冰露可乐
冰露可乐

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树

数据挖掘：关联规则

2022找工作是学历、能力和运气的超强结合体，遇到寒冬，大厂不招人，可能很多算法学生都得去找开发，测开
测开的话，你就得学数据库，sql，oracle，尤其sql要学，当然，像很多金融企业、安全机构啥的，他们必须要用oracle数据库
这oracle比sql安全，强大多了，所以你需要学习，最重要的，你要是考网络警察公务员，这玩意你不会就别去报名了，耽误时间！
与此同时，既然要考网警之数据分析应用岗，那必然要考数据挖掘基础知识，今天开始咱们就对数据挖掘方面的东西好生讲讲 最最最重要的就是大数据，什么行测和面试都是小问题，最难最最重要的就是大数据技术相关的知识笔试

文章目录

  • 数据挖掘：关联规则
    • @[TOC](文章目录)
  • 关联规则
  • 异常检测
  • 数据挖掘的标准流程
  • 数据挖掘的经典算法
  • 训练误差和泛华误差
  • 分类算法评估指标：hold-out method
  • 聚类方法
  • 总结

关联规则

如果相关性很大，那就可以去掉其中一个属性
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第1张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第2张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第3张图片

异常检测

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第4张图片

数据挖掘的标准流程

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第5张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第6张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第7张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第8张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第9张图片
这些不仅是理论，更是实际业务会遇到的东西
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第10张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第11张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第12张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第13张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第14张图片
NLP
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第15张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第16张图片数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第17张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第18张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第19张图片数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第20张图片
长尾问题

数据挖掘的经典算法

这些可能会考的
去年就考了聚类哦
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第21张图片

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第22张图片
TP：实际为正，预测为正
FP：实际为负，预测为正
FN：实际为正，预测为负
TN：实际为负，预测为负

准确率acc，是TP和TN的在所有情况中的占比

recall，数据中所有正类中，真正被预测为正类的比例。就是被真的召回的正类比例

precise，在所有被预测为正类中，实际正类的比例【精确是正类的】这俩别混了
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第23张图片
ROC是pr的曲线

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第24张图片
检测出来了，但是你也不能误报
往往希望，recall高一点，而误报也要小

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第25张图片
误报了

误报率是负样本认为正了
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第26张图片

召回是1000个中的5个，好low

训练误差和泛华误差

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第27张图片

分类算法评估指标：hold-out method

train和test，随机分组的交叉验证

k-fold，k组，但是每次k-1个为训练集，而剩下一组为训练集
轮番高k次
k一般是10，叫十指交叉验证
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第28张图片
留一验证
当数据量很小，就留一个样本作为测试集
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第29张图片
骚
分组，组元素个数为1
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第30张图片

聚类方法

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第31张图片
先了解，后面会详细讲解的

看层次
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第32张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第33张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第34张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第35张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第36张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第37张图片
Nt就是正类
Ntk是确实是真的正类
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第38张图片
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第39张图片数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第40张图片

数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第41张图片
离差
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第42张图片
Ck中的i与中心u的距离

l簇和u簇的中心距离，越远越好
数据挖掘：关联规则，异常检测，挖掘的标准流程，评估指标，误差，聚类，决策树_第43张图片
C4.5算法

开始具体的算法了

总结

提示：重要经验：

1）
2）学好oracle，即使经济寒冬，整个测开offer绝对不是问题！同时也是你考公网络警察的必经之路。
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。

你可能感兴趣的:(国考,数据挖掘,数据挖掘,聚类,决策树,国考,评估,网警)

