- 多个总体均值的比较(多元方差分析)
亦旧sea
均值算法算法
多元方差分析是什么多元方差分析是一种统计方法,用于比较两个或更多组的均值在一个或多个自变量上的差异是否具有统计学意义。它可以同时考虑多个自变量对因变量的影响,以及自变量之间的交互作用。它是广义线性模型的拓展,适用于因变量为连续变量且自变量为分类变量的情况。多元方差分析可以帮助研究者确定各组之间是否存在显著差异,并评估自变量的影响程度。它常用于社会科学、医学研究等领域中。多元方差分析的原理多元方差分
- Python概率建模算法和图示
亚图跨际
数学机器学习Pythonpython算法概率建模统计
要点Python朴素贝叶斯分类器解释概率学习示例Python概率论,衡量一个或多个变量相互依赖性,从数据中学习概率模型参数,贝叶斯决策论,信息论,线性代数和优化Python线性判别分析分类模型,逻辑回归,线性回归,广义线性模型Python结构化数据,图像和序列神经网络朴素贝叶斯分类器示例概率学习在机器学习的广阔领域中,概率学习开辟了自己独特的空间。在统计和概率的驱动下,概率学习侧重于对数据中存在的
- statsmodels专栏6——专业洞见:Python中的Statsmodels库高级线性模型
theskylife
数据分析数据挖掘python学习之旅python概率论机器学习数据分析数据挖掘
目录写在前面1广义线性模型(GLM)1.1GLM的基本理念1.2使用Statsmodels进行GLM建模1.2.1使用线性回归1.2.2使用logistic回归处理二分类问题2高级线性混合效应模型2.1高级线性混合效应模型的应用场景2.2利用Statsmodels进行高级线性混合效应建模3泊松回归3.1解释泊松回归的应用场景3.2使用Statsmodels进行泊松回归建模写在最后写在前面在当今数据
- 广义线性模型GLM和广义线性混合模型GLMM
奔跑的Forrest
GLM一般是指generalizedlinearmodel,也就是广义线性模型;而非generallinearmodel,也就是一般线性模型;而GLMM(generalizedlinearmixedmodel)是广义线性混合模型。广义线性模型GLM很简单,举个例子,药物的疗效和服用药物的剂量有关。这个相关性可能是多种多样的,可能是简单线性关系(发烧时吃一片药退烧0.1度,两片药退烧0.2度,以此类
- paper1:Wide & Deep Learning for Recommender Systems
是黄小胖呀
论文整理待写:Wide&DeepModels--2018.12.1/12.2两天1、论文创新点广义线性模型存在需要太多特征工程的工作;深度模型的embedding的过度概括化以至于推荐不太相关的物品当用户数据比较稀疏时;提出了一个结合使用了非线性特征的线性模型和一个用来embedding特征的深度学习,并且使用联合训练的方法进行优化。思想是,基于交叉特征的线性模型只能从历史出现过的数据中找到非线性
- Topic 8. 临床预测模型-Lasso回归
90066456ace6
Lasso回归在决定哪些因素可以纳入模型提高模型的稳健性,以及相应的给出各种可用图表,在做生物标志物筛选时,效果非常好!我们从最简单的线性回归(LinearRegression)开始了解如何使用glmnet拟合LASSO回归模型,所以此时的连接函数(linkfunction)就是恒等,或者说没有连接函数,而误差的函数分布是正态分布。01Lasso回归概念——————用惩罚极大似然拟合广义线性模型。
- 前出深入-机器学习
代码浪人
机器学习机器学习python人工智能
