- 【机器学习】什么是逻辑回归?从入门到精通:掌握逻辑回归与二分类问题的解决之道
宸码
模式识别机器学习机器学习python逻辑回归分类人工智能算法
从入门到精通:掌握逻辑回归与二分类问题的解决之道引言1.1逻辑回归简介1.2逻辑回归的应用场景逻辑回归基本原理2.1逻辑回归概述逻辑回归的基本思想预测类别的概率2.2线性模型与Sigmoid函数线性模型Sigmoid函数Sigmoid函数的性质为什么选择Sigmoid函数2.3逻辑回归的输出:概率值分类决策代价函数与优化数学基础3.1逻辑回归的假设与目标假设目标3.2对数似然函数概率模型对数似然函
- 深度学习中常见激活函数总结
向左转, 向右走ˉ
深度学习人工智能pytorchpython
以下是一份深度学习激活函数的系统总结,涵盖定义、类型、作用、应用及选择影响,便于你快速掌握核心知识:一、激活函数的定义在神经网络中,激活函数(ActivationFunction)是神经元计算输出的非线性变换函数,作用于加权输入和偏置之和:输出=f(加权和+偏置)核心价值:引入非线性,使神经网络能够拟合任意复杂函数(无激活函数的深度网络等价于单层线性模型)。二、常见激活函数类型1.线性函数(Lin
- 机器学习之常用的回归预测模型
曼城周杰伦
机器学习机器学习回归人工智能算法
本文全面整理了各种回归预测模型,旨在帮助读者更好地学习回归预测模型。转载自:https://mp.weixin.qq.com/s/7m2waIASOEg90NONgRpQFQ一.线性模型线性回归是一种线性模型,通过特征的线性组合来预测连续值标签。线性回归通过拟合系数(可选择是否设置截距)的线性模型,以最小化真实值和预测值之间的残差平方和。scikit-learnlinear_models:http
- 30天pytorch从入门到熟练(day1)
一、总体工作思路本项目采用“从零构建”的策略,系统性地开展了深度学习模型的开发与优化工作。其目标在于通过全流程自研方式,深入理解模型构建、训练优化、推理部署的关键技术环节。整体路径分为以下核心阶段:模型初步构建:以最简单的线性模型y=Ax+B为起点,快速搭建数据流通路;数据生成机制设计:构建基于正态分布的可控数据生成器,逐步增加数据复杂度;模型复杂度提升:在逐步提高神经网络深度与宽度的同时,引入残
- 最小二乘法的理论推导
士兵突击许三多
最小二乘法最小二乘法
最小二乘法的理论推导最小二乘法是一种通过最小化误差平方和来估计模型参数的方法。下面我将详细推导线性最小二乘法的理论过程,并给出相应的LaTeX公式。问题描述给定一组观测数据点(xi,yi),i=1,2,...,n(x_i,y_i),i=1,2,...,n(xi,yi),i=1,2,...,n,我们希望找到线性模型:y=ax+by=ax+by=ax+b使得模型预测值与实际观测值之间的误差平方和最小。
- 为什么Sigmoind适用于输出层而不是输入层隐藏层
AI扶我青云志
人工智能
Sigmoid函数在神经网络中的适用性与其数学特性、计算效率及梯度行为密切相关。它更适用于输出层而非隐藏层或输入层,主要基于以下原因:一、Sigmoid的核心特性输出范围压缩Sigmoid函数将任意实数映射到(0,1)区间(公式:)。这种特性使其天然适合表示概率,例如二分类问题中输出“属于正类的概率”。非线性与平滑性作为连续可微的S型曲线,Sigmoid提供非线性转换能力,避免网络退化为线性模型。
- python打卡第52天
知识点回顾:随机种子内参的初始化神经网络调参指南参数的分类调参的顺序各部分参数的调整心得##随机种子importtorchimporttorch.nnasnn#定义简单的线性模型(无隐藏层)#输入2个纬度的数据,得到1个纬度的输出classSimpleNet(nn.Module):def__init__(self):super(SimpleNet,self).__init__()#线性层:2个输入
