subtitle_
subtitle_

数理统计笔记10：回归分析

引言

数理统计笔记的第10篇介绍了回归分析，从相关关系开始介绍，然后介绍回归分析，主要介绍了一元回归模型和多元回归模型，并对其中的原理和检验进行了叙述，最后简单介绍了一下可以化为线性回归模型的非线性回归模型。

  • 引言
  • 变量间的相关关系
    • 相关系数的计算
    • 相关系数的显著性检验
  • 回归分析
    • 1.一元回归模型原理
      • 最小二乘法
      • 回归模型
      • 判定系数 r 2 r^2 r2
      • 估计标准误差
      • 线性关系显著性检验
      • 回归系数的显著性检验
      • 回归方程估计和预测
        • 点估计
          • 平均值点估计
          • 个别值点估计
        • 区间估计
          • 平均值置信区间估计
          • 个别值预测区间估计
          • 影响区间宽度的因素
      • 残差分析
      • 例子
    • 2.多元线性回归
      • 最小二乘法
      • 多重判定系数 R 2 R^2 R2
      • 线性关系显著性检验
      • 回归系数显著性检验
      • 例子
    • 3.非线性回归
      • 可化为线性回归的非线性回归
        • 例子

变量间的相关关系

在这里插入图片描述
数理统计笔记10：回归分析_第1张图片
数理统计笔记10：回归分析_第2张图片
数理统计笔记10：回归分析_第3张图片

相关系数的计算

数理统计笔记10：回归分析_第4张图片
数理统计笔记10：回归分析_第5张图片
数理统计笔记10：回归分析_第6张图片
数理统计笔记10：回归分析_第7张图片

相关系数的显著性检验

数理统计笔记10：回归分析_第8张图片

回归分析

数理统计笔记10：回归分析_第9张图片
数理统计笔记10：回归分析_第10张图片
数理统计笔记10：回归分析_第11张图片
数理统计笔记10：回归分析_第12张图片

1.一元回归模型原理

数理统计笔记10：回归分析_第13张图片
数理统计笔记10：回归分析_第14张图片
数理统计笔记10：回归分析_第15张图片

数理统计笔记10：回归分析_第16张图片

最小二乘法

数理统计笔记10：回归分析_第17张图片
数理统计笔记10：回归分析_第18张图片
数理统计笔记10：回归分析_第19张图片

回归模型

数理统计笔记10：回归分析_第20张图片

数理统计笔记10：回归分析_第21张图片

数理统计笔记10：回归分析_第22张图片

数理统计笔记10：回归分析_第23张图片

判定系数 r 2 r^2 r2

判定系数反映回归直线的拟合程度。不能说明是否具有很好的线性关系，要看是否具有线性关系需要用到下面的显著性检验的方法。
数理统计笔记10：回归分析_第24张图片

估计标准误差

实际观察值在回归直线周围的分散程度。除以 n − 2 n-2 n−2是因为SSE的自由度是 n − 2 n-2 n−2。
数理统计笔记10：回归分析_第25张图片

线性关系显著性检验

检验的是线性关系是否显著。使用的是F检验量。
数理统计笔记10：回归分析_第26张图片
数理统计笔记10：回归分析_第27张图片

回归系数的显著性检验

检验的是是否具有线性关系。使用的是t检验量。
数理统计笔记10：回归分析_第28张图片
数理统计笔记10：回归分析_第29张图片

数理统计笔记10：回归分析_第30张图片

数理统计笔记10：回归分析_第31张图片

回归方程估计和预测

数理统计笔记10：回归分析_第32张图片

点估计

数理统计笔记10：回归分析_第33张图片

平均值点估计

数理统计笔记10：回归分析_第34张图片

个别值点估计

数理统计笔记10：回归分析_第35张图片

区间估计

数理统计笔记10：回归分析_第36张图片

平均值置信区间估计

数理统计笔记10：回归分析_第37张图片

个别值预测区间估计

数理统计笔记10：回归分析_第38张图片

影响区间宽度的因素

数理统计笔记10：回归分析_第39张图片
数理统计笔记10：回归分析_第40张图片

残差分析

数理统计笔记10：回归分析_第41张图片
数理统计笔记10：回归分析_第42张图片

数理统计笔记10：回归分析_第43张图片

数理统计笔记10：回归分析_第44张图片

例子

数理统计笔记10：回归分析_第45张图片

数理统计笔记10：回归分析_第46张图片

数理统计笔记10：回归分析_第47张图片
数理统计笔记10：回归分析_第48张图片

数理统计笔记10：回归分析_第49张图片

2.多元线性回归

数理统计笔记10：回归分析_第50张图片
数理统计笔记10：回归分析_第51张图片

数理统计笔记10：回归分析_第52张图片
数理统计笔记10：回归分析_第53张图片
数理统计笔记10：回归分析_第54张图片
数理统计笔记10：回归分析_第55张图片