文章目录一、K近邻算法1.1先画一个散列图1.2使用K最近算法建模拟合数据1.3进行预测1.4K最近邻算法处理多元分类问题1.5K最近邻算法用于回归分析1.6K最近邻算法项目实战-酒的分类1.6.1对数据进行分析1.6.2生成训练数据集和测试数据集1.6.3使用K最近邻算法对数据进行建模预测1.6.4对新数据进行分类二、广义线性模型2.1线性模型的一般公式2.2通过数据集绘制2.2.1查看系数和截
- Topic 4. 临床预测模型构建 Logistic 回归
90066456ace6
上期我们已经基本了解变量的类型,以及如果处理不同种类的变量,现在我们就来学些一个临床预测模型--GLM广义线性模型及R语言实现。广义线性模型(GeneralizedLinearModel)是一般线性模型的推广,它使因变量的总体均值通过一个非线性连接函数而依赖于线性预测值,允许响应概率分布为指数分布族中的任何一员。许多广泛应用的统计模型都属于广义线性模型,如常用于研究二元分类响应变量的Logisti
- 机器学习-04 基于sklearn 广义线性模型- Lasso回归
布比与迈克大炮
sklearnpython机器学习
机器学习-04基于sklearn广义线性模型-Lasso回归Lasso回归坐标下降算法官方手册示例再现重要代码解释Lasso回归稀疏系数是指含零较多的系数。这种现象的产生可能是特征值设定的原因,比如性别男性为1女性为0,或者天气晴天为1阴天为0,这种非黑及白的选择如果有很多,可能会产生一溜零的情况。百度百科上面这段话写的特别好,特地摘抄在下面“该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较
- 智谱AI发布新一代基座大模型GLM-4;机器学习书籍推荐
go2coding
AI日报人工智能机器学习
AI新闻智谱AI发布新一代基座大模型GLM-4摘要:智谱AI发布了全新的基座大模型GLM-4,性能可比GPT-4,拥有超强的中文能力和长文本处理能力。GLM-4的全面跃升在综合能力上提升了60%,支持更长的上下文,具备更强的多模态功能,支持更快的推理,更多并发,推理成本大大降低。智谱AI还发布了定制化的个人GLM大模型GLMs和GLMStore,实现了全家桶能力,让模型自主根据用户意图,自动理解、
- 分类方法之逻辑回归
亦旧sea
分类逻辑回归数据挖掘
什么是逻辑回归逻辑回归是一种用于解决分类问题的统计分析方法。它是一种广义线性模型,主要用于预测一个事件的概率。逻辑回归通过将输入变量和权重进行线性组合,并通过一个特殊的函数(称为逻辑函数或Sigmoid函数)将结果转化为0到1之间的概率值。这个概率值可以表示在给定输入变量的情况下,事件发生的可能性。逻辑回归可以用于二分类问题,也可以通过一些扩展方法用于多分类问题。在二分类问题中,逻辑回归将输出为两
- 多元线性回归模型(公式推导+举例应用)
Nie同学
机器学习线性回归算法回归
文章目录引言模型表达式均方误差和优化目标最小二乘法广义线性模型范数XTX\mathbf{X^TX}XTX不是满秩情况下,回归问题的解决方案岭回归套索回归弹性网络回归(ElasticNet)XTX\mathbf{X^TX}XTX不是满秩情况下,二分类问题的解决方案对数几率回归黑塞矩阵结论实验分析(一)实验分析(二)实验分析(三)引言多元线性回归是回归分析中的一种复杂模型,它考虑了多个输入变量对输出变
- 对数几率回归
LoveToday2020