- 神经元激活函数在神经网络里起着关键作用
MYH516
神经网络人工智能深度学习
神经元激活函数在神经网络里起着关键作用,它能为网络赋予非线性能力,让网络可以学习复杂的函数映射关系。下面从多个方面详细剖析激活函数的作用和意义:1.核心作用:引入非线性因素线性模型的局限性:假设一个简单的神经元没有激活函数,其输出为\(y=w_1x_1+w_2x_2+b\),这本质上是一个线性函数。即便构建多层这样的线性神经元网络,最终的输出依然是输入的线性组合,就像\(y=w_1'x_1+w_2
- 手把手教你学Simulink--多传感器融合与高级滤波场景(50.2):基于卡尔曼滤波(EKF)在非线性系统状态估计中的应用仿真
小蘑菇二号
手把手教你学MATLAB专栏手把手教你学Simulinksimulink
目录一、准备工作二、步骤详解第一步:创建Simulink模型第二步:定义非线性系统模型第三步:设计扩展卡尔曼滤波器(EKF)第四步:实现EKF控制器第五步:整合控制系统第六步:设置参考姿态或轨迹第七步:运行仿真并分析结果注意事项结论扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)是处理非线性系统状态估计的一种常用方法。EKF通过线性化非线性模型来近似标准的卡尔曼滤波过程,从而实现
- Python 在金融中的应用- Part 1
Morpheon
python金融人工智能
早在2018年,我开始对资本市场产生兴趣。理解资本市场的基本理论对财富积累至关重要。我开始阅读所有经典著作,如《聪明的投资者》和《证券分析》。在这一系列文章中,我想与读者分享在Python编程语言背景下理解金融理论的旅程。在文章的第一大部分,我们将专注于金融模型的线性方面,资本资产定价模型(CAPM)、套利定价理论(APT)和线性优化。后续章节将涵盖非线性模型。线性是现实世界的简化版本。它在概念上
- Spark MLlib模型—决策树系列算法
猫猫姐
Spark实战算法spark-ml决策树
文章目录SparkMLlib模型—决策树系列算法决策树系列算法随机森林(RandomForest)GBDT(Gradient-boostedDecisionTrees)总结SparkMLlib模型—决策树系列算法前面我们重点介绍了机器学习中的特征工程,以及SparkMLlib框架支持的特征处理函数。基于线性回归模型,我们对比了不同特征处理方法下的模型效果。一般来说,线性模型的模型容量比较有限,它仅
- MATLAB怎么用命令找模块,MATLAB simulink命令集
神康不是狗
MATLAB怎么用命令找模块
simulink命令集(转载)仿真命令:sim---仿真运行一个simulink模块sldebug---调试一个simulink模块simset---设置仿真参数simget---获取仿真参数线性化和整理命令:linmod---从连续时间系统中获取线性模型(状态方程)linmod2---也是获取线性模型,采用高级方法dinmod---从离散时间系统中获取线性模型trim---为一个仿真系统寻找稳定
- matlab simulink 黑屏,Simulink中的常见问题.doc
MC猪颈肉
matlabsimulink黑屏
Simulink中的常见问题Simulink中的常见问题仿真命令:?sim---仿真运行一个simulink模块?sldebug---调试一个simulink模块?simset---设置仿真参数?simget---获取仿真参数?线性化和整理命令:?linmod---从连续时间系统中获取线性模型(状态方程)?linmod2---也是获取线性模型,采用高级方法?dinmod---从离散时间系统中获取线
