qq_43498494
qq_43498494

机器学习之--sklearn介绍

文章目录

    • 机器学习框架
    • sklearn框架结构
      • 启动notebook
    • 算法一---KNN
    • KNN算法入门---K分类，近邻
    • KNN算法调参数--准确率
    • KNN手写数字识别
      • 图像二值化处理

机器学习框架

数据挖掘：我们从数据中找出有规律的规则。数据分析：对数据分类处理，找出内在规律。这就是机器学习。
机器学习之--sklearn介绍_第1张图片
机器学习之--sklearn介绍_第2张图片
机器学习之--sklearn介绍_第3张图片
机器学习之--sklearn介绍_第4张图片
机器学习之--sklearn介绍_第5张图片
机器学习之--sklearn介绍_第6张图片

sklearn框架结构

机器学习之--sklearn介绍_第7张图片
机器学习之--sklearn介绍_第8张图片
机器学习之--sklearn介绍_第9张图片
会将依赖库也同时安装。
机器学习之--sklearn介绍_第10张图片
机器学习之--sklearn介绍_第11张图片
机器学习之--sklearn介绍_第12张图片

启动notebook

机器学习之--sklearn介绍_第13张图片
机器学习之--sklearn介绍_第14张图片
机器学习之--sklearn介绍_第15张图片
机器学习之--sklearn介绍_第16张图片
机器学习之--sklearn介绍_第17张图片
机器学习之--sklearn介绍_第18张图片
机器学习之--sklearn介绍_第19张图片
机器学习之--sklearn介绍_第20张图片
6个子文件夹模块
机器学习之--sklearn介绍_第21张图片

算法一—KNN

机器学习之--sklearn介绍_第22张图片

KNN算法入门—K分类，近邻

机器学习之--sklearn介绍_第23张图片
机器学习之--sklearn介绍_第24张图片
机器学习之--sklearn介绍_第25张图片
机器学习之--sklearn介绍_第26张图片
机器学习之--sklearn介绍_第27张图片
建立一个子python代码
机器学习之--sklearn介绍_第28张图片
机器学习之--sklearn介绍_第29张图片
机器学习之--sklearn介绍_第30张图片
计算机不可以对文本数据进行加载与运算，逻辑运算。对于文本数据计算机只能去拼接数据。

机器学习之--sklearn介绍_第31张图片
机器学习之--sklearn介绍_第32张图片
在这里插入图片描述
机器学习之--sklearn介绍_第33张图片
机器学习之--sklearn介绍_第34张图片
机器学习之--sklearn介绍_第35张图片
机器学习之--sklearn介绍_第36张图片
机器学习之--sklearn介绍_第37张图片
机器学习之--sklearn介绍_第38张图片
机器学习之--sklearn介绍_第39张图片
机器学习之--sklearn介绍_第40张图片
机器学习之--sklearn介绍_第41张图片
petal为花瓣
机器学习之--sklearn介绍_第42张图片
机器学习之--sklearn介绍_第43张图片
机器学习之--sklearn介绍_第44张图片
机器学习之--sklearn介绍_第45张图片
机器学习之--sklearn介绍_第46张图片
机器学习之--sklearn介绍_第47张图片
机器学习之--sklearn介绍_第48张图片

KNN算法调参数–准确率

在这里插入图片描述
在这里插入图片描述机器学习之--sklearn介绍_第49张图片
机器学习之--sklearn介绍_第50张图片
机器学习之--sklearn介绍_第51张图片
机器学习之--sklearn介绍_第52张图片
机器学习之--sklearn介绍_第53张图片
机器学习之--sklearn介绍_第54张图片
机器学习之--sklearn介绍_第55张图片
机器学习之--sklearn介绍_第56张图片
机器学习之--sklearn介绍_第57张图片
机器学习之--sklearn介绍_第58张图片
机器学习之--sklearn介绍_第59张图片
机器学习之--sklearn介绍_第60张图片
机器学习之--sklearn介绍_第61张图片
机器学习之--sklearn介绍_第62张图片
K值更不能超过样本总量
机器学习之--sklearn介绍_第63张图片