对数几率回归是利用广义线性模型解决二分类任务的一种方法。对数几率回归简称对率回归,是使用Sigmoid函数作为联系函数时的广义线性模型,是广义线性模型的一个特例。对于一个线性回归的模型我们一般都会定义为为了做一个二分类的估计我们可以做一个概率的判断单位阶跃函数但是单位阶跃函数是不连续的,难以求导,所以用对数几率函数替代此函数最为一个激活函数在二分类的问题上简直是完美,此函数的特征sigmoid函数
- R语言广义线性模型:Logistic回归模型的亚组分析及森林图绘制
大笑编程
r语言回归开发语言
R语言广义线性模型:Logistic回归模型的亚组分析及森林图绘制Logistic回归模型是一种常用的广义线性模型,广泛应用于分类问题。亚组分析则是在Logistic回归模型基础上进行的一种统计方法,用于探究某个特定因素对不同亚组之间的影响是否存在差异。本文将介绍如何使用R语言进行Logistic回归模型的亚组分析,并使用森林图来可视化结果。在开始之前,首先需要安装并加载必要的R软件包。以下代码将
- Python实现广义线性回归模型(statsmodels GLM算法)项目实战
胖哥真不错
机器学习pythonpythonFA萤火虫优化算法机器学习广义线性回归模型GLM回归模型
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景广义线性模型(GeneralizedLinearModel,简称GLM)是一种广泛应用于回归分析和分类问题的统计模型。它将线性模型与非线性变换相结合,可以适应各种类型的数据。本项目通过GLM回归算法来构建广义线性回归模型。2.数据获取本次建模数据来源于网络(本项目撰写
- 斯坦福机器学习 Lecture5 (判别学习算法、GDA 高斯判别分析,skip)
shimly123456
斯坦福机器学习机器学习人工智能
讲解GDA(高斯判别分析)目前我们学习的所有学习算法(线性回归和逻辑回归和广义线性模型)被称为判别学习算法(discriminative)今天要讲生成学习算法TODO:here
- 使用car包进行R语言分析
技术闯荡
r语言开发语言
使用car包进行R语言分析在R语言中,car(CompaniontoAppliedRegression)包是一个强大的统计分析工具,提供了许多用于线性和广义线性模型的实用函数。本文将介绍car包的一些常用功能,并结合相应的源代码进行演示。一、安装和加载car包要使用car包,首先需要安装它。在R控制台中输入以下代码来安装car包:install.packages("car")安装完成后,可以使用以
- 【机器学习】线性模型之逻辑回归
撕得失败的标签
机器学习机器学习逻辑回归人工智能
文章目录逻辑回归Sigmoid函数概率输出结果预测值与真实标签之间的并不匹配交叉熵逻辑回归模型梯度下降逻辑回归模型求解编程求解sklearn实现,并查看拟合指标逻辑回归逻辑回归是一种广义线性模型,形式上引入了SigmoidSigmoidSigmoid函数映射,是非线性模型。但本质上,逻辑回归仍然是一个线性回归模型,因为除去SigmoidSigmoidSigmoid映射函数关系,其他的步骤和算法都是
- 知识补给站20230419-20230421
Charming&M
人工智能大数据python学习方法
文章目录1.FTP定价2.BP3.XGB中的SHAP4.其他格式转数据框5.树模型当中的增益是怎么计算的?6.plt作图小结?7.解决样本不平衡问题?8.缺失值填充9.周期损失的计算方法?10.贷款五级分类11.B端业务和C端业务(参考人人都是产品经理的文章)12.欺诈检测-多分类13.过拟合14.广义线性模型15.经验风险+结构风险16.极大似然估计-求最优参数17.逻辑回归18.混淆矩阵19.