- 2篇7章3节:广义加性回归模型的可视化和模型的诊断
R科学与人工智能
用R探索医药数据科学回归数据挖掘人工智能r语言算法开发语言大数据
在现代统计建模与数据科学中,非线性建模方法逐渐取代了传统线性模型在许多实际问题中的地位。广义加性模型(GeneralizedAdditiveModel,GAM)作为一种灵活、解释性强的非线性回归方法,越来越受到研究人员的青睐。本文将通过一个完整的建模流程,结合R语言中mgcv包的使用,系统介绍如何使用模拟数据进行GAM建模、结果可视化与模型诊断,并介绍一种分阶段建模的技巧以提高建模灵活性。一、广义
- 极大似然估计与机器学习
xsddys
机器学习人工智能
复习概统的时候突然发现好像极大似然估计MLE与机器学习的数据驱动非常相似,都是采样样本然后估计模型参数。貌似,后知后觉的才意识到极大似然估计就是机器学习有效的数学保证下面以拟合线性分布的最小二乘与分类问题为例推到以下如何从似然函数推导出MSE损失与交叉熵损失一、线性回归的最小二乘法1.概率模型设定假设数据由线性模型生成,且观测噪声服从正态分布:y=wTx+ϵ,ϵ∼N(0,σ2)y=\mathbf{
- 广义线性模型——Logistic回归模型(1)
吹哨子的喇叭花
r语言数据分析
广义线性模型(GLM)是线性模型的扩展,它通过连接函数建立响应变量的数学期望值与线性组合的预测变量之间的关系。广义线性模型拟合的形式为:其中g(μY)是条件均值的函数(称为连接函数)。另外,你可放松Y为正态分布的假设,改为Y服从指数分布族中的一种分布即可。设定好连接函数和概率分布后,便可以通过最大似然估计的多次迭代推导出各参数值。在大部分情况下,线性模型就可以通过一系列连续型或类别型预测变量来预测
- 02_线性模型(回归线性模型)
白杆杆红伞伞
machinelearning回归数据挖掘人工智能
描述线性模型是在实践中广泛使用的一类模型,线性模型利用输入特征的线性函数(linearfunction)进行预测。用于回归的线性模型对于回归问题,线性模型预测的一般公式如下:$\widehaty=w[0]*x[0]+w[1]*x[1]+…+w[p]*x[p]+b$这里x[0]到x[p]表示单个数据点的特征(本例中特征个数为p+1),w和b是学习模型的参数,$\widehaty$是模型的预测结果。对
- 西瓜书【机器学习(周志华)】目录
随机森林404
机器学习机器学习
第一部分:基础概念机器学习概述1.1人工智能与机器学习1.2机器学习分类1.3机器学习应用1.4机器学习常用术语解释模型的评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4偏差与方差第二部分:核心算法线性模型3.1什么是回归3.2一元线性回归3.3多元线性回归3.4对数几率回归3.5线性判别分析(LDA)3.6多分类学习3.7类别不平衡问题决策树4.1决策树概述4.2ID3算法4.
- 前馈神经网络回归(ANN Regression)从原理到实战
梁下轻语的秋缘
Python学习人工智能算法神经网络回归人工智能
前馈神经网络回归(ANNRegression)从原理到实战一、回归问题与前馈神经网络的适配性分析在机器学习领域,回归任务旨在建立输入特征与连续型输出变量之间的映射关系。前馈神经网络(FeedforwardNeuralNetwork)作为最基础的神经网络架构,通过多层非线性变换,能够有效捕捉复杂的非线性映射关系,尤其适合处理传统线性模型难以建模的高维、非线性回归问题。1.1回归任务核心特征输出空间连
- 模型部署 - onnx 的导出和分析 - PyTorch 导出 ONNX - 学习记录
Nice_cool.
