纫秋兰以为佩
纫秋兰以为佩

机器学习基石 - Noise and Error

机器学习基石上 (Machine Learning Foundations)—Mathematical Foundations
Hsuan-Tien Lin, 林轩田，副教授 (Associate Professor)，资讯工程学系 (Computer Science and Information Engineering)

Noise and Probabilistic Target

确定的改为概率，保证同一分布下

练习题

机器学习基石 - Noise and Error_第1张图片

Error Measure

  • out of sample
  • pointwise
  • classification
  • 0/1 error often for classification; squared error often for regression
  • extended VC theory/philosophy works for most H H and err

Algorithmic Error Measure

  • err is application/user-dependent
  • 学习流程图
    机器学习基石 - Noise and Error_第2张图片

Weighted Classification

  • 不同的情形有不同的权重
  • Weighted Pocket Algorithm

你可能感兴趣的:(机器学习基石)

  • 林轩田机器学习基石 - 学习笔记4 - 机器学习的可行性 Spareribs
    @[TOC]一LearningisImpossible首先，考虑这样一个例子，如下图所示，有3个label为-1的九宫格和3个label为+1的九宫格。根据这6个样本，提取相应label下的特征，预测右边九宫格是属于-1还是+1？结果是，如果依据对称性，我们会把它归为+1；如果依据九宫格左上角是否是黑色，我们会把它归为-1。除此之外，还有根据其它不同特征进行分类，得到不同结果的情况。而且，这些分类
  • 机器为什么能学习(上) ringotc
    本篇文章是台湾大学《机器学习基石上》的课程笔记。以PLA算法为例，推导证明机器学习的可行性。问题概述机器学习在当前发展得很快，我们不由得发问：为什么这种算法是可行的。我们说机器学习算法是可行的，是指它的损失函数值很小。比如在回归问题里，我们的目标是让我们用更为数学化的语言表述这件事情：首先定义一下本文需要用到的数学符号我们让本质上就是要使得足够小且。我们这篇文章需要证明的两个保证机器学习可行的结论
  • 林轩田机器学习基石课程笔记1 -The Learing Problem Spareribs
    一什么是机器学习什么是“学习”？学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就是学习的过程。而机器学习（MachineLearning），顾名思义，就是让机器（计算机）也能向人类一样，通过观察大量的数据和训练，发现事物规律，获得某种分析问题、解决问题的能力。在这里插入图片描述什么是“机器学习”？机器学习可以被定义为：Improvingsomeperfo
  • 惊为天人，NumPy手写全部主流机器学习模型，代码超3万行 小白学视觉 python神经网络机器学习人工智能深度学习
    点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|深度学习这件小事用NumPy手写所有主流ML模型，普林斯顿博士后DavidBourgin最近开源了一个非常剽悍的项目。超过3万行代码、30多个模型，这也许能打造「最强」的机器学习基石？NumPy作为Python生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。它为Python提供高效率的多维数组计算，并提供了一系列
  • 机器学习基石第九讲：linear regression Marcovaldo 机器学习机器学习基石笔记机器学习
    博客已经迁移至Marcovaldo’sblog(http://marcovaldong.github.io/)机器学习基石第十讲介绍线性回归问题（linearregressionproblem），从这一讲开始课程介绍具体的机器学习算法。后面的大部分内容，博主已经学过，所以笔记可能会简略。LinearRegressionProblem借助信用卡发放的问题来介绍线性回归，不过这一次不再是分类，而是要让
  • 机器学习基石课程总结 半亩房顶
    前前后后也磨蹭了有一个月左右吧，机器学习基石终于是看完了。其实还有很多东西并不很懂，尤其是好多数学问题，不会的依然很多。但是这个课程我是打算就这么结束了，带着一堆的坑。原因如下：不宜拉长战线。数据问题肯定是需要补的，但是现阶段并不准备在数学上下很多功夫，战线拉得太长只会前支后绌。选择性学习。有些东西其实是暂时不需要甚至不宜学习的。故而暂且放下。当然，需要直面时候不能逃避的。目的性或者说功利性使然。