- 无标题文章
joeyqzhou
>Byjoey周琦本文将首先简单介绍指数族分布,然后介绍一下广义线性模型(generalizedlinearmodel,GLM),最后解释了为什么逻辑回归(logisticregression,LR)是广义线性模型的一种。#指数族分布指数族分布(Theexponentialfamilydistribution),区别于指数分布(exponentialdistribution)。在概率统计中,若某概
- 广义线性模型(GLM):理论与Scikit-Learn的实现
数据派THU
scikit-learnpython机器学习人工智能
来源:我得学城本文约3600字,建议阅读5分钟本文介绍了理解GLM所需的细节。广义线性模型(GLM)是统计学中的一种模型框架,用于建立和分析多种类型的回归模型,其中因变量不一定需要满足线性关系或正态分布的假设。GLM扩展了传统的线性回归,通过引入链接函数和允许不同的分布,从而更灵活地适用于不同类型的数据。文章来源:https://towardsdatascience.com/scikit
- 【收藏】时间序列预测入门必读的4篇论文
深度学习技术前沿
算法机器学习人工智能深度学习大数据
时间序列预测是一个发展历史悠久的技术领域,近些年随着机器学习算法和深度学习算法的应用,时间序列预测方法在越来越多的传统领域焕发光彩。入门必读的4篇论文见文末↓01传统统计学算法和ML/DL算法的优劣时间序列预测常用的传统的统计学算法有ARIMA,ETS,GARCH等,常用的机器学习算法和深度学习算法有广义线性模型、xgboost、LSTM、CNN、Transformer等。统计学习方法需要结合时序
- R中的统计模型
weixin_30718391
数据结构与算法大数据
R中的统计模型这一部分假定读者已经对统计方法,特别是回归分析和方差分析有一定的了解。后面我们还会假定读者对广义线性模型和非线性模型也有所了解。R已经很好地定义了统计模型拟合中的一些前提条件,因此我们能构建出一些通用的方法以用于各种问题。R提供了一系列紧密联系的统计模型拟合的工具,使得拟合工作变得简单。正如我们在绪论中提到的一样,基本的屏幕输出是简洁的,因此用户需要调用一些辅助函数来提取细节的结果信
- R语言|广义相加模型(GAM)
小易学统计
转自个人微信公粽号【易学统计】的统计学习笔记:R软件:广义相加模型(GAM)01解决何种问题前面一期和大家分享如何运用样条回归处理遇到的非线性问题,但这适合处理单个因变量Y对应一个自变量X的问题,而现实情况是,我们常常要处理多个自变量和一个因变量之间的关系,除此以外,虽然通过做散点图能发现非线性关系,但很难归属它的形式,广义线性模型中的多项式回归,由于其不好解释的系数,降低了模型实用性。因此本章分
- autoReg:三线表格及森林图
皮肤科大白
mr
首先致敬前辈科研行者介绍一下最近的新宠「autoReg包」,不仅可以快捷完成基线表的制作,还可以直接一行代码输出回归分析(支持线性模型、广义线性模型和比例风险模型)的表格,我们还是以上次的示例数据来做演示。安装并加载需要用的R包install.packages("devtools")install.packages("remotes)#如果devtools包是旧有的,可能需要更新,否则有可能报错l
- 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
- 【深度学习】基于MindSpore和pytorch的Softmax回归及前馈神经网络
WiIsonEdwards
深度学习回归神经网络
1实验内容简介1.1实验目的(1)熟练掌握tensor相关各种操作;(2)掌握广义线性回归模型(logistic模型、sofmax模型)、前馈神经网络模型的原理;(3)熟练掌握基于mindspore和pytorch的广义线性模型与前馈神经网络模型的实现。1.2实验内容及要求请基于mindspore和pytorch平台实现对MNIST数据集的分类分析,并以分类的准确度和混淆矩阵为衡量指标,分析二个模
- 风险风控-逻辑回归理论基础
田晖扬
风控建模逻辑回归算法机器学习