Onnx与TensorRTpytorch学习人工智能
onnx的导出和分析一、PyTorch导出ONNX的方法1.1、一个简单的例子--将线性模型转成onnx1.2、导出多个输出头的模型1.3、导出含有动态维度的模型二、pytorch导出onnx不成功的时候如何解决2.1、修改opset的版本2.2、替换pytorch中的算子组合2.3、在pytorch登记(注册)onnx中某些算子案例一:2.3.1、注册方法一2.3.2、注册方法二案例二:2.4、
- 数据挖掘技术与应用实验报告(三) —— 应用非线性模型进行客运量预测的实例
小李独爱秋
数据挖掘技术与应用数据挖掘可视化非线性预测模型python
一、实验目的掌握非线性回归模型的基本原理及其在客运量预测中的应用方法,理解非线性模型相较于线性模型的优势与适用场景。通过某省1987—2006年客运量相关数据,分析公路客运量与社会总客运量的变化趋势,探究时间序列中隐含的非线性关系。培养数据建模能力,包括数据预处理、模型参数估计、模型检验及预测分析,为交通规划提供理论支持。二、实验内容根据某省交通统计汇编材料得到下表中所列数据,包括某省1987-2
- 线性回归算法介绍和代码例程
WangLanguager
算法数学算法线性回归机器学习
线性回归算法介绍:线性回归是一种用于建立输入变量与连续输出变量之间线性关系的机器学习算法。其基本思想是通过最小化实际观测值(y)和模型预测值(y_hat)之间的残差平方和来拟合最佳的线性模型。线性回归模型的数学表达式如下:复制代码y=b0+b1*x1+b2*x2+...+bn*xn其中,y是预测值,b0是截距,b1,b2,...,bn是特征的系数,x1,x2,...,xn是输入特征。线性回归适用于
- 神经网络:节点、隐藏层与非线性学习
未来创世纪
机器学习神经网络学习网络
神经网络:节点、隐藏层与非线性学习摘要:神经网络是机器学习领域中一种强大的工具,能够通过复杂的结构学习数据中的非线性关系。本文从基础的线性模型出发,逐步深入探讨神经网络中节点和隐藏层的作用,以及它们如何帮助模型捕捉复杂的模式。通过实例分析和练习,我们将揭示隐藏层在非线性学习中的关键作用,并讨论激活函数在打破线性限制中的重要性。本文旨在为读者提供一个清晰的神经网络学习路径,帮助读者更好地理解和应用这
- pytorch入门案例(来自B站up主刘二大人视频)
侃山
pythonpytorchpytorch人工智能python
1简介选择IDE为pycharm,文中y_hat表示预测值案例如下:已知x=1时,y为2;x=2时,y为4;x=3时,y为6,现利用线性模型(不含偏置量,仅包含斜率参数,即y_hat=w*x)预测x=4时y的值2代码讲解2.1代码总览importtorchx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.tensor([1.0])w.requires_
- 李沐08线性回归和基础算法优化——自学笔记
Rrrrrr900
算法线性回归笔记pytorch深度学习机器学习python
线性回归简化模型输入、权重、偏差、输出给定n维输入:x=[x1,x2,…,xn]^T线性模型有一个n维权重和一个标量偏差:w=[w1,w2,…,wn]^T,b输出是输入的加权和:y=w1x1+w2x2+…+wnxn+b向量版:y=+b平方损失:比较真实值和预估值假设y是真实值,y^是估计值l(y,y)=0.5*(y-y)^2训练数据:收集一些数据点来决定参数值(权重和偏差,过去的值)训练数据通常越
- torch.nn中的非线性激活使用
小白的高手之路
Pytorch实战pytorchpython人工智能深度学习cnn神经网络机器学习
1、神经网络中的非线性激活 在神经网络中,**非线性激活函数(Non-linearActivationFunctions)**是引入非线性变换的关键组件,使神经网络能够学习并建模复杂的非线性关系。如果没有激活函数,无论神经网络有多少层,其整体表现仍等同于一个线性模型(如逻辑回归),无法解决非线性问题(如图像分类、自然语言处理等)。为什么需要非线性激活?打破线性限制:线性变换的叠加仍然是线性的(如
- 机器学习笔记:python中使用sklearn的linear_model回归预测
代码先觉
pythonpythonsklearn
fromsklearnimportlinear_model#LinearRegression拟合一个带有系数w=(w_1,...,w_p)的线性模型,#使得数据集实际观测数据和预测数据(估计值)之间的残差平方和最小。reg=linear_model.LinearRegression()reg.fit([[0,0],[1,2],[2,4]],[0,1,2])print(reg.coef_)print
- 【scikit-learn基础】--『监督学习』之 逻辑回归分类
大雄野比
scikit-learn学习逻辑回归