  • 3.3 Types of Learning- Learning with Different Protocol |机器学习基石（林轩田）-学习笔记 努力奋斗的durian
    文章原创,最近更新：2018-07-18学习链接:3.3TypesofLearning-LearningwithDifferentProtocol学习参考链接:1、台湾大学林轩田机器学习基石课程学习笔记3--TypesofLearning按照不同的协议，机器学习可以分为三种类型：BatchLearningOnlineActiveLearning1.BatchLearningbatchlearnin
  • 1.5 The Leaming Problem-Machine Leaming and other Fields|机器学习基石（林轩田）-学习笔记 努力奋斗的durian
    文章原创,最近更新：2018-06-27学习链接:1.5TheLeamingProblem-MachineLeamingandotherFields1.MachineLearningandDataMining(机器学习与数据挖掘)讲完了机器学习完整的流程,下面将一下机器学习与其他相关领域的关系第一个讲的领域就是数据挖掘,数据挖掘与机器学习有什么不一样,如下:机器学习是用资料找出一个假说g,然后跟我
  • 机器学习--------考试复习笔记 懒懒的程序媛 机器学习
    1.机器学习基石–学习的可行性本文主要是通过Hoeffding不等式证明了当模型的所有hypothesis的个数M为有限个时，样本数目N足够大时，就能够保证泛化误差Eout(h)和训练误差Ein(h)很接近。这时候只要找到一个hypothesis使得Ein(h)很小，那么Eout(h)也会很小，从而达到学习的目的。当然有一个大前提就是训练样本和测试样本必须要在同一分布下产生，否则学习无从谈起。Th
  • python机器学习算法实训 - （二） 手写岭回归和lasso回归 印第安老斑鸠啾 机器学习算法机器学习python数据分析数据挖掘
    是的，我来更新了。线性模型之间还是很相似的，有了线性回归，其他的也好展开了。理论部分两张图来自林轩田老师的机器学习基石，向同学们推荐一手。岭回归和Lasso回归1.1什么是过拟合如图所示，在数据量不够大的情况下，如果我们使用一个高阶多项式（图中红色曲线所示），例如10阶，对目标函数（蓝色曲线）进行拟合。拟合曲线波动很大，虽然Ein很小，但是Eout很大，也就造成了过拟合现象。我们看似在数据集上获得
  • 收集一些有用的网址 Sundw_RUC
    1.吴恩达深度学习课后作业汇总2.机器学习基石课后练习汇总3.sublimetext主题生成器持续更新
  • 林轩田机器学习基石课程笔记3 - 机器学习类型 Spareribs
    上节课我们主要介绍了解决线性分类问题的一个简单的方法：PLA。PLA能够在平面中选择一条直线将样本数据完全正确分类。而对于线性不可分的情况，可以使用PocketAlgorithm来处理。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。主要的视频讲解：林轩田机器学习基石P10林轩田机器学习基石P11林轩田机器学习基石P12林轩田机器学习基石P13一LearningwithDifferentOut
  • 机器学习笔记（5,6）--林轩田机器学习基石课程 数学系的计算机学生
    这两个lecture，集中证明了，当我的hepothesis个数看起来有无限多种时，也就是前面讲到的，找一个超平面（直线）做二元划分问题时，超平面（直线）应该有无限多个，那PLA还能否能learning的问题。具体的证明过程不在复述了，提一下我认为最重要的一点：当出现break的时候，就意味着，hepothesisset的个数会是多项式多个，具体是通过动态规划bound住上界的方法。以后等基石看完
  • 机器学习技法（二） 宣的写字台
    《机器学习技法》是国立台湾大学林轩田讲授的一门课程，课程的上集是《机器学习基石》。相关资源可以在youtube找到，也可在评论区索要云盘链接。本文主要是我学完一遍基石&技法后的笔记梳理，如果存疑请以原课程讲授内容为准，欢迎讨论~[注]本文仅适用于帮助复习，不适用于代替视频课程。技法分为3个部分，分别为●核模型：嵌入大量特征（6小节）●融合模型：融合预测性特征（5小节）●抽取模型：提取隐性特征（4小
  • 《机器学习基石前四章复习》 圈圈圈小明 机器学习人工智能