最小二乘法

数理统计笔记10：回归分析_第56张图片

多重判定系数 R 2 R^2 R2

数理统计笔记10：回归分析_第57张图片
需要进行修正。
数理统计笔记10：回归分析_第58张图片

线性关系显著性检验

数理统计笔记10：回归分析_第59张图片
数理统计笔记10：回归分析_第60张图片

回归系数显著性检验

数理统计笔记10：回归分析_第61张图片
数理统计笔记10：回归分析_第62张图片

例子

数理统计笔记10：回归分析_第63张图片
数理统计笔记10：回归分析_第64张图片
数理统计笔记10：回归分析_第65张图片

3.非线性回归

可化为线性回归的非线性回归

数理统计笔记10：回归分析_第66张图片
数理统计笔记10：回归分析_第67张图片
数理统计笔记10：回归分析_第68张图片
数理统计笔记10：回归分析_第69张图片
数理统计笔记10：回归分析_第70张图片
数理统计笔记10：回归分析_第71张图片

例子

数理统计笔记10：回归分析_第72张图片
数理统计笔记10：回归分析_第73张图片
在这里插入图片描述

你可能感兴趣的:(#,概率论,回归,回归分析)

  • 高端密码学院笔记285 柚子_b4b4
    高端幸福密码学院（高级班）幸福使者：李华第（598）期《幸福》之回归内在深层生命原动力基础篇——揭秘“激励”成长的喜悦心理案例分析主讲：刘莉一，知识扩充:成功=艰苦劳动+正确方法+少说空话。贪图省力的船夫，目标永远下游。智者的梦再美，也不如愚人实干的脚印。幸福早课堂2020.10.16星期五一笔记:1，重视和珍惜的前提是知道它的价值非常重要，当你珍惜了，你就真正定下来，真正的学到身上。2，大家需要
  • 【华为OD技术面试真题 - 技术面】- python八股文真题题库（1） 算法大师 华为od面试python
    华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选1.数据预处理流程数据预处理的主要步骤工具和库2.介绍线性回归、逻辑回归模型线性回归（LinearRegression）模型形式：关键点：逻辑回归（LogisticRegression）模型形式：关键点：参数估计与评估：3.python浅拷贝及深拷贝浅拷贝（Shal
  • Python实现简单的机器学习算法 master_chenchengg pythonpython办公效率python开发IT
    Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
  • [实践应用] 深度学习之模型性能评估指标 YuanDaima2048 深度学习工具使用深度学习人工智能损失函数性能评估pytorchpython机器学习
    文章总览：YuanDaiMa2048博客文章总览深度学习之模型性能评估指标分类任务回归任务排序任务聚类任务生成任务其他介绍在机器学习和深度学习领域，评估模型性能是一项至关重要的任务。不同的学习任务需要不同的性能指标来衡量模型的有效性。以下是对一些常见任务及其相应的性能评估指标的详细解释和总结。分类任务分类任务是指模型需要将输入数据分配到预定义的类别或标签中。以下是分类任务中常用的性能指标：准确率(
  • 做事一定要认真 地上的垚
    大脑突然被惊醒，我猛然起身，接着发了下呆，灵魂回归后意识到：啊，今天上班要迟到了！我按了按手机发现手机已关机，略微一看，原来是昨晚充电器没插上。一件微不足道的事折射出我的粗心大意，反映了我对待事情漠不关心，草草了事的态度。许许多多的事情都需要认认真真的对待才能做好，认真是自我努力的表现。工作中，我总是不停的犯错误，我谴责自己：连这点小事都要犯错，你有什么用啊。同时也安慰自己：不过是一点小错误而已，
  • 神经网络-损失函数 红米煮粥 神经网络人工智能深度学习
    文章目录一、回归问题的损失函数1.均方误差（MeanSquaredError,MSE）2.平均绝对误差（MeanAbsoluteError,MAE）二、分类问题的损失函数1.0-1损失函数（Zero-OneLossFunction）2.交叉熵损失（Cross-EntropyLoss）3.合页损失（HingeLoss）三、总结在神经网络中，损失函数（LossFunction）扮演着至关重要的角色，它
  • 无人值守模式，自习室创业，真的那么赚钱吗？ 森屿旅人
    “创业是一条不归路，不要拿自己亏不起的钱当赌注！”在和大家分享无人自习室创业经历前，先和大家强调上面这一句话，创过业的朋友，应该深有体会。因为，我们要深刻的认知市场规律，一个行业，如果利润很高，那必然趋之若鹜得涌入，所以在市场充分博弈以后，市场会回归价值本身，这个是市场的客观规律。因此，不要抓风口，抓风口，说实在的，和赌博无异，那些和你鼓吹风口的人，永远是把你当成一根韭菜，诚然，真正赚钱的项目，不