逻辑回归这个算法的名称有一定的误导性。虽然它的名称中有“回归”,当它在机器学习中不是回归算法,而是分类算法。因为采用了与回归类似的思想来解决分类问题,所以它的名称才会是逻辑回归。逻辑回归的思想可以追溯到19世纪,由英国统计学家FrancisGalton在研究豌豆遗传问题时首次提出。然而,真正将逻辑回归应用于机器学习的是加拿大统计学家HughEverett,他在1970年代提出了广义线性模型(GLM
- 深度学习基础原理知识整理
MayByte
深度学习深度学习人工智能
深度学习基础原理知识整理线性回归模型线性回归模型定义假设给定数据集(D={(x1,y1),(x2,y2),…,(xm,ym)}),其中xi=(xi1;xi2;…;xid),xi∈Rx~i~\in\mathbb{R}xi∈R。线性回归就是试图学得一个线性模型,尽可能准确地预测实际输出值。通俗地讲,即求属性与结果之间的线性关系。线性回归模型的函数表达式为:f(x)=w1x1+w2x2+⋯+wnxn+b
- 搜广推校招面经七十六
Y1nhl
搜广推面经深度学习人工智能pytorch推荐算法搜索算法
小米数据挖掘算法一、核函数(KernelFunction)有什么用核函数是一种用来计算数据在高维空间中内积的数学工具,不需要显式地进行维度变换,即可在原始空间中完成高维特征的计算。它是核技巧(KernelTrick)的核心,使得某些线性模型(如SVM)能在非线性空间中工作。核技巧:将低维非线性问题映射到高维线性问题,并通过核函数避免显式映射。1.1.内积vs映射设有两个向量:x=[x1,x2],我
- Java开发中,spring mvc 的线程怎么调用?
小麦麦子
springmvc
今天逛知乎,看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题,觉得挺有意思的,那哥们儿问的也听仔细,下面的回答也很详尽,分享出来,希望遇对遇到类似问题的Java开发程序猿有所帮助。
问题:
在用spring mvc架构的网站上,设一线程在虚拟机启动时运行,线程里有一全局
- maven依赖范围
bitcarter
maven
1.test 测试的时候才会依赖,编译和打包不依赖,如junit不被打包
2.compile 只有编译和打包时才会依赖
3.provided 编译和测试的时候依赖,打包不依赖,如:tomcat的一些公用jar包
4.runtime 运行时依赖,编译不依赖
5.默认compile
依赖范围compile是支持传递的,test不支持传递
1.传递的意思是项目A,引用
- Jaxb org.xml.sax.saxparseexception : premature end of file
darrenzhu
xmlprematureJAXB
如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误:
org.xml.sax.saxparseexception : premature end of file
很有可能时你直接读取文件为inputstream,然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
- CSS Specificity
周凡杨
html权重Specificitycss
有时候对于页面元素设置了样式,可为什么页面的显示没有匹配上呢? because specificity
CSS 的选择符是有权重的,当不同的选择符的样式设置有冲突时,浏览器会采用权重高的选择符设置的样式。
规则:
HTML标签的权重是1
Class 的权重是10
Id 的权重是100
- java与servlet
g21121
servlet
servlet 搞java web开发的人一定不会陌生,而且大家还会时常用到它。
下面是java官方网站上对servlet的介绍: java官网对于servlet的解释 写道
Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
- eclipse中安装maven插件
510888780
eclipsemaven
1.首先去官网下载 Maven:
http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz
下载完成之后将其解压,
我将解压后的文件夹:apache-maven-3.2.3,
并将它放在 D:\tools目录下,
即 maven 最终的路径是:D:\tools\apache-mave
- jpa@OneToOne关联关系
布衣凌宇
jpa
Nruser里的pruserid关联到Pruser的主键id,实现对一个表的增删改,另一个表的数据随之增删改。
Nruser实体类
//*****************************************************************
@Entity
@Table(name="nruser")
@DynamicInsert @Dynam
- 我的spring学习笔记11-Spring中关于声明式事务的配置
aijuans
spring事务配置