  • 华为基于IPD如何做需求管理？！从解读96页【华为IPD如何做需求管理】PPT开始 智慧化智能化数字化方案 华为学习专栏项目经理售前工程师技能提升华为华为IPD流程IPD流程体系
    该文档全面介绍了华为的IPD需求管理体系，包括概论、体系构建、跨部门协作、需求收集、分析、分发、文档编写与评审、确认、变更管理、跟踪与监控、效果评估以及常见问题解答等内容，旨在为企业提供一套系统的需求管理方法，以提高产品开发的成功率和客户满意度。需求管理概论1.需求管理的定义与流程-需求从客户中来，通过市场管理、需求管理流程提取，经IPD流程实现后回到客户中，形成端到端需求管理。IPD流程总体框架
  • DS/ML：数据科学技术之数据科学生命周期(四大层次+机器学习六大阶段+数据挖掘【5+6+6+4+4+1】步骤)的全流程最强学习路线讲解之详细攻略 一个处女座的程序猿 资深文章(前沿/经验/创新)DataScienceML数据科学数据科学的生命周期机器学习
    DS/ML：数据科学技术之数据科学生命周期(四大层次+机器学习六大阶段+数据挖掘【5+6+6+4+4+1】步骤)的全流程最强学习路线讲解之详细攻略导读：本文章是博主在数据科学和机器学习领域，先后实战过几百个应用案例之后的精心总结，应该是完全覆盖了数据科学的整个生命周期及其各个阶段的要点。其中机器学习领域六大阶段更是在整个数据科学生命周期中扮演着极其重要的角色。同时，因为涉及到博主出书中出版社要求在
  • 第三十一篇 数据仓库（DW）与商业智能（BI）架构设计与实践指南 随缘而动，随遇而安 数据库sql数据仓库大数据数据库架构
    目录一、DW/BI架构核心理论与选型策略1.1主流架构模式对比（1）Kimball维度建模架构（2）Inmon企业工厂架构（3）混合架构二、架构设计方法论与实施步骤2.1维度建模实战指南（1）模型选择决策树（2）ETL开发规范2.2实时BI技术栈选型三、全链路实施与优化策略3.1五阶段实施框架3.2数据治理体系构建四、行业场景深度实践4.1电商用户行为分析4.2金融风控实时预警五、关键问题解析Q1
  • Python 向量检索库Faiss使用 懒大王爱吃狼 pythonpython开发语言自动化Python基础python教程
    Faiss（FacebookAISimilaritySearch）是一个由FacebookAIResearch开发的库，它专门用于高效地搜索和聚类大量向量。Faiss能够在几毫秒内搜索数亿个向量，这使得它非常适合于实现近似最近邻（ANN）搜索，这在许多应用中都非常有用，比如图像检索、推荐系统和自然语言处理。以下是如何使用Faiss的基本步骤和示例：1.安装Faiss首先，你需要安装Faiss。你可
  • 如何使用YOLOv8在AI-TOD数据集上进行遥感目标检测，从安装依赖项、准备数据集、配置YOLOv8、训练和评估模型以及构建GUI应用程序展示检测 计算机C9硕士_算法工程师 人工智能YOLO目标检测遥感
    如何使用YOLOv8在AI-TOD数据集上进行遥感目标检测，从安装依赖项、准备数据集、配置YOLOv8、训练和评估模型以及构建GUI应用程序展示检测文章目录1.安装依赖2.数据准备3.配置YOLOv83.1加载预训练模型或自定义模型4.训练模型5.评估模型6.构建GUI应用程序（可选）以下文字及代码仅供参考。遥感目标检测，AI-TOD数据集aitod，训练集11214张，测试集集14018，验证集
  • 【从零开始学习计算机科学】计算机体系结构（一）计算机体系结构、指令、指令集（ISA）与量化评估 贫苦游商 学习服务器网络计算机体系结构ISA指令集量化评估
    【从零开始学习计算机科学】计算机体系结构（一）计算机体系结构、指令、指令集（ISA）与量化评估概论计算机体系结构简介计算机的分类并行体系结构指令集体系结构（ISA）分类存储器寻址寻址模式操作数大小指令ISA的编码程序的优化计算机体系结构量化评估存储器体系结构概论计算机体系结构与计算机组成原理之间的联系非常紧密，其研究范畴基本一致，计算机体系结构与计算机组成原理两者是相辅相成的。但是，计算机体系结构