  • 损失函数与反向传播 Star_. PyTorchpytorch深度学习python
    损失函数定义与作用损失函数(lossfunction)在深度学习领域是用来计算搭建模型预测的输出值和真实值之间的误差。1.损失函数越小越好2.计算实际输出与目标之间的差距3.为更新输出提供依据（反向传播)常见的损失函数回归常见的损失函数有：均方差（MeanSquaredError，MSE）、平均绝对误差（MeanAbsoluteErrorLoss，MAE）、HuberLoss是一种将MSE与MAE
  • 七.正则化 愿风去了
    吴恩达机器学习之正则化（Regularization）http://www.cnblogs.com/jianxinzhou/p/4083921.html从数学公式上理解L1和L2https://blog.csdn.net/b876144622/article/details/81276818虽然在线性回归中加入基函数会使模型更加灵活，但是很容易引起数据的过拟合。例如将数据投影到30维的基函数上，模
  • 只生欢喜不生愁 花间星事
    《只生欢喜不生愁》是我很喜欢的一本书，挺适合当下的环境阅读。作者林曦老师是位水墨画家，设计师。她1983年生于重庆，毕业于中央美术学院，年少成名，以手艺人自居。在她的这本艺术生活随笔集里，用自己的切身实践解析艺术美育的本质内涵。分享了艺术学习，写字的乐趣，专注心力的法门与修炼，用中式文人的视角观照当代生活的审美情趣及路径，讨论艺术之道与无用之美，让传统美学回归到现实生活践行中。林曦少年时办过不少画
  • Python和R均方根误差平均绝对误差算法模型 亚图跨际 Python交叉知识R回归模型误差指标归一化均方根误差生态状态指标神经网络成本误差气体排放气候模型多项式拟合
    要点回归模型误差评估指标归一化均方根误差生态状态指标神经网络成本误差计算气体排放气候算法模型Python误差指标均方根误差和平均绝对误差均方根偏差或均方根误差是两个密切相关且经常使用的度量值之一，用于衡量真实值或预测值与观测值或估计值之间的差异。估计器θ^\hat{\theta}θ^相对于估计参数θ\thetaθ的RMSD定义为均方误差的平方根：RMSD⁡(θ^)=MSE⁡(θ^)=E((θ^−θ
  • 机器学习VS深度学习 nfgo 机器学习
    机器学习（MachineLearning,ML）和深度学习（DeepLearning,DL）是人工智能（AI）的两个子领域，它们有许多相似之处，但在技术实现和应用范围上也有显著区别。下面从几个方面对两者进行区分：1.概念层面机器学习：是让计算机通过算法从数据中自动学习和改进的技术。它依赖于手动设计的特征和数学模型来进行学习，常用的模型有决策树、支持向量机、线性回归等。深度学习：是机器学习的一个子领
  • 大树小草与鲜花 杨无涯
    树苗从不计较小草和野花的讥笑，默默地生长。当小草染绿原野，而树苗还在挣扎，忍受寒风对他的欺凌。当鲜花开满世界，受到数不尽的赞美，而树苗还在忍受冷落和寂寞。树苗，不一定开花，也不一定冬眠。当鲜花凋，以绿叶报答陪伴；当小草回归，还将撑起整个世界。树苗记录了与鲜花小草的童年，无论欢笑与饥寒。小树用年轮记录了繁花似锦，一岁一枯荣的时世变迁。大树是一部历史，任随风云变幻，沧海桑田。小草仍然在长，一代又一代，
  • 噩梦 谁抢了我的素斐
    2018年3月18，在无数次进出厕所后，我还是起床了，有时候真的觉得自己是一个倒霉蛋，越期待什么，就失去什么！所有的幻想都会破灭。越害怕来什么，什么就会突然降临！回归正题，记录一下这个噩梦。没有爸爸，我和妈妈还有舅舅等一众亲戚在老家的田间吃坝坝宴，和谐且热闹，但天空确是灰暗的，旁边小山坡上听说要修一个庙。突然就是我和同事们一群人在我的老家玩，最近迷上了吃鸡游戏，就变成了现实版的追逐游戏，在一个车库
  • Python实现梯度下降法 闲人编程 pythonpython开发语言梯度下降算法优化
    博客：Python实现梯度下降法目录引言什么是梯度下降法？梯度下降法的应用场景梯度下降法的基本思想梯度下降法的原理梯度的定义学习率的选择损失函数与优化问题梯度下降法的收敛条件Python实现梯度下降法面向对象的设计思路代码实现示例与解释梯度下降法应用实例：线性回归场景描述算法实现结果分析与可视化梯度下降法的改进版本随机梯度下降（SGD）小批量梯度下降（Mini-batchGradientDesce
  • 一起爱 耕读传家林亮伟