逻辑回归一般都应用于传统的建模方案,因其模型含义易解释,容易推广上线而得到大家的青睐逻辑回归于广义线性模型:逻辑回归是广义线性模型(GeneralizedLinearModels,GLM)的一种特殊形式。广义线性模型是线性回归模型的推广,它不强行改变数据的自然度量,允许数据具有非线性和非恒定方差结构。具体来说,GLM建立了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,通过链接函数将这两者联系
- 这是一个小“废”贴
壮壮不太胖^QwQ
算法数据库决策树机器学习sql
我的学习目录一,数据处理Pandas数据处理二,机器学习上课进度及练习应用部分生成自己的数据集广义线性模型交叉验证:评估估算器的表现计算f1_score数据降维特征选择集成学习1,k-邻近算法2,线性回归3,决策树4,朴素贝叶斯算法5,逻辑回归6,聚类-sklearn中的使用三,深度学习(tensorflow)相关知识1,构建多层感知器2,独热编码、顺序编码与softMax多分类3,模型的优化和过
- 《利用Python进行数据分析》13.3statsmodels介绍
CCC考研
第十三章Python建模库介绍13.3statsmodels介绍statsmodels(http://www.statsmodels.org)是一个Python库,用于拟合多种统计模型,执行统计测试以及数据探索和可视化。statsmodels包含更多的“经典”频率学派统计方法,而贝叶斯方法和机器学习模型可在其他库中找到。包含在statsmodels中的一些模型:·线性模型,广义线性模型和鲁棒线性模
- scala的option和some
矮蛋蛋
编程scala
原文地址:
http://blog.sina.com.cn/s/blog_68af3f090100qkt8.html
对于学习 Scala 的 Java™ 开发人员来说,对象是一个比较自然、简单的入口点。在 本系列 前几期文章中,我介绍了 Scala 中一些面向对象的编程方法,这些方法实际上与 Java 编程的区别不是很大。我还向您展示了 Scala 如何重新应用传统的面向对象概念,找到其缺点
- NullPointerException
Cb123456
androidBaseAdapter
java.lang.NullPointerException: Attempt to invoke virtual method 'int android.view.View.getImportantForAccessibility()' on a null object reference
出现以上异常.然后就在baidu上
- PHP使用文件和目录
天子之骄
php文件和目录读取和写入php验证文件php锁定文件
PHP使用文件和目录
1.使用include()包含文件
(1):使用include()从一个被包含文档返回一个值
(2):在控制结构中使用include()
include_once()函数需要一个包含文件的路径,此外,第一次调用它的情况和include()一样,如果在脚本执行中再次对同一个文件调用,那么这个文件不会再次包含。
在php.ini文件中设置
- SQL SELECT DISTINCT 语句
何必如此
sql
SELECT DISTINCT 语句用于返回唯一不同的值。
SQL SELECT DISTINCT 语句
在表中,一个列可能会包含多个重复值,有时您也许希望仅仅列出不同(distinct)的值。
DISTINCT 关键词用于返回唯一不同的值。
SQL SELECT DISTINCT 语法
SELECT DISTINCT column_name,column_name
F
- java冒泡排序
3213213333332132
java冒泡排序
package com.algorithm;
/**
* @Description 冒泡
* @author FuJianyong
* 2015-1-22上午09:58:39
*/
public class MaoPao {
public static void main(String[] args) {
int[] mao = {17,50,26,18,9,10
- struts2.18 +json,struts2-json-plugin-2.1.8.1.jar配置及问题!
7454103
DAOspringAjaxjsonqq
struts2.18 出来有段时间了! (貌似是 稳定版)
闲时研究下下! 貌似 sruts2 搭配 json 做 ajax 很吃香!