KNN手写数字识别

机器学习之--sklearn介绍_第64张图片机器学习之--sklearn介绍_第65张图片
bitmap图片都是一位一位的，一个bit一个bit的，所以bitmap是一种基础的图片，也是一种图片格式。
机器学习之--sklearn介绍_第66张图片
机器学习之--sklearn介绍_第67张图片
机器学习之--sklearn介绍_第68张图片
机器学习之--sklearn介绍_第69张图片
机器学习之--sklearn介绍_第70张图片
机器学习之--sklearn介绍_第71张图片
机器学习之--sklearn介绍_第72张图片
1个子文件夹中有500张图片，有10个子文件夹，即0-9；
机器学习之--sklearn介绍_第73张图片
机器学习之--sklearn介绍_第74张图片
机器学习之--sklearn介绍_第75张图片
机器学习之--sklearn介绍_第76张图片
机器学习之--sklearn介绍_第77张图片
机器学习之--sklearn介绍_第78张图片
机器学习之--sklearn介绍_第79张图片
机器学习之--sklearn介绍_第80张图片
机器学习之--sklearn介绍_第81张图片
机器学习之--sklearn介绍_第82张图片
机器学习之--sklearn介绍_第83张图片
机器学习之--sklearn介绍_第84张图片
机器学习之--sklearn介绍_第85张图片
机器学习之--sklearn介绍_第86张图片
机器学习之--sklearn介绍_第87张图片
将长与宽这两维度合在一个维度上了，但是原来4000个样本现在还是4000个样本。
机器学习之--sklearn介绍_第88张图片
机器学习之--sklearn介绍_第89张图片
机器学习之--sklearn介绍_第90张图片
机器学习之--sklearn介绍_第91张图片
在这里插入图片描述
机器学习之--sklearn介绍_第92张图片
机器学习之--sklearn介绍_第93张图片
机器学习之--sklearn介绍_第94张图片
机器学习之--sklearn介绍_第95张图片
机器学习之--sklearn介绍_第96张图片
机器学习之--sklearn介绍_第97张图片
机器学习之--sklearn介绍_第98张图片

机器学习之--sklearn介绍_第99张图片
机器学习之--sklearn介绍_第100张图片

图像二值化处理

机器学习之--sklearn介绍_第101张图片
二值化效果
机器学习之--sklearn介绍_第102张图片
机器学习之--sklearn介绍_第103张图片
机器学习之--sklearn介绍_第104张图片
机器学习之--sklearn介绍_第105张图片
在这里插入图片描述
机器学习之--sklearn介绍_第106张图片
机器学习之--sklearn介绍_第107张图片
机器学习之--sklearn介绍_第108张图片机器学习之--sklearn介绍_第109张图片
机器学习之--sklearn介绍_第110张图片
机器学习之--sklearn介绍_第111张图片
机器学习之--sklearn介绍_第112张图片
机器学习之--sklearn介绍_第113张图片
图像二值化操作对于验证测试数据来说比较好，因为有的测试图片颜色不纯，我只要经过二值化处理后变成纯黑与纯白，即更便于机器识别。

你可能感兴趣的:(sklearn)

