
如果大家使用 spring 控制事务,使用 Open Session In View 模式,
com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
- 百度词库联想
annan211
百度
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>RunJS</title&g
- int数据与byte之间的相互转换实现代码
百合不是茶
位移int转bytebyte转int基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来;
主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029
int转byte;
byte转int;
/**
* 字节转成int,int转成字节
* @author Administrator
*
- 简单模拟实现数据库连接池
bijian1013
javathreadjava多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池
实例1:
package com.bijian.thread;
public class DB {
//private static final int MAX_COUNT = 10;
private static final DB instance = new DB();
private int count = 0;
private i
- 一种基于Weblogic容器的鉴权设计
bijian1013
javaweblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key,将用户名、密码保存到此key对应的value中,当然对于用户名、密码这种高机密的信息,应该对其进行加砂加密等,最简单的方法如下:
String vuser_id = "weblogic";
String vuse
- 【RPC框架Hessian二】Hessian 对象序列化和反序列化
bit1129
hessian
任何一个对象从一个JVM传输到另一个JVM,都要经过序列化为二进制数据(或者字符串等其他格式,比如JSON),然后在反序列化为Java对象,这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输),本文定义一个比较符合工作中。
1. 定义三个POJO
Person类
package com.tom.hes
- 【Hadoop十四】Hadoop提供的脚本的功能
bit1129
hadoop
1. hadoop-daemon.sh
1.1 启动HDFS
./hadoop-daemon.sh start namenode
./hadoop-daemon.sh start datanode
通过这种逐步启动的方式,比start-all.sh方式少了一个SecondaryNameNode进程,这不影响Hadoop的使用,其实在 Hadoop2.0中,SecondaryNa
- 中国互联网走在“灰度”上
ronin47
管理 灰度
中国互联网走在“灰度”上(转)
文/孕峰
第一次听说灰度这个词,是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。
灰度这个词所包含的意义和视野是广远的。要理解这个词,可能同样要用“灰度”的心态。灰度的反面,是规规矩矩,清清楚楚,泾渭分明,严谨条理,是决不妥协,不转弯,认死理。黑白分明不是灰度,像彩虹那样
- java-51-输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
bylijinnan
java
public class PrintMatrixClockwisely {
/**
* Q51.输入一个矩阵,按照从外向里以顺时针的顺序依次打印出每一个数字。
例如:如果输入如下矩阵:
1 2 3 4
5 6 7 8
9
- mongoDB 用户管理
开窍的石头
mongoDB用户管理
1:添加用户
第一次设置用户需要进入admin数据库下设置超级用户(use admin)
db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]});
第一个参数用户的名字
第二个参数
- [游戏与生活]玩暗黑破坏神3的一些问题
comsci
生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意
玩这个游戏的时间,每天不要超过一个小时,且每次玩游戏最好在白天
结束游戏之后,最好在太阳下面来晒一下身上的暗黑气息,让自己恢复人的生气
&nb
- java 二维数组如何存入数据库
cuiyadll
java
using System;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Xml;
using System.Xml.Serialization;
using System.IO;
namespace WindowsFormsApplication1
{
- 本地事务和全局事务Local Transaction and Global Transaction(JTA)
darrenzhu
javaspringlocalglobaltransaction
Configuring Spring and JTA without full Java EE
http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/
Spring doc -Transaction Management
http://docs.spring.io/spri
- Linux命令之alias - 设置命令的别名,让 Linux 命令更简练
dcj3sjt126com
linuxalias
用途说明
设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯,那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问 题,但对于带命令行参数的命令,链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】,使长命令变短,使常 用的长命令行变短,强制执行命令时询问等。
常用参数
格式:alias
格式:ali
- yii2 restful web服务[格式响应]
dcj3sjt126com
PHPyii2
响应格式
当处理一个 RESTful API 请求时, 一个应用程序通常需要如下步骤 来处理响应格式:
确定可能影响响应格式的各种因素, 例如媒介类型, 语言, 版本, 等等。 这个过程也被称为 content negotiation。
资源对象转换为数组, 如在 Resources 部分中所描述的。 通过 [[yii\rest\Serializer]]
- MongoDB索引调优(2)——[十]
eksliang
mongodbMongoDB索引优化
转载请出自出处:http://eksliang.iteye.com/blog/2178555 一、概述
上一篇文档中也说明了,MongoDB的索引几乎与关系型数据库的索引一模一样,优化关系型数据库的技巧通用适合MongoDB,所有这里只讲MongoDB需要注意的地方 二、索引内嵌文档
可以在嵌套文档的键上建立索引,方式与正常
- 当滑动到顶部和底部时,实现Item的分离效果的ListView
gundumw100
android
拉动ListView,Item之间的间距会变大,释放后恢复原样;
package cn.tangdada.tangbang.widget;
import android.annotation.TargetApi;
import android.content.Context;
import android.content.res.TypedArray;
import andr
- 程序员用HTML5制作的爱心树表白动画
ini
JavaScriptjqueryWebhtml5css
体验效果:http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下:
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" >
<ti
- 预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版
kakajw
ThinkPad预装改装windows 7windows 8
该教程具有普遍参考性,特别适用于联想的机器,其他品牌机器的处理过程也大同小异。
该教程是个人多次尝试和总结的结果,实用性强,推荐给需要的人!
缘由
小弟最近入手笔记本ThinkPad T440,但是特别不能习惯笔记本出厂预装的Windows 8系统,而且厂商自作聪明地预装了一堆没用的应用软件,消耗不少的系统资源(本本的内存为4G,系统启动完成时,物理内存占用比
- Nginx学习笔记
mcj8089
nginx
一、安装nginx 1、在nginx官方网站下载一个包,下载地址是:
http://nginx.org/download/nginx-1.4.2.tar.gz
2、WinSCP(ftp上传工
- mongodb 聚合查询每天论坛链接点击次数
qiaolevip
每天进步一点点学习永无止境mongodb纵观千象
/* 18 */
{
"_id" : ObjectId("5596414cbe4d73a327e50274"),
"msgType" : "text",
"sendTime" : ISODate("2015-07-03T08:01:16.000Z"
- java术语(PO/POJO/VO/BO/DAO/DTO)
Luob.
DAOPOJODTOpoVO BO
PO(persistant object) 持久对象
在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作.
VO(value object) 值对象
通
- 算法复杂度
Wuaner
Algorithm
Time Complexity & Big-O:
http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o
http://bigocheatsheet.com/
http://www.sitepoint.com/time-complexity-algorithms/