    【引言】训练样本D和最终测试h的样本都是来自同一个数据分布，这是机器能够学习的前提。另外，训练样本D应该足够大，且hypothesisset的个数是有限的，这样根据霍夫丁不等式，才不会出现BadData，保证Ein≈Eout，即有很好的泛化能力。同时，通过训练，得到使Ein最小的h，作为模型最终的矩g，g接近于目标函数。这里，我们总结一下前四节课的主要内容：第一节课，我们介绍了机器学习的定义，目标
  • 机器学习 南_橘子猪
    1.白板推导系列,up主shuhuai008的个人空间-哔哩哔哩(゜-゜)つロ乾杯~Bilibili2.up主,主要是机器学习的数学推导GRNovmbrain的个人空间-哔哩哔哩(゜-゜)つロ乾杯~Bilibiliup主,陆小亮,读书笔记视频>陆小亮的个人空间_哔哩哔哩_Bilibili林轩田>林轩田机器学习基石(国语)_哔哩哔哩_bilibili3.覃秉丰up主,不仅讲机器学习的算法基础,项目实
  • 4-3 Connection to Learning&4-4 Connection to Real Learning|机器学习基石（林轩田）-学习笔记 努力奋斗的durian
    文章原创,最近更新：2018-07-25学习链接:4-3ConnectiontoLearning4-4ConnectiontoRealLearning学习参考链接:1、台湾大学林轩田机器学习基石课程学习笔记4--FeasibilityofLearning2、《机器学习基石》学习笔记1.ConnectiontoLearning那么如何通过抽弹珠这个例子跟我们的Learning相联系呢？下面，我们将罐
  • 林轩田机器学习基石课程笔记2 - 学习回答Yes/No Spareribs
    上节课，我们主要简述了机器学习的定义及其重要性，并用流程图的形式介绍了机器学习的整个过程：根据模型H，使用演算法，在训练样本上进行训练，得到最好的，其对应的就是我们最后需要的机器学习的模型函数，一般接近于目标函数。本节课将继续深入探讨机器学习问题，介绍感知机Perceptron模型，并推导课程的第一个机器学习算法：。主要的视频讲解：林轩田机器学习基石P6林轩田机器学习基石P7林轩田机器学习基石P8
  • 机器学习笔记（2-4）--林轩田机器学习基石课程 数学系的计算机学生
    Non-SeparateData当我们不知道数据集是否线性可分时，我们采用贪心的算法，构建modifiedPLA.ModifiedPLA:和普通的PLA不同的是，它在选点时采用随机的方法，并且采用贪心的思想，保存当前最好的w_t.好不好的标准在于造成的错误点数是否更少。直到运行时间足够久后才停止算法。
  • 林轩田-机器学习基石-课程笔记1 小T数据站
    关于learninglearning：通过观察获取技能ML：通过计算数据获得技能learning&ML什么时候使用机器学习存在一些潜在的模型可以被学习但规则不容易用程式写出来有关于这些模型的资料机器学习流程f：是真实存在的模型，但我们不知道D：是用来学习的训练集A：是学习用到的算法H：是学习到的模型的假设g：是学习到的模型机器学习流程图与机器学习相关的领域数据挖掘：与机器学习难分难解人工智能：机器
  • 【机器学习基石】1-1，1-2，1-3 课程引导&机器学习适用场景 茹忆小玉儿
    Lec1-1引导机器学习是理论和方法结合的一门学问。理论（道）机器学习方法的假设、推论、结论、作用。是前辈设计的漂亮数学及算法。缺点：可能会让你觉得不够实用。方法（术）机器学习不缺方法。每天都有几十几百个新的方法在产生。缺点：若只是快速学使用方法，招数虽多，临阵时可能不知道如何妥善选择和使用方法。课程设置:从基础切入哲学：机器学习的思想数学：工具算法：设计和使用学会这些，把机器学习变成你的工具，而
  • 林轩田机器学习基石课程笔记2 - 知识点补充2 Spareribs
    详细笔记查看林轩田机器学习基石课程笔记2-学习回答Yes/No问题在解释GuaranteeofPLA这个问题过程中，提及到了3个内容的推导：内积越大，那表示是在接近目标权重但是内积更大，可能是向量长度更大了，不一定是向量间角度更小的增长被限制了，与向量长度不会差别太大详细说明问题1：内积越大，那表示是在接近目标权重首先有2个网站解释内积是什么向量点乘，叉乘为什么两个向量的点积越大，表明两者越相似？
  • 用 NumPy 手写 30 个主流机器学习算法，GitHub 9K 星，全都开源了！ 视学算法 python机器学习人工智能深度学习神经网络
    转自|机器之心参与|思源、一鸣、张倩用NumPy手写所有主流ML模型，普林斯顿博士后DavidBourgin最近开源了一个非常剽悍的项目。超过3万行代码、30多个模型，这也许能打造「最强」的机器学习基石？NumPy作为Python生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。它为Python提供高效率的多维数组计算，并提供了一系列高等数学函数，我们可以快速搭建模型的整个计算流程。毫不负责任
  • 机器学习笔记（1）--林轩田机器学习基石课程 数学系的计算机学生