  • 3.多层感知机 温柔济沧海 深度学习深度学习人工智能多层感知机
    3.1从零实现多层感知机#数据集导入importtorchimporttorchvisionfromtorchvisionimporttransformsimportmatplotlib.pyplotaspltfromtorch.utils.dataimportDataLoaderfromtorchimportnnfromtqdmimporttqdmfromsklearn.metricsimpor
  • Aletheia 情感智能模型：完整实现
    Aletheia情感智能模型，整合所有核心模块并解决之前指出的问题。这个实现包含完整的神经动力学系统、多模态情感融合、伦理约束场和量子意识接口。importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.integrateimportodeintfromsklearn.decompositionimportPCAimporttorchimporttor
  • 使用AutoKeras2.0的AutoModel进行结构化数据回归预测
    1、FirstofAll:ReadTheFuckingSourceCodeimportautokerasasakimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportmean_squared_error#生成数据集np.random.seed(42)x=np.random.r
  • 使用 Bank Churn 数据集进行二元分类
    一、前言分类任务：预测客户是继续使用其帐户还是关闭帐户（例如，流失）项目地址：https://www.kaggle.com/competitions/playground-series-s4e1二、具体步骤（一）数据导入与预览importpandasaspdimportnumpyasnpimportmatplotlib.pylabaspltimportseabornassnsfromsklearn
  • 线性回归 python代码 黄涵奕 python线性回归numpy机器学习开发语言
    下面是一个线性回归模型的Python代码示例：importnumpyasnpfromsklearn.linear_modelimportLinearRegression#训练数据x=np.array([[1],[2],[3],[4],[5]])y=np.array([5,7,9,11,13])#建立模型reg=LinearRegression().fit(x,y)#预测reg.predict(np
  • 深度学习篇---简单果实分类网络
    下面我将提供一个使用Python从零实现果实分类模型的完整流程，包括数据准备、模型构建、训练和部署，不依赖任何深度学习框架，仅使用NumPy进行数值计算。1.数据准备与预处理首先需要准备果实图像数据集，将其分为好果和坏果两类，并进行预处理：importosimportnumpyasnpfromPILimportImagefromsklearn.model_selectionimporttrain_
  • Python scikit-learn 【机器学习库】全面讲解
    让AI成为我们的得力助手：《用Cursor玩转AI辅助编程——不写代码也能做软件开发》scikit-learn（简称sklearn）是Python最流行的机器学习库之一，提供简单高效的数据挖掘和数据分析工具。它基于NumPy、SciPy和Matplotlib构建，广泛应用于工业界和学术界。核心优势统一API设计：所有模型使用一致的接口（fit()、predict()、score()）丰富的算法：覆
  • python训练60天挑战-day51
    DAY51复习日作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高kaggl的一个图像数据集；数据集地址：LungNoduleMalignancy肺结核良恶性判断三层卷积CNN做到的精度63%，现在需要实现提高。importosimportpandasaspdimportnumpyasnpfromsklearn.model_se
  • Day36 复习日 cylat python打卡深度学习机器学习人工智能python神经网络
    目录一、对之前的信贷项目，利用神经网络训练下二、尝试进入nn.Module中，查看他的方法模型训练与评估相关参数管理相关模块管理相关设备相关钩子函数相关一、对之前的信贷项目，利用神经网络训练下importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.model_selectionimporttrain_test_splitfr
  • 线性回归（Linear regression）算法详解 .30-06Springfield 人工智能算法详解算法线性回归回归python人工智能机器学习
    文章目录一、线性回归基础概念1.1什么是线性回归1.2线性回归小例子二、sklearn中线性回归的API和参数2.1安装sklearn2.2LinearRegression2.3SGDRegresso2.4Lasso2.5Ridge2.6各个API的对比三、使用sklearn实现线性回归3.1程序概述3.2核心功能3.3关键技术细节3.4程序运行结果3.5代码结构一、线性回归基础概念1.1什么是线
  • Python训练营-Day40 m0_72314023 python开发语言
    importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerimporttimeimportmatplotlib.pyplotaspltfromtqdmimporttqd
  • 用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记） ZD困困困 python机器学习
    本文为个人学习笔记，仅供学习参考，欢迎讨论，要是有哪里写的不对或有疑问的欢迎讨论。题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。文章目录1.导入数据集①read_csv():读取数据并以某字符分隔。②merge():合并③drop():删除行或列④tolist():将数组或矩阵转换为列表⑤train_tes
  • python学智能算法（十五）|机器学习朴素贝叶斯方法进阶-CountVectorizer多文本处理 西猫雷婶 人工智能机器学习python学习笔记机器学习python人工智能深度学习scikit-learn
    【1】引言前序学习进程中，已经学习CountVectorizer文本处理的简单技巧，先相关文章链接为：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-CSDN博客此次继续深入，研究多文本的综合处理。【2】代码测试首先相对于单文本测试，直接将文本改成多行文本：#引入必要的模块fromsklearn.feature_extraction.te
  • educoder机器学习 --- 神经网络 木右加木 educoder机器学习神经网络
    第1关：神经网络基本概念１、Ｃ第2关：激活函数#encoding=utf8defrelu(x):'''x:负无穷到正无穷的实数'''#*********Begin*********#ifx<=0:return0else:returnx#*********End*********#第3关：反向传播算法#encoding=utf8importosimportpandasaspdfromsklearn.
  • 【python数据分析】数据建模之Kmeans聚类 斑点鱼 SpotFish python数据建模聚类python数据分析