    ——让爱循环主题曲我是一切问题的根源也是一切问题的答案不是老天不爱我所有的发生都是上天最好的安排当灵魂找到依靠我就得到了绽放和滋养当感恩和觉悟回归内在幸福和喜悦就是我生命的状态让爱循环，从零到一百探索真我，觉醒自在从迷到悟，从黑暗到光明在迷幻中千锤百炼一起爱，不等待觉醒之路引领未来一起爱不等待精神物质丰富自在一起爱不等待感恩拥有臣服失败一起爱不等待完整合一与天地同在
  • 12312312 二进制掌控者 c++
    c语言中的小小白-CSDN博客c语言中的小小白关注算法,c++,c语言,贪心算法,链表,mysql,动态规划,后端,线性回归,数据结构,排序算法领域.https://blog.csdn.net/bhbcdxb123?spm=1001.2014.3001.5343给大家分享一句我很喜欢我话：知不足而奋进，望远山而前行！！！铁铁们，成功的路上必然是孤独且艰难的，但是我们不可以放弃，远山就在前方，但我们
  • 你知道什么是回调函数吗？ 二进制掌控者 #C语言专栏c语言开发语言
    c语言中的小小白-CSDN博客c语言中的小小白关注算法,c++,c语言,贪心算法,链表,mysql,动态规划,后端,线性回归,数据结构,排序算法领域.https://blog.csdn.net/bhbcdxb123?spm=1001.2014.3001.5343给大家分享一句我很喜欢我话：知不足而奋进，望远山而前行！！！铁铁们，成功的路上必然是孤独且艰难的，但是我们不可以放弃，远山就在前方，但我们
  • 如何有效的学习AI大模型？ Python程序员罗宾 学习人工智能语言模型自然语言处理架构
    学习AI大模型是一个系统性的过程，涉及到多个学科的知识。以下是一些建议，帮助你更有效地学习AI大模型：基础知识储备：数学基础：学习线性代数、概率论、统计学和微积分等，这些是理解机器学习算法的数学基础。编程技能：掌握至少一种编程语言，如Python，因为大多数AI模型都是用Python实现的。理论学习：机器学习基础：了解监督学习、非监督学习、强化学习等基本概念。深度学习：学习神经网络的基本结构，如卷
  • 放慢脚步，才有好风景 竹林奇光
    我们去旅游，只有静下心，慢慢欣赏，才会看到美的风景。如果匆忙前往，匆匆回归，只会落下――身心疲惫。去时兴致勃勃，回来想想：索然无味……人生之途又何尝不是呢？“快”是现代人生活的真实写照，急急忙忙，浮光掠影，即使再好的风景，又有几人能真正的走心……快，是一种加法，就是加快速度，以求用最少的时间，做最多的事情。欲望多，时间少，人们都在超负荷地工作着，时间久了，身体会垮，精神会崩溃，滋生出众多社会问题。
  • 很感兴趣的行为金融学 奔跑的阿牛
    「思考，快与慢」读后感1⃣️均值回归是对于前后没有关联的事情，比如多次扔飞镖结果。而对于每一步的选择，后一步选择建立在前一步基础上，是相关的。只要想，是可以一步步向上走。2⃣️事前验尸比如马云召开员工大会，谈论阿里巴巴为什么倒闭。就是在事前，讨论失败的细分因素，做到事前预警。3⃣️人思考的系统一和系统二系统一：大脑的自动行驶，不需要细想就能运作（比如慢走散步，可以想起他简单事情系统二：需要集中注意
  • 成功日记483天：想要的太多就是累赘 微小确幸
    #微小确幸#成功日记483天忙碌的一天再忙也要努力精进提升和小伙伴的沟通其实很多答案都在我们心中想要的太多而已适时做减法就好回归初心不轻易开始也不随随便便结束感谢朋友挂念在高铁上聊天感觉依旧身隔千里各自安好1.下班陪两宝玩，一起做运动2.帮女儿录广播操，儿子自己看书3.和女儿睡前悄悄话，达成一个写日记的约定4.公众号【微小确幸】更新第279篇原创文章：孩子作业问题5.【积微会】百日筑基活动开启Da
  • 《顾总，夫人已有新欢》顾霆均叶微澜（完整版）全文在线阅读 小说推书
    《顾总，夫人已有新欢》顾霆均叶微澜（完整版）全文在线阅读主角：顾霆均叶微澜简介：结婚三年，她全心全意待他，他却冷若冰霜，有朝一日他白月光高调回归，她乍然梦醒，甩下一纸离婚协议书洒脱而去，看着她投入别人的怀抱，他情不自禁回味这段逝去的婚姻，她却已经忘记过去活出精彩，她是可以起死回生的“影子神医”，也是北城首富没有公开的小女儿，更是那个早已经不知不觉走进他心底真正的心尖宠儿，顾霆均看着前妻众星拱月，白
  • 2023，愿所行皆坦途，愿世间，疫情散去！ 生活清泉涌
    2022年，一场疫情，清醒你我他，大事小事已成故事，唯有身体健康，才是真正的富裕。凡是过往皆为序章，所有将来皆为可盼。告别充满不安的2022，希望，“阳了”的羊赶紧好起来，“没阳”的羊永远不会“阳了”。春有百花，秋望月。夏有凉风，冬观雪。总有起风的清晨，总有温暖的午后，总有灿烂的黄昏，总有流星的夜晚。心中若无烦恼事，便是人生好时节。愿世间，疫情散去，此后，再无疫情！人人平安健康，一切回归有序！20