    MachineLearningandotherField机器学习和数据挖掘：机器学习是通过数据训练，借助设计的机器学习演算法，从众多的假说中，找到一个最接近最优映射关系f的过程。机器学习的模型就是机器学习演算法加上假设集。数据挖掘是从众多数据中，找到、挖掘出自己感兴趣的某个点。当你感兴趣的这个点正好是机器学习所要寻找的映射关系g的时候，数据挖掘就成了机器学习。机器学习和人工智能：人工智能是让机器做
  • 机器学习笔记（2-3）--林轩田机器学习基石课程 数学系的计算机学生
    GuranteeofPLA这一小节，老师解决了我上一节中遗留的问题。首先，只有当数据集data是线性可分的时候，才存在f超平面，将空间没有错误地划分成两块。所以，PLA才能输出一个可行解g。其次，证明PLA可以在有限步输出g分为三部分：证明w_f·w_{t+1}>w_f·w_{t}（其中w_f是最优解f对应的权向量）:这一证明意味着，经过不断的修正，w_t会变得越来越接近理想的w_f。证明w_{t
  • 机器学习基石第一次作业 ThomasYoungK
    coursera林轩田的《机器学习基石》很有意思，我把一些编程作业总结在这里，参考了macJiang的答案：https://blog.csdn.net/a1015553840/article/details/51085129：作业115-17是naivepla(perceptronlearningalgorithm),算法如下:初始化wrepeat{1.寻找w(t)的下一个错误分类点（x,y）（即
  • 机器学习基石第六节 半亩房顶
    TheoryofGeneralization本章没怎么看懂，暂时先跳过，回头再来看，暂时看的一篇笔记，大体有些了解了，记住了一些推导和结论。Poly(N)关于参数N的特征多项式转自http://www.cnblogs.com/HappyAngel/p/3622333.html十分感谢这位前辈，私自转载以备留存，请见谅上一节课，我们主要探讨了当M的数值大小对机器学习的影响。如果M很大，那么就不能保证
  • 【台大林轩田《机器学习基石》笔记】Lecture 10——Logistic Regression T1en 机器学习机器学习算法logisticregression逻辑回归
    文章目录Lecture10:LogisticRegressionLogisticRegressionProblemLogisticRegressionErrorGradientofLogisticRegressionErrorGradientDescentLecture10:LogisticRegressionLogisticRegressionProblem如果我们想从患者的各种身体信息来推断其
  • 机器学习之多元分类（机器学习基石） N-Paradigm MachineLearning机器学习数据科学家之路多元分类机器学习多元分类机器学习基石
    一个案例如上图所示我们要使用一些线性模型来分割这四种不同的图案，利用以前学过的二元分类我们可以将某一个种类分别从整体中分离出来。比如将图通是方块和不是方块的做二元分类，是三角形的和不是三角形的进行分类等等，然后我们得到下图：问题的出现如上图所示我们在单独的分割中可以分别将我们想要的目标图案分割出来，但是我们将这些图标片综合起来看得到下图：在图中带有标号的区域就是公共区域，在公共区域内的判断是矛盾的
  • 机器学习方法的分类——（机器学习基石3） Lxs_ 机器学习机器学习
    这周学习的主要是一些理论知识，介绍机器学习的不同学习方法。不同的分类方式可以得出不同的学习类型，下面是总体的四种分类方式：1.按照不同的输出空间Y分类2.按照不同的数据标签yn分类3.按照不同得到目标函数的方式分类4.按照不同的输入空间X分类（1）按照不同的输出空间Y分类这个问题林老师列出了三种学习方式，分别是分类问题，回归问题，结构标记问题。之前的PLA是一种简单的二元分类问题，多元分类的话就是
  • VMware Workstation 11 或者 VMware Player 7安装MAC OS X 10.10 Yosemite iwindyforest vmwaremac os10.10workstationplayer
    最近尝试了下VMware下安装MacOS 系统， 安装过程中发现网上可供参考的文章都是VMware Workstation 10以下， MacOS X 10.9以下的文章， 只能提供大概的思路， 但是实际安装起来由于版本问题， 走了不少弯路， 所以我尝试写以下总结， 希望能给有兴趣安装OSX的人提供一点帮助。     写在前面的话： 其实安装好后发现， 由于我的th
  • 关于《基于模型驱动的B/S在线开发平台》源代码开源的疑虑？ deathwknight JavaScriptjava框架