这两天学到事务管理这一块,结合到之前的terasoluna框架,觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容,对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种,我承认后两种的内容很好,很强大。但是实际的项目当中
- java 动态代理简单实现
antlove
javahandlerproxydynamicservice
dynamicproxy.service.HelloService
package dynamicproxy.service;
public interface HelloService {
public void sayHello();
}
dynamicproxy.service.impl.HelloServiceImpl
package dynamicp
- JDBC连接数据库
百合不是茶
JDBC编程JAVA操作oracle数据库
如果我们要想连接oracle公司的数据库,就要首先下载oralce公司的驱动程序,将这个驱动程序的jar包导入到我们工程中;
JDBC链接数据库的代码和固定写法;
1,加载oracle数据库的驱动;
&nb
- 单例模式中的多线程分析
bijian1013
javathread多线程java多线程
谈到单例模式,我们立马会想到饿汉式和懒汉式加载,所谓饿汉式就是在创建类时就创建好了实例,懒汉式在获取实例时才去创建实例,即延迟加载。
饿汉式:
package com.bijian.study;
public class Singleton {
private Singleton() {
}
// 注意这是private 只供内部调用
private static
- javascript读取和修改原型特别需要注意原型的读写不具有对等性
bijian1013
JavaScriptprototype
对于从原型对象继承而来的成员,其读和写具有内在的不对等性。比如有一个对象A,假设它的原型对象是B,B的原型对象是null。如果我们需要读取A对象的name属性值,那么JS会优先在A中查找,如果找到了name属性那么就返回;如果A中没有name属性,那么就到原型B中查找name,如果找到了就返回;如果原型B中也没有
- 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource
bit1129
dataSource
MyBatis内置了数据源的支持,如:
<environments default="development">
<environment id="development">
<transactionManager type="JDBC" />
<data
- 我程序中用到的urldecode和base64decode,MD5
bitcarter
cMD5base64decodeurldecode
这里是base64decode和urldecode,Md5在附件中。因为我是在后台所以需要解码:
string Base64Decode(const char* Data,int DataByte,int& OutByte)
{
//解码表
const char DecodeTable[] =
{
0, 0, 0, 0, 0, 0
- 腾讯资深运维专家周小军:QQ与微信架构的惊天秘密
ronin47
社交领域一直是互联网创业的大热门,从PC到移动端,从OICQ、MSN到QQ。到了移动互联网时代,社交领域应用开始彻底爆发,直奔黄金期。腾讯在过去几年里,社交平台更是火到爆,QQ和微信坐拥几亿的粉丝,QQ空间和朋友圈各种刷屏,写心得,晒照片,秀视频,那么谁来为企鹅保驾护航呢?支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢?本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
- java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素
bylijinnan
java
public class MinOfShiftedArray {
/**
* Q69 旋转数组的最小元素
* 把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素。
* 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转,该数组的最小值为1。
*/
publ
- 看博客,应该是有方向的
Cb123456
反省看博客
看博客,应该是有方向的:
我现在就复习以前的,在补补以前不会的,现在还不会的,同时完善完善项目,也看看别人的博客.
我刚突然想到的:
1.应该看计算机组成原理,数据结构,一些算法,还有关于android,java的。
2.对于我,也快大四了,看一些职业规划的,以及一些学习的经验,看看别人的工作总结的.