    K-means聚类：最常用的机器学习聚类算法，且为典型的基于距离的聚类算法。K均值：基于原型的、划分的距离技术，它试图发现用户指定个数(K)的簇以欧式距离作为相似度测度Kmeans聚类案例分析：make_blobs聚类数据生成器#导入模块from sklearn.cluster import KMeansfromsklearn.datasetsimportmake_blobs#创建数据x,y_tr
  • 【无标题】 FAUNAAAAAA cocoa
    Day55importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.preprocessingimportMinMaxScalerfromsklearn.ensembleimportRandomForestRegressorfromsklearn.metricsimportmean_squared_error#==================
  • Python实例题：基于 KNN 算法的手写数字识别
    目录Python实例题题目要求：解题思路：代码实现：Python实例题题目基于KNN算法的手写数字识别要求：实现一个基于K-NearestNeighbors(KNN)算法的手写数字识别系统。支持以下功能：使用MNIST数据集训练和测试模型实现KNN分类算法可视化手写数字样本评估模型性能（准确率、混淆矩阵等）添加用户交互界面，允许用户绘制数字并进行识别。解题思路：使用sklearn加载MNIST数据
  • python-拆解sklearn中决策树 weixin_41177022 scikit-learn决策树python机器学习编程
    获取树结构实体对scikit-learn中DecisionTreeClassifier/Regressor的实例调用.tree_属性可以得到树结构。参考sklearn的决策树的官方说明sklearn.tree.DecisionTreeClassifier（不过里面说的help(sklearn.tree._tree.Tree)似乎不管用）获取决策树基本信息node总数可以用model.tree_.n
  • Day33打卡 @浙大疏锦行 ayuan0119 python打卡shupython
    知识点回顾：PyTorch和cuda的安装查看显卡信息的命令行命令（cmd中使用）cuda的检查简单神经网络的流程数据预处理（归一化、转换成张量）#仍然用4特征，3分类的鸢尾花数据集作为我们今天的数据集fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportnumpyasnp
  • day38 心落薄荷糖 Python训练营python
    importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerimporttimeimportmatplotlib.pyplotaspltfromtqdmimporttqd
  • Python打卡：Day24 剑桥折刀s python打卡python
    importpandasaspdimportnumpyasnpimportreimportxgboostasxgbfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportclassification_report,confusion_matrix,accuracy_score,precision_score
  • Python打卡：day23 剑桥折刀s python打卡python开发语言
    作业：整理下全部逻辑的先后顺序，看看能不能制作出适合所有机器学习的通用pipelinedefcreate_general_pipeline(model,ordinal_features=None,ordinal_categories=None,nominal_features=None,continuous_features=None):fromsklearn.pipelineimportPipe
  • Sklearn 机器学习 数值离散化 虚拟编码 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+虚拟编码实战详解在机器学习的特征工程中，数值型特征并不总是适合直接输入模型。尤其是树模型或分类模型时，**将连续变量进行离散化（分箱）+虚拟编码（独热编码）**是一种常见且高效的
  • DAY 33 简单的神经网络 2401_84854050 python打卡神经网络深度学习人工智能
    1.数据预处理（0）准备数据、划分数据#仍然用4特征，3分类的鸢尾花数据集作为我们今天的数据集fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportnumpyasnp#加载鸢尾花数据集iris=load_iris()X=iris.data#特征数据y=iris.target
  • Anaconda 创建python3.9+pytorch1.10.1+cuda11.3环境 canny_kevin DeepLearningPythonpythonconda
    1.打开AnacondaPowershellPrompt2.创建conda环境condacreate--nameRordAIpython=3.9conda一些命令condainfo--envs：输出中带有【*】号的的就是当前所处的环境condalist:看这个环境下安装的包和版本condainstallnumpyscikit-learn:安装numpysklearn包condaenvremove-
  • 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
  • Python学习Day10 m0_64472246 python打卡学习python
    学习来源：@浙大疏锦行知识点：数据集的划分机器学习模型建模的三行代码机器学习模型分类问题的评估对心脏病数据集采用机器学习模型建模和评估importpandasaspdfile_path="heart.csv"data=pd.read_csv(file_path)data.info()data.isnull().sum()#划分训练集和测试机fromsklearn.model_selectionim
  • Python学习Day34 m0_64472246 python打卡学习python
    学习来源：@浙大疏锦行优化耗时：importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerimpo
  • 马斯克YC技术核弹全拆解：Neuralink信号编译器架构·星舰着陆AI代码·AGI防御协议（附可复现算法核心/开源替代方案/中国技术对标路径） 卡奥斯开源社区官方 agi
    一、Neuralink技术栈深度剖析▶神经信号编译架构（基于已公开专利US20220369936）关键算法实现：#运动意图解码核心（简化版）importnumpyasnpfromsklearn.ensembleimportRandomForestClassifierclassNeuralDecoder:def__init__(self):self.model=RandomForestClassif
  • LSTM价格预测模型：基于技术指标与市场情绪数据 pk_xz123456 仿真模型算法深度学习lstm人工智能rnn深度学习开发语言目标检测神经网络
    LSTM价格预测模型：基于技术指标与市场情绪数据一、模型架构设计importnumpyasnpimportpandasaspdimporttensorflowastffromsklearn.preprocessingimportStandardScalerfromtensorflow.keras.modelsimportSequentialfrom
  • 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
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他