    本人从学习Java开发到现在已有10年整，从一个要自学 java买成javascript的小菜鸟，成长为只会java和javascript语言的老菜鸟（个人邮箱：[email protected]） 一路走来，跌跌撞撞。用自己的三年多业余时间，瞎搞一个小东西（基于模型驱动的B/S在线开发平台，非MVC框架、非代码生成）。希望与大家一起分享，同时有许些疑虑，希望有人可以交流下 平台
  • 如何把maven项目转成web项目 Kai_Ge mavenMyEclipse
    创建Web工程，使用eclipse ee创建maven web工程 1.右键项目,选择Project Facets,点击Convert to faceted from 2.更改Dynamic Web Module的Version为2.5.(3.0为Java7的,Tomcat6不支持). 如果提示错误,可能需要在Java Compiler设置Compiler compl
  • 主管？？？ Array_06 工作
    转载：http://www.blogjava.net/fastzch/archive/2010/11/25/339054.html 很久以前跟同事参加的培训，同事整理得很详细，必须得转！ 前段时间，公司有组织中高阶主管及其培养干部进行了为期三天的管理训练培训。三天的课程下来，虽然内容较多，因对老师三天来的课程内容深有感触，故借着整理学习心得的机会，将三天来的培训课程做了一个
  • python内置函数大全 2002wmj python
    最近一直在看python的document，打算在基础方面重点看一下python的keyword、Build-in Function、Build-in Constants、Build-in Types、Build-in Exception这四个方面，其实在看的时候发现整个《The Python Standard Library》章节都是很不错的，其中描述了很多不错的主题。先把Build-in Fu
  • JSP页面通过JQUERY合并行 357029540 JavaScriptjquery
    在写程序的过程中我们难免会遇到在页面上合并单元行的情况，如图所示 如果对于会的同学可能很简单，但是对没有思路的同学来说还是比较麻烦的，提供一下用JQUERY实现的参考代码 function mergeCell(){         var trs = $("#table tr"); &nb
  • Java基础 冰天百华 java基础
    学习函数式编程 package base; import java.text.DecimalFormat; public class Main { public static void main(String[] args) { // Integer a = 4; // Double aa = (double)a / 100000; // Decimal
  • unix时间戳相互转换 adminjun 转换unix时间戳
    如何在不同编程语言中获取现在的Unix时间戳(Unix timestamp)？ Java time JavaScript Math.round(new Date().getTime()/1000) getTime()返回数值的单位是毫秒 Microsoft .NET / C# epoch = (DateTime.Now.ToUniversalTime().Ticks - 62135
  • 作为一个合格程序员该做的事 aijuans 程序员
    作为一个合格程序员每天该做的事 1、总结自己一天任务的完成情况 最好的方式是写工作日志，把自己今天完成了什么事情，遇见了什么问题都记录下来，日后翻看好处多多 2、考虑自己明天应该做的主要工作 把明天要做的事情列出来，并按照优先级排列，第二天应该把自己效率最高的时间分配给最重要的工作 3、考虑自己一天工作中失误的地方，并想出避免下一次再犯的方法 出错不要紧，最重
  • 由html5视频播放引发的总结 ayaoxinchao html5视频video
    前言   项目中存在视频播放的功能，前期设计是以flash播放器播放视频的。但是现在由于需要兼容苹果的设备，必须采用html5的方式来播放视频。我就出于兴趣对html5播放视频做了简单的了解，不了解不知道，水真是很深。本文所记录的知识一些浅尝辄止的知识，说起来很惭愧。   视频结构   本该直接介绍html5的<video>的，但鉴于本人对视频
  • 解决httpclient访问自签名https报javax.net.ssl.SSLHandshakeException: sun.security.validat bewithme httpclient
         如果你构建了一个https协议的站点，而此站点的安全证书并不是合法的第三方证书颁发机构所签发，那么你用httpclient去访问此站点会报如下错误   javax.net.ssl.SSLHandshakeException: sun.security.validator.ValidatorException: PKIX path bu