  • 基于ChatGPT、GIS与Python机器学习的地质灾害风险评估、易发性分析、信息化建库及灾后重建高级实践 weixin_贾 防洪评价风险评估滑坡泥石流地质灾害
    第一章、ChatGPT、DeepSeek大语言模型提示词与地质灾害基础及平台介绍【基础实践篇】1、什么是大模型？大模型（LargeLanguageModel,LLM）是一种基于深度学习技术的大规模自然语言处理模型。代表性大模型：GPT-4、BERT、T5、ChatGPT等。特点：多任务能力：可以完成文本生成、分类、翻译、问答等任务。上下文理解：能理解复杂的上下文信息。广泛适配性：适合科研、教育、行
  • AI 赋能应急管理：ChatGPT、DeepSeek、Grok 的应用探索 一ge科研小菜菜 人工智能人工智能
    个人主页：一ge科研小菜鸡-CSDN博客期待您的关注1.引言随着人工智能（AI）技术的快速发展，大语言模型（LLM）在应急管理领域的应用逐步扩大。ChatGPT、DeepSeek、Grok等AI模型凭借强大的文本处理、数据分析和推理能力，可为灾害预警、应急响应、风险评估等提供高效支持。本文将对比三大AI模型在应急管理中的优势，并探讨其在未来智能化应急管理体系中的应用前景。2.应急管理中的核心挑战应
  • ONE Deep模型：LG AI Research的开源突破 耶耶Norsea 网络杂烩自动化
    摘要由LGAIResearch开发的ONEDeep系列开源AI模型，参数规模覆盖2.4亿至32亿。经评估，2.4B参数规模的ONEDeep模型在性能上优于同类其他模型，展现出显著优势。这一成果为AI技术的应用与研究提供了强有力的支持。关键词ONEDeep模型,开源AI模型,LGAIResearch,2.4B参数,性能优越一、ONEDeep模型概述1.1ONEDeep模型的开发背景在当今人工智能技术
  • 毕业论文代码实验（Python\MATLAB）基于K-means聚类的EMD-BiLSTM-Attention光伏功率预测模型 清风AI 毕业设计代码实现pythonlstm深度学习神经网络人工智能matlabpytorch
    一、项目背景1.1光伏功率预测意义在能源结构转型背景下（国家能源局2025规划），光伏发电渗透率已超过18%。但受天气突变、云层遮挡等因素影响，光伏出力具有显著波动性，导致：电网调度难度增加（±15%功率波动）电力市场交易风险提升光储协同控制效率降低1.2技术挑战多尺度特征耦合：分钟级辐照度变化与小时级天气模式共存非线性映射关系：气象因素与发电功率呈高阶非线性关系数据模态差异：数值天气预报(NWP
  • LLM-Agent方法评估与效果分析 agent人工智能ai开发
    1.引言近年来，随着大型语言模型（LLM）的快速发展，基于强化学习（RL）对LLM进行微调以使其具备代理（Agent）能力成为研究热点。从基础的单智能体强化学习算法（如PPO）到多智能体协作、语料重组以及在线自学习等新技术不断涌现，研究人员致力于探索如何提高LLM在实际应用中的决策能力、推理能力和任务执行效率。本文主要聚焦于当前LLM-Agent方法的检索与评估，旨在全面探讨各类方法的技术实现、实
  • 前端面试 请叫我子鱼 编程语言笔试面试程序员webinterview
    前端面试之道JS基础知识点及常考面试题原始（Primitive）类型面试题：原始类型有哪几种？null是对象嘛？在JS中，存在着6种原始值，分别是：booleannullundefinednumberstringsymbol首先原始类型存储的都是值，是没有函数可以调用的对象（Object）类型面试题：对象类型和原始类型的不同之处？函数参数是对象会发生什么问题？在JS中，除了原始类型那么其他的都是对
  • 直方图梯度提升：大数据时代的极速决策引擎 万事可爱^ 大数据机器学习深度学习直方图梯度提升GBDT算法
    一、为什么需要直方图梯度提升？在Kaggle竞赛的冠军解决方案中，超过70%的获奖方案都使用了梯度提升算法。但当数据量突破百万级时，传统梯度提升树（GBDT）面临三大致命瓶颈：训练耗时剧增：每个特征的分割点计算都需要全量数据排序内存消耗爆炸：存储排序后的特征值需要额外空间处理效率低下：无法有效利用现代CPU的多核特性而梯度提升决策树（GBDT）作为集成学习的代表算法，通过迭代构建决策树实现预测能力