实践了下下! 不当之处请绕过! 呵呵
网上一大堆 struts2+json 不过大多的json 插件 都是 jsonplugin.34.jar
strut
- struts2 数据标签说明
darkranger
jspbeanstrutsservletScheme
数据标签主要用于提供各种数据访问相关的功能,包括显示一个Action里的属性,以及生成国际化输出等功能
数据标签主要包括:
action :该标签用于在JSP页面中直接调用一个Action,通过指定executeResult参数,还可将该Action的处理结果包含到本页面来。
bean :该标签用于创建一个javabean实例。如果指定了id属性,则可以将创建的javabean实例放入Sta
- 链表.简单的链表节点构建
aijuans
编程技巧
/*编程环境WIN-TC*/ #include "stdio.h" #include "conio.h"
#define NODE(name, key_word, help) \ Node name[1]={{NULL, NULL, NULL, key_word, help}}
typedef struct node { &nbs
- tomcat下jndi的三种配置方式
avords
tomcat
jndi(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。命名服务将名称和对象联系起来,使得我们可以用名称
访问对象。目录服务是一种命名服务,在这种服务里,对象不但有名称,还有属性。
tomcat配置
- 关于敏捷的一些想法
houxinyou
敏捷
从网上看到这样一句话:“敏捷开发的最重要目标就是:满足用户多变的需求,说白了就是最大程度的让客户满意。”
感觉表达的不太清楚。
感觉容易被人误解的地方主要在“用户多变的需求”上。
第一种多变,实际上就是没有从根本上了解了用户的需求。用户的需求实际是稳定的,只是比较多,也比较混乱,用户一般只能了解自己的那一小部分,所以没有用户能清楚的表达出整体需求。而由于各种条件的,用户表达自己那一部分时也有
- 富养还是穷养,决定孩子的一生
bijian1013
教育人生
是什么决定孩子未来物质能否丰盛?为什么说寒门很难出贵子,三代才能出贵族?真的是父母必须有钱,才能大概率保证孩子未来富有吗?-----作者:@李雪爱与自由
事实并非由物质决定,而是由心灵决定。一朋友富有而且修养气质很好,兄弟姐妹也都如此。她的童年时代,物质上大家都很贫乏,但妈妈总是保持生活中的美感,时不时给孩子们带回一些美好小玩意,从来不对孩子传递生活艰辛、金钱来之不易、要懂得珍惜
- oracle 日期时间格式转化
征客丶
oracle
oracle 系统时间有 SYSDATE 与 SYSTIMESTAMP;
SYSDATE:不支持毫秒,取的是系统时间;
SYSTIMESTAMP:支持毫秒,日期,时间是给时区转换的,秒和毫秒是取的系统的。
日期转字符窜:
一、不取毫秒:
TO_CHAR(SYSDATE, 'YYYY-MM-DD HH24:MI:SS')
简要说明,
YYYY 年
MM 月
- 【Scala六】分析Spark源代码总结的Scala语法四
bit1129
scala
1. apply语法
FileShuffleBlockManager中定义的类ShuffleFileGroup,定义:
private class ShuffleFileGroup(val shuffleId: Int, val fileId: Int, val files: Array[File]) {
...
def apply(bucketId
- Erlang中有意思的bug
bookjovi
erlang
代码中常有一些很搞笑的bug,如下面的一行代码被调用两次(Erlang beam)
commit f667e4a47b07b07ed035073b94d699ff5fe0ba9b
Author: Jovi Zhang <
[email protected]>
Date: Fri Dec 2 16:19:22 2011 +0100
erts:
- 移位打印10进制数转16进制-2008-08-18
ljy325
java基础
/**
* Description 移位打印10进制的16进制形式
* Creation Date 15-08-2008 9:00
* @author 卢俊宇
* @version 1.0
*
*/
public class PrintHex {
// 备选字符
static final char di
- 读《研磨设计模式》-代码笔记-组合模式
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/
import java.util.ArrayList;
import java.util.List;
abstract class Component {
public abstract void printStruct(Str
- 利用cmd命令将.class文件打包成jar
chenyu19891124
cmdjar
cmd命令打jar是如下实现:
在运行里输入cmd,利用cmd命令进入到本地的工作盘符。(如我的是D盘下的文件有此路径 D:\workspace\prpall\WEB-INF\classes)
现在是想把D:\workspace\prpall\WEB-INF\classes路径下所有的文件打包成prpall.jar。然后继续如下操作:
cd D: 回车
cd workspace/prpal
- [原创]JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
comsci