  • Jedis连接池的入门级使用 bijian1013 redisredis数据库jedis
    Jedis连接池操作步骤如下：         a.获取Jedis实例需要从JedisPool中获取；         b.用完Jedis实例需要返还给JedisPool；         c.如果Jedis在使用过程中出错，则也需要还给JedisPool； packag
  • 变与不变 bingyingao 不变变亲情永恒
    变与不变    周末骑车转到了五年前租住的小区，曾经最爱吃的西北面馆、江西水饺、手工拉面早已不在，    各种店铺都换了好几茬，这些是变的。    三年前还很流行的一款手机在今天看起来已经落后的不像样子。    三年前还运行的好好的一家公司，今天也已经不复存在。    一座座高楼拔地而起，
  • 【Scala十】Scala核心四：集合框架之List bit1129 scala
    Spark的RDD作为一个分布式不可变的数据集合，它提供的转换操作，很多是借鉴于Scala的集合框架提供的一些函数，因此，有必要对Scala的集合进行详细的了解   1. 泛型集合都是协变的，对于List而言，如果B是A的子类，那么List[B]也是List[A]的子类，即可以把List[B]的实例赋值给List[A]变量   2. 给变量赋值(注意val关键字，a，b
  • Nested Functions in C bookjovi cclosure
      Nested Functions 又称closure，属于functional language中的概念，一直以为C中是不支持closure的，现在看来我错了，不过C标准中是不支持的，而GCC支持。   既然GCC支持了closure，那么 lexical scoping自然也支持了，同时在C中label也是可以在nested functions中自由跳转的
  • Java-Collections Framework学习与总结-WeakHashMap BrokenDreams Collections
            总结这个类之前，首先看一下Java引用的相关知识。Java的引用分为四种：强引用、软引用、弱引用和虚引用。         强引用：就是常见的代码中的引用，如Object o = new Object();存在强引用的对象不会被垃圾收集
  • 读《研磨设计模式》-代码笔记-解释器模式-Interpret bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ package design.pattern; /* * 解释器（Interpreter）模式的意图是可以按照自己定义的组合规则集合来组合可执行对象 * * 代码示例实现XML里面1.读取单个元素的值 2.读取单个属性的值 * 多
  • After Effects操作&快捷键 cherishLC After Effects
    1、快捷键官方文档 中文版：https://helpx.adobe.com/cn/after-effects/using/keyboard-shortcuts-reference.html 英文版：https://helpx.adobe.com/after-effects/using/keyboard-shortcuts-reference.html 2、常用快捷键
  • Maven 常用命令 crabdave maven
    Maven 常用命令   mvn archetype:generate mvn install mvn clean mvn clean complie mvn clean test mvn clean install mvn clean package mvn test mvn package mvn site   mvn dependency:res
  • shell bad substitution daizj shell脚本
    #!/bin/sh /data/script/common/run_cmd.exp 192.168.13.168 "impala-shell -islave4 -q 'insert OVERWRITE table imeis.${tableName} select ${selectFields}, ds, fnv_hash(concat(cast(ds as string), im
  • Java SE 第二讲（原生数据类型 Primitive Data Type） dcj3sjt126com java
    Java SE  第二讲： 1.   Windows: notepad, editplus, ultraedit, gvim Linux: vi, vim, gedit 2.   Java 中的数据类型分为两大类： 1）原生数据类型  （Primitive Data Type） 2）引用类型（对象类型）  （R