  • 强化学习 Reward 百态老人 算法
    在强化学习中，奖励（Reward）是智能体（Agent）与环境（Environment）交互过程中获得的重要反馈信号。奖励机制在强化学习中扮演着至关重要的角色，因为它不仅指导智能体如何在环境中行动，还影响其策略的优化和最终的学习效果。奖励是智能体在执行某个动作后从环境中获得的即时反馈，用于评估该动作的好坏。这种反馈帮助智能体调整其行为策略，以期在未来获得更多的奖励。奖励可以是正数、负数或零，其或负
  • 【二、DeepSeek应用场景与案例】10.农业智能化：DeepSeek如何助力精准种植与养殖？ 代码世界的浪客 人工智能DeepSeek
    一、引言1.1农业智能化的时代背景在全球人口持续增长的大趋势下，粮食需求正以前所未有的速度攀升。据联合国相关预测，到2050年，全球人口有望突破90亿，这无疑给本就压力重重的农业生产带来了更为艰巨的挑战，保障充足的粮食供应成为了迫在眉睫的任务。与此同时，资源短缺问题日益尖锐，耕地面积因城市化进程、土地退化等因素不断缩减，水资源分布不均且浪费严重，进一步加剧了农业生产的困境。根据世界银行的数据，过去
  • 动漫短剧小程序源码|动漫短剧app源码交付 weixin_707762673 小程序php
    系统全部开源可二次开发，包部署上线上架，专业的售后团队以及技术服务公司，不转包不外包，完全自研技术团队。今天给大家带来一个超级给力的项目——动漫短剧小程序源码|动漫短剧app源码交付！这不仅是一套完整的解决方案，而且是针对那些想要进入火爆市场领域的朋友们的一把金钥匙！首先说一下背景吧。近年来随着短视频行业的爆发式增长，特别是微短剧、国漫等细分市场的快速崛起，让很多企业和个人看到了新的机会窗口。然而
  • 什么是护网（HVV）？需要什么技术？网络安全零基础入门到精通教程建议收藏！ 程序员晓晓 web安全干货分享计算机网络安全黑客技术护网行动渗透测试
    什么是护网行动？护网行动是以公安部牵头的，用以评估企事业单位的网络安全的活动。具体实践中。公安部会组织攻防两方，进攻方会在一个月内对防守方发动网络攻击，检测出防守方（企事业单位）存在的安全漏洞。通过与进攻方的对抗，企事业单位网络、系统以及设备等的安全能力会大大提高。“护网行动”是国家应对网络安全问题所做的重要布局之一。“护网行动”从2016年开始，随着我国对网络安全的重视，涉及单位不断扩大，越来越
  • 学术PPT模板_院士_国家科学技术奖_杰青基金_长江学者特聘教授_校企联聘长江_重点研发_优青_青长_青拔ppt制作案例 WordinPPT_2025 学术答辩PPTpptpowerpoint
    学术PPT模板院士_国家科学技术奖_杰青基金_长江学者特聘教授_校企联聘长江_重点研发_优青_青长_青拔/杰出青年科学基金答辩PPT模板wordinppt.com/gjjq.html国自然项目。“杰青”也成为国内仅次于两院院士的第二层次高端人才，是科学领域评判创新潜力与学术水平的权威标尺。2025年起，将国家杰出青年科学基金项目更名为青年科学基金项目（A类）。/长江学者答辩PPT模板wordinp
  • 【北上广深杭大厂AI算法面试题】计算机视觉篇...如何解决多尺度问题？ 努力毕业的小土博^_^ AI算法题库人工智能算法计算机视觉深度学习神经网络
    【北上广深杭大厂AI算法面试题】计算机视觉篇…如何解决多尺度问题？【北上广深杭大厂AI算法面试题】计算机视觉篇…如何解决多尺度问题？文章目录【北上广深杭大厂AI算法面试题】计算机视觉篇...如何解决多尺度问题？前言数据级别的多尺度模型架构上的多尺度表示FPN代码示例（PyTorch）说明其他多尺度处理方法总结欢迎铁子们点赞、关注、收藏！祝大家逢考必过！逢投必中！上岸上岸上岸！upupup大多数高校
  • 不搞花里胡哨！CMU最新开源：极简风格的LiDAR全景分割+跟踪！ 3Ｄ视觉工坊 3D视觉从入门到精通3D视觉