为什么要写
- [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖
comsci
开源项目
为什么这样说呢? 因为科学和技术的发展有时候需要一个平缓和长期的积累过程,但是行政和商业体系本身充满各种不稳定性和不确定性,如果你希望长期从事某个科研项目,但是却又必须依赖于某种行政和商业体系,那其中的过程必定充满各种风险。。。
所以,为避免这种不确定性风险,我
- 一个 sql优化 ([精华] 一个查询优化的分析调整全过程!很值得一看 )
cwqcwqmax9
sql
见 http://www.itpub.net/forum.php?mod=viewthread&tid=239011
Web翻页优化实例
提交时间: 2004-6-18 15:37:49 回复 发消息
环境:
Linux ve
- Hibernat and Ibatis
dashuaifu
Hibernateibatis
Hibernate VS iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架,当前版本是3.05。它出身于sf.net,现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架,当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言,iBATIS 是一种“Sql Mappi
- 备份MYSQL脚本
dcj3sjt126com
mysql
#!/bin/sh
# this shell to backup mysql
#
[email protected] (QQ:1413161683 DuChengJiu)
_dbDir=/var/lib/mysql/
_today=`date +%w`
_bakDir=/usr/backup/$_today
[ ! -d $_bakDir ] && mkdir -p
- iOS第三方开源库的吐槽和备忘
dcj3sjt126com
ios
转自
ibireme的博客 做iOS开发总会接触到一些第三方库,这里整理一下,做一些吐槽。 目前比较活跃的社区仍旧是Github,除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流,这里主要介绍一下Github里面流行的iOS库。 首先整理了一份
Github上排名靠
- html wlwmanifest.xml
eoems
htmlxml
所谓优化wp_head()就是把从wp_head中移除不需要元素,同时也可以加快速度。
步骤:
加入到function.php
remove_action('wp_head', 'wp_generator');
//wp-generator移除wordpress的版本号,本身blog的版本号没什么意义,但是如果让恶意玩家看到,可能会用官网公布的漏洞攻击blog
remov
- 浅谈Java定时器发展
hacksin
java并发timer定时器
java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor,从后者的表现来看,可以考虑完全替代Timer了。
Timer与ScheduleThreadPoolExecutor对比:
1.
Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
- 移动端页面侧边导航滑入效果
ini
jqueryWebhtml5cssjavascirpt
效果体验:http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js,该版本的jQuery库是用于支持HTML5的浏览器上,不再兼容IE8以前的浏览器,现在移动端浏览器一般都支持HTML5,所以使用该jQuery没问题。HTML文件代码:
<!DOCTYPE html>
<h
- AspectJ+Javasist记录日志
kane_xie
aspectjjavasist
在项目中碰到这样一个需求,对一个服务类的每一个方法,在方法开始和结束的时候分别记录一条日志,内容包括方法名,参数名+参数值以及方法执行的时间。
@Override
public String get(String key) {
// long start = System.currentTimeMillis();
// System.out.println("Be
- redis学习笔记
MJC410621
redisNoSQL
1)nosql数据库主要由以下特点:非关系型的、分布式的、开源的、水平可扩展的。
1,处理超大量的数据
2,运行在便宜的PC服务器集群上,
3,击碎了性能瓶颈。
1)对数据高并发读写。
2)对海量数据的高效率存储和访问。
3)对数据的高扩展性和高可用性。
redis支持的类型:
Sring 类型
set name lijie
get name lijie
set na
- 使用redis实现分布式锁
qifeifei
在多节点的系统中,如何实现分布式锁机制,其中用redis来实现是很好的方法之一,我们先来看一下jedis包中,有个类名BinaryJedis,它有个方法如下:
public Long setnx(final byte[] key, final byte[] value) {
checkIsInMulti();
client.setnx(key, value);
ret
- BI并非万能,中层业务管理报表要另辟蹊径
张老师的菜
大数据BI商业智能信息化
BI是商业智能的缩写,是可以帮助企业做出明智的业务经营决策的工具,其数据来源于各个业务系统,如ERP、CRM、SCM、进销存、HER、OA等。
BI系统不同于传统的管理信息系统,他号称是一个整体应用的解决方案,是融入管理思想的强大系统:有着系统整体的设计思想,支持对所有
- 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题
wudixiaotie
function
1.在~/.bashrc最后加入
[[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"
2.重新启动terminal输入:
rvm use ruby-2.2.1 --default
把当前安装的ruby版本设为默