  • 几率odds与逻辑回归 元气小地瓜
    https://www.jianshu.com/p/aa73938f32ee几率odds从Odds角度理解LogisticRegression模型的参数13December20151.引言无论在学术界，还是在工业界，LogisticRegression(LR,逻辑回归)模型[1]是常用的分类模型，被用于各种分类场景和点击率预估问题等，它也是MaxEntropy(ME,最大熵)模型[2]，或者说So
  • 写作课结束后，开始变现之旅的我总结了几点体会 胖妞不爱动
    参加小米30天基础写作训练营之前，我已经有整整十年没有动笔写作了，我就是冲着回归写作，实现变现来的。训练营结束后，我交出的成绩是：1、按时完成三次作业，获得小米的签名书《行动变现》。2、训练营中的两份作业二次修改后，顺利过稿小米头条号，均得到上万的阅读量，甚至其中一篇阅读量还超10w+。当然这里面的功劳不是我的文笔多么出彩，而是文章话题抓住当下的痛点热点，以及借助小米老师的平台影响力发布。有些小伙
  • 说话与写作都是表达 乔的园子
    一，确定自己的主题。开门见山表达自己的主要意思，避免给人不知道你在说什么。二，做分类2W1H原则：WhatWhyHow。告知别人主题内容是什么，你为什么要这样子做，然后你会怎么做。具体内容可以从三个方面来讲述，优势三个，劣势三个。三，重申主题，回归表达。图片发自App这是我早上听说话沟通课的学习内容，与我最近学习的写作课有异曲同工之妙。写作课上，老师教了我们万能的写作法，与这个步骤基本相同。第一，
  • 中国通史33 碎水
    魏晋风度孔融、嵇康（竹林七贤）、山涛、王羲之、谢安、陶渊明……魏晋风度：关注广袤宇宙，追寻诗意人生，回归精神家园。263年夏日，洛阳马市刑场，三千太学生上书免除死刑，高山仰止的文化符号。嵇康，魏晋风度。《广陵散》，魏晋时期大名士嵇康。肃肃如松下风，醉酒时若玉山之将崩，寄情于山水之间。云台山，嵇康常来此抚琴长啸。阮籍、山涛、刘伶、王戎等七人竹林七贤，共同爱好是饮酒。一日之间名士减半。名士阶层故意躲避
  • 梯度提升机 (Gradient Boosting Machines, GBM) ALGORITHM LOL boosting集成学习机器学习
    梯度提升机(GradientBoostingMachines,GBM)通俗易懂算法梯度提升机（GradientBoostingMachines，GBM）是一种集成学习算法，主要用于回归和分类问题。GBM本质上是通过训练一系列简单的模型（通常是决策树），然后将这些模型组合起来，从而提高整体预测性能。基本步骤初始模型：首先，我们用一个简单的模型（如一个常数值）作为预测模型，记为F0(x)F_0(x)F
  • 百行代码复现扩散模型-基于线性回归 李新然 数据统计分析深度学习线性回归算法回归python数据分析
    文章目录引言简化模型原本模型模型改造实现过程数据集文本编码图像编码解码扩散过程训练过程生成过程完整实现结论引言多模态的深度学习模型，通常需要大量的算力去训练和验证。这导致缺乏算力的普通读者，阅读“大模型”论文，只能按论文作者所写来构造自己的认知。可能对很多类似笔者的人来说：纸上得来终觉浅。或许我们可以退而求其次，只选择Follow论文的思路。本文以DiffusionModel为例，说明从核心思想来
  • 二分查找排序算法 周凡杨 java二分查找排序算法折半
    一：概念 二分查找又称 折半查找（ 折半搜索/ 二分搜索），优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而 查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表 分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步
  • java中的BigDecimal bijian1013 javaBigDecimal
            在项目开发过程中出现精度丢失问题，查资料用BigDecimal解决，并发现如下这篇BigDecimal的解决问题的思路和方法很值得学习，特转载。         原文地址：http://blog.csdn.net/ugg/article/de
  • Shell echo命令详解 daizj echoshell