  • CGridView中实现批量删除 dcj3sjt126com PHPyii
    1，CGridView中的columns添加 array( 'selectableRows' => 2, 'footer' => '<button type="button" onclick="GetCheckbox();" style=&
  • Java中泛型的各种使用 dyy_gusi java泛型
    Java中的泛型的使用：1.普通的泛型使用 在使用类的时候后面的<>中的类型就是我们确定的类型。 public class MyClass1<T> {//此处定义的泛型是T private T var; public T getVar() { return var; } public void setVa
  • Web开发技术十年发展历程 gcq511120594 Web浏览器数据挖掘
    回顾web开发技术这十年发展历程： Ajax 03年的时候我上六年级，那时候网吧刚在小县城的角落萌生。传奇，大话西游第一代网游一时风靡。我抱着试一试的心态给了网吧老板两块钱想申请个号玩玩，然后接下来的一个小时我一直在，注，册，账，号。 彼时网吧用的512k的带宽，注册的时候，填了一堆信息，提交，页面跳转，嘣，”您填写的信息有误，请重填”。然后跳转回注册页面，以此循环。我现在时常想，如果当时a
  • openSession()与getCurrentSession()区别： hetongfei javaDAOHibernate
    来自 http://blog.csdn.net/dy511/article/details/6166134 1.getCurrentSession创建的session会和绑定到当前线程,而openSession不会。 2. getCurrentSession创建的线程会在事务回滚或事物提交后自动关闭,而openSession必须手动关闭。 这里getCurrentSession本地事务(本地
  • 第一章 安装Nginx+Lua开发环境 jinnianshilongnian nginxluaopenresty
    首先我们选择使用OpenResty，其是由Nginx核心加很多第三方模块组成，其最大的亮点是默认集成了Lua开发环境，使得Nginx可以作为一个Web Server使用。借助于Nginx的事件驱动模型和非阻塞IO，可以实现高性能的Web应用程序。而且OpenResty提供了大量组件如Mysql、Redis、Memcached等等，使在Nginx上开发Web应用更方便更简单。目前在京东如实时价格、秒
  • HSQLDB In-Process方式访问内存数据库 liyonghui160com
        HSQLDB一大特色就是能够在内存中建立数据库，当然它也能将这些内存数据库保存到文件中以便实现真正的持久化。   先睹为快！   下面是一个In-Process方式访问内存数据库的代码示例：     下面代码需要引入hsqldb.jar包 （hsqldb-2.2.8）   import java.s
  • Java线程的5个使用技巧 pda158 java数据结构
    Java线程有哪些不太为人所知的技巧与用法？ 　　萝卜白菜各有所爱。像我就喜欢Java。学无止境，这也是我喜欢它的一个原因。日常 工作中你所用到的工具，通常都有些你从来没有了解过的东西，比方说某个方法或者是一些有趣的用法。比如说线程。没错，就是线程。或者确切说是Thread这个类。当我们在构建高可扩展性系统的时候，通常会面临各种各样的并发编程的问题，不过我们现在所要讲的可能会略有不同。
  • 开发资源大整合：编程语言篇——JavaScript（1） shoothao JavaScript
    概述：本系列的资源整合来自于github中各个领域的大牛，来收藏你感兴趣的东西吧。     程序包管理器   管理javascript库并提供对这些库的快速使用与打包的服务。 Bower - 用于web的程序包管理。 component - 用于客户端的程序包管理，构建更好的web应用程序。 spm - 全新的静态的文件包管
  • 避免使用终结函数 vahoa.ma javajvmC++
    终结函数（finalizer）通常是不可预测的，常常也是很危险的，一般情况下不是必要的。使用终结函数会导致不稳定的行为、更差的性能，以及带来移植性问题。不要把终结函数当做C++中的析构函数（destructors）的对应物。       我自己总结了一下这一条的综合性结论是这样的： 1）在涉及使用资源，使用完毕后要释放资源的情形下，首先要用一个显示的方
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他