eclipse设计模式算法工作swing
JWFD v0.96 工作流系统二次开发包 for Eclipse 简要说明
&nb
- SecureCRT右键粘贴的设置
daizj
secureCRT右键粘贴
一般都习惯鼠标右键自动粘贴的功能,对于SecureCRT6.7.5 ,这个功能也已经是默认配置了。
老版本的SecureCRT其实也有这个功能,只是不是默认设置,很多人不知道罢了。
菜单:
Options->Global Options ...->Terminal
右边有个Mouse的选项块。
Copy on Select
Paste on Right/Middle
- Linux 软链接和硬链接
dongwei_6688
linux
1.Linux链接概念Linux链接分两种,一种被称为硬链接(Hard Link),另一种被称为符号链接(Symbolic Link)。默认情况下,ln命令产生硬链接。
【硬连接】硬连接指通过索引节点来进行连接。在Linux的文件系统中,保存在磁盘分区中的文件不管是什么类型都给它分配一个编号,称为索引节点号(Inode Index)。在Linux中,多个文件名指向同一索引节点是存在的。一般这种连
- DIV底部自适应
dcj3sjt126com
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- Centos6.5使用yum安装mysql——快速上手必备
dcj3sjt126com
mysql
第1步、yum安装mysql
[root@stonex ~]# yum -y install mysql-server
安装结果:
Installed:
mysql-server.x86_64 0:5.1.73-3.el6_5 &nb
- 如何调试JDK源码
frank1234
jdk
相信各位小伙伴们跟我一样,想通过JDK源码来学习Java,比如collections包,java.util.concurrent包。
可惜的是sun提供的jdk并不能查看运行中的局部变量,需要重新编译一下rt.jar。
下面是编译jdk的具体步骤:
1.把C:\java\jdk1.6.0_26\sr
- Maximal Rectangle
hcx2013
max
Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing all ones and return its area.
public class Solution {
public int maximalRectangle(char[][] matrix)
- Spring MVC测试框架详解——服务端测试
jinnianshilongnian
spring mvc test
随着RESTful Web Service的流行,测试对外的Service是否满足期望也变的必要的。从Spring 3.2开始Spring了Spring Web测试框架,如果版本低于3.2,请使用spring-test-mvc项目(合并到spring3.2中了)。
Spring MVC测试框架提供了对服务器端和客户端(基于RestTemplate的客户端)提供了支持。
&nbs
- Linux64位操作系统(CentOS6.6)上如何编译hadoop2.4.0
liyong0802
hadoop
一、准备编译软件
1.在官网下载jdk1.7、maven3.2.1、ant1.9.4,解压设置好环境变量就可以用。
环境变量设置如下:
(1)执行vim /etc/profile
(2)在文件尾部加入:
export JAVA_HOME=/home/spark/jdk1.7
export MAVEN_HOME=/ho
- StatusBar 字体白色
pangyulei
status
[[UIApplication sharedApplication] setStatusBarStyle:UIStatusBarStyleLightContent];
/*you'll also need to set UIViewControllerBasedStatusBarAppearance to NO in the plist file if you use this method
- 如何分析Java虚拟机死锁
sesame
javathreadoracle虚拟机jdbc
英文资料:
Thread Dump and Concurrency Locks
Thread dumps are very useful for diagnosing synchronization related problems such as deadlocks on object monitors. Ctrl-\ on Solaris/Linux or Ctrl-B
- 位运算简介及实用技巧(一):基础篇
tw_wangzhengquan
位运算
http://www.matrix67.com/blog/archives/263
去年年底写的关于位运算的日志是这个Blog里少数大受欢迎的文章之一,很多人都希望我能不断完善那篇文章。后来我看到了不少其它的资料,学习到了更多关于位运算的知识,有了重新整理位运算技巧的想法。从今天起我就开始写这一系列位运算讲解文章,与其说是原来那篇文章的follow-up,不如说是一个r
- jsearch的索引文件结构
yangshangchuan
搜索引擎jsearch全文检索信息检索word分词
jsearch是一个高性能的全文检索工具包,基于倒排索引,基于java8,类似于lucene,但更轻量级。
jsearch的索引文件结构定义如下:
1、一个词的索引由=分割的三部分组成: 第一部分是词 第二部分是这个词在多少