    Shell echo命令 Shell 的 echo 指令与 PHP 的 echo 指令类似，都是用于字符串的输出。命令格式： echo string 您可以使用echo实现更复杂的输出格式控制。 1.显示普通字符串: echo "It is a test" 这里的双引号完全可以省略，以下命令与上面实例效果一致： echo Itis a test 2.显示转义
  • Oracle DBA 简单操作 周凡杨 oracle dba sql
    --执行次数多的SQL select sql_text,executions from (      select sql_text,executions from v$sqlarea order by executions desc      ) where rownum<81;  &nb
  • 画图重绘 朱辉辉33 游戏
      我第一次接触重绘是编写五子棋小游戏的时候，因为游戏里的棋盘是用线绘制的，而这些东西并不在系统自带的重绘里，所以在移动窗体时，棋盘并不会重绘出来。所以我们要重写系统的重绘方法。   在重写系统重绘方法时，我们要注意一定要调用父类的重绘方法，即加上super.paint(g)，因为如果不调用父类的重绘方式，重写后会把父类的重绘覆盖掉，而父类的重绘方法是绘制画布，这样就导致我们
  • 线程之初体验 西蜀石兰 线程
    一直觉得多线程是学Java的一个分水岭，懂多线程才算入门。 之前看《编程思想》的多线程章节，看的云里雾里，知道线程类有哪几个方法，却依旧不知道线程到底是什么？书上都写线程是进程的模块，共享线程的资源，可是这跟多线程编程有毛线的关系，呜呜。。。 线程其实也是用户自定义的任务，不要过多的强调线程的属性，而忽略了线程最基本的属性。 你可以在线程类的run()方法中定义自己的任务，就跟正常的Ja
  • linux集群互相免登陆配置 林鹤霄 linux
    配置ssh免登陆 1、生成秘钥和公钥    ssh-keygen -t rsa 2、提示让你输入，什么都不输，三次回车之后会在~下面的.ssh文件夹中多出两个文件id_rsa 和 id_rsa.pub    其中id_rsa为秘钥，id_rsa.pub为公钥，使用公钥加密的数据只有私钥才能对这些数据解密    c
  • mysql : Lock wait timeout exceeded; try restarting transaction aigo mysql
    原文：http://www.cnblogs.com/freeliver54/archive/2010/09/30/1839042.html   原因是你使用的InnoDB   表类型的时候, 默认参数:innodb_lock_wait_timeout设置锁等待的时间是50s, 因为有的锁等待超过了这个时间,所以抱错.   你可以把这个时间加长,或者优化存储
  • Socket编程 基本的聊天实现。 alleni123 socket
    public class Server { //用来存储所有连接上来的客户 private List<ServerThread> clients; public static void main(String[] args) { Server s = new Server(); s.startServer(9988); } publi
  • 多线程监听器事件模式(一个简单的例子) 百合不是茶 线程监听模式
        多线程的事件监听器模式   监听器时间模式经常与多线程使用,在多线程中如何知道我的线程正在执行那什么内容,可以通过时间监听器模式得到        创建多线程的事件监听器模式 思路:    1, 创建线程并启动,在创建线程的位置设置一个标记     2,创建队
  • spring InitializingBean接口 bijian1013 javaspring
    spring的事务的TransactionTemplate，其源码如下： public class TransactionTemplate extends DefaultTransactionDefinition implements TransactionOperations, InitializingBean{ ... } TransactionTemplate继承了DefaultT
  • Oracle中询表的权限被授予给了哪些用户 bijian1013 oracle数据库权限
            Oracle查询表将权限赋给了哪些用户的SQL，以备查用。 select t.table_name as "表名", t.grantee as "被授权的属组", t.owner as "对象所在的属组"
  • 【Struts2五】Struts2 参数传值 bit1129 struts2
    Struts2中参数传值的3种情况 1.请求参数绑定到Action的实例字段上 2.Action将值传递到转发的视图上 3.Action将值传递到重定向的视图上   一、请求参数绑定到Action的实例字段上以及Action将值传递到转发的视图上 Struts可以自动将请求URL中的请求参数或者表单提交的参数绑定到Action定义的实例字段上，绑定的规则使用ognl表达式语言
  • 【Kafka十四】关于auto.offset.reset[Q/A] bit1129 kafka
    I got serveral questions about  auto.offset.reset. This configuration parameter governs how  consumer read the message from  Kafka when  there is no initial offset in ZooKeeper or
  • nginx gzip压缩配置 ronin47 nginx gzip 压缩范例
    nginx gzip压缩配置 更多 0 nginx gzip 配置   随着nginx的发展，越来越多的网站使用nginx，因此nginx的优化变得越来越重要，今天我们来看看nginx的gzip压缩到底是怎么压缩的呢？ gzip(GNU-ZIP)是一种压缩技术。经过gzip压缩后页面大小可以变为原来的30%甚至更小，这样，用
  • java-13.输入一个单向链表，输出该链表中倒数第 k 个节点 bylijinnan java
    two cursors. Make the first cursor go K steps first. /* * 第 13 题：题目：输入一个单向链表，输出该链表中倒数第 k 个节点 */ public void displayKthItemsBackWard(ListNode head,int k){ ListNode p1=head,p2=head;
  • Spring源码学习-JdbcTemplate queryForObject bylijinnan javaspring
    JdbcTemplate中有两个可能会混淆的queryForObject方法： 1. Object queryForObject(String sql, Object[] args, Class requiredType) 2. Object queryForObject(String sql, Object[] args, RowMapper rowMapper) 第1个方法是只查
  • [冰川时代]在冰川时代,我们需要什么样的技术? comsci 技术
         看美国那边的气候情况....我有个感觉...是不是要进入小冰期了?      那么在小冰期里面...我们的户外活动肯定会出现很多问题...在室内呆着的情况会非常多...怎么在室内呆着而不发闷...怎么用最低的电力保证室内的温度.....这都需要技术手段...   &nb
  • js 获取浏览器型号 cuityang js浏览器
    根据浏览器获取iphone和apk的下载地址 <!DOCTYPE html> <html> <head>     <meta charset="utf-8" content="text/html"/>     <meta name=
  • C# socks5详解 转 dalan_123 socketC#
    http://www.cnblogs.com/zhujiechang/archive/2008/10/21/1316308.html  这里主要讲的是用.NET实现基于Socket5下面的代理协议进行客户端的通讯，Socket4的实现是类似的，注意的事，这里不是讲用C#实现一个代理服务器，因为实现一个代理服务器需要实现很多协议，头大，而且现在市面上有很多现成的代理服务器用，性能又好，
  • 运维 Centos问题汇总 dcj3sjt126com 云主机
    一、sh 脚本不执行的原因 sh脚本不执行的原因 只有2个 1.权限不够 2.sh脚本里路径没写完整。   二、解决You have new mail in /var/spool/mail/root 修改/usr/share/logwatch/default.conf/logwatch.conf配置文件 MailTo = MailFrom   三、查询连接数
  • Yii防注入攻击笔记 dcj3sjt126com sqlWEB安全yii
    网站表单有注入漏洞须对所有用户输入的内容进行个过滤和检查，可以使用正则表达式或者直接输入字符判断，大部分是只允许输入字母和数字的，其它字符度不允许；对于内容复杂表单的内容，应该对html和script的符号进行转义替换：尤其是<,>,',"",&这几个符号 这里有个转义对照表： http://blog.csdn.net/xinzhu1990/articl
  • MongoDB简介[一] eksliang mongodbMongoDB简介
    MongoDB简介 转载请出自出处：http://eksliang.iteye.com/blog/2173288 1.1易于使用        MongoDB是一个面向文档的数据库，而不是关系型数据库。与关系型数据库相比，面向文档的数据库不再有行的概念，取而代之的是更为灵活的“文档”模型。        另外，不
  • zookeeper windows 入门安装和测试 greemranqq zookeeper安装分布式
    一、序言       以下是我对zookeeper 的一些理解：      zookeeper 作为一个服务注册信息存储的管理工具，好吧，这样说得很抽象，我们举个“栗子”。       栗子1号：       假设我是一家KTV的老板，我同时拥有5家KTV，我肯定得时刻监视
  • Spring之使用事务缘由(2-注解实现) ihuning spring
      Spring事务注解实现   1. 依赖包：     1.1 spring包：           spring-beans-4.0.0.RELEASE.jar           spring-context-4.0.0.
  • iOS App Launch Option 啸笑天 option
    iOS 程序启动时总会调用application:didFinishLaunchingWithOptions:，其中第二个参数launchOptions为NSDictionary类型的对象，里面存储有此程序启动的原因。   launchOptions中的可能键值见UIApplication Class Reference的Launch Options Keys节 。 1、若用户直接
  • jdk与jre的区别（_） macroli javajvmjdk
    简单的说JDK是面向开发人员使用的SDK，它提供了Java的开发环境和运行环境。SDK是Software Development Kit 一般指软件开发包，可以包括函数库、编译程序等。  JDK就是Java Development Kit JRE是Java Runtime Enviroment是指Java的运行环境，是面向Java程序的使用者，而不是开发者。 如果安装了JDK，会发同你
  • Updates were rejected because the tip of your current branch is behind qiaolevip 学习永无止境每天进步一点点众观千象git
    $ git push joe prod-2295-1 To [email protected]:joe.le/dr-frontend.git ! [rejected] prod-2295-1 -> prod-2295-1 (non-fast-forward) error: failed to push some refs to '[email protected]
  • [一起学Hive]之十四-Hive的元数据表结构详解 superlxw1234 hivehive元数据结构
    关键字：Hive元数据、Hive元数据表结构   之前在 “[一起学Hive]之一–Hive概述，Hive是什么”中介绍过，Hive自己维护了一套元数据，用户通过HQL查询时候，Hive首先需要结合元数据，将HQL翻译成MapReduce去执行。 本文介绍一下Hive元数据中重要的一些表结构及用途，以Hive0.13为例。   文章最后面，会以一个示例来全面了解一下，
  • Spring 3.2.14，4.1.7，4.2.RC2发布 wiselyman Spring 3
      Spring 3.2.14、4.1.7及4.2.RC2于6月30日发布。   其中Spring 3.2.1是一个维护版本(维护周期到2016-12-31截止)，后续会继续根据需求和bug发布维护版本。此时，Spring官方强烈建议升级Spring框架至4.1.7 或者将要发布的4.2 。   其中Spring 4.1.7主要包含这些更新内容。
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他