    来源：3D视觉工坊在公众号「3D视觉工坊」后台，回复「原论文」可获取论文pdf、代码链接添加微信：dddvisiona，备注：三维点云，拉你入群。文末附行业细分群1.笔者个人体会激光雷达全景分割（LPS）一般遵循自下而上的以分割为中心的范式，利用聚类获得对象实例来建立语义分割网络。但是最近CMU&Meta等大佬们重新思考了这种方法，并提出了一个简单而有效的检测中心网络，用于LPS和跟踪。这项工作也
  • RFM案例(简要版) 郜太素 数据处理和统计分析NumpypandasRFM案例mysql学习方法sql
    一、会员价值度模型1、RFM模型介绍会员价值度用来评估用户的价值情况，是区分会员价值的重要模型和参考依据，也是衡量不同营销效果的关键指标之一。价值度模型一般基于交易行为产生，衡量的是有实体转化价值的行为。常用的价值度模型是RFMRFM模型是根据会员最近一次购买时间R（Recency）购买频率F（Frequency）购买金额M（Monetary）计算得出RFM得分通过这3个维度来评估客户的订单活跃价
  • 如何评估一个RAG系统（RAGas评测框架）-下篇 写程序的小火箭 大语言模型人工智能语言模型chatgptlangchaingpt
    RAGas是一个用于评测RAG系统的评测框架，它支持与不同大语言模型的集成，并与langchain生态打通，能够很方便的构建评测系统。下面是RAGas的一些链接论文：https://arxiv.org/pdf/2309.15217官方文档：Ragashttps://github.com/explodinggradients/ragas官方文档及github对框架的使用介绍的比较详细，本文不会就该方
  • 【AI大模型应用开发】【RAG评估】0. 综述：一文了解RAG评估方法、工具与指标 同学小张 大模型人工智能笔记经验分享gptagiAIGC
    大家好，我是同学小张，日常分享AI知识和实战案例欢迎点赞+关注，持续学习，持续干货输出。+v:jasper_8017一起交流，一起进步。微信公众号也可搜【同学小张】本站文章一览：前面我们学习了RAG的基本框架并进行了实践，我们也知道使用它的目的是为了改善大模型在一些方面的不足：如训练数据不全、无垂直领域数据、容易出现幻觉等。那么如何评估RAG的效果呢？本文我们来了解一下。文章目录推荐前置阅读0.R
  • 使用BLSTM自动评估句子级构音障碍的可理解性 帅小柏 声音的未来：语音识别文献解读深度学习人工智能分类
    使用BLSTM自动评估句子级构音障碍的可理解性原文：AutomaticAssessmentofSentence-LevelDysarthriaIntelligibilityUsingBLSTM引言构音障碍简介构音障碍的定义与特征构音障碍是一种由神经原因引起的运动性言语障碍表现为肌肉无力、瘫痪或协调不良，导致言语清晰度下降可理解性的重要性可理解性是衡量言语障碍严重程度的重要指标自动评估可帮助语言病理
  • 深度学习模型性能全景评估与优化指南 niuTaylor 深度学习人工智能
    深度学习模型性能全景评估与优化指南一、算力性能指标体系1.核心算力指标对比指标计算方式适用场景硬件限制TOPS(TeraOperationsPerSecond)每秒万亿次整数运算量化模型推理NVIDIAJetsonNano仅支持FP16/FP32TFLOPS(TeraFLoating-pointOPerationsperSecond)TFLOPS=Cores×FLOPs/Cycle×Frequen
  • 专利状态查询 做一个码农都是奢望 学习学习
    我们学校没开通电子申请，只能纸质申请，导致信件延迟。所以需要及时掌握专利的状态。查询方法如下：1登录国知局国家知识产权公共服务平台(cnipa.gov.cn)打开中国及多国查询2输入申请号查询结果1：授权了需要我们缴费了！结果2：未缴纳申请费去缴费系统输入需要缴费专利的申请号，进行付款即可。3申请号获得方法查询即可4专利证书下载专利证书下载(cnipa.gov.cn)
  • 《今日AI-人工智能-编程日报》-源自2025年3月21日 小亦编辑部 人工智能
    一、AI编程领域最新动态AI编程工具崛起，程序员职业面临挑战Anthropic首席执行官DarioAmodei预言，未来一年内，90%的代码将由AI生成，传统程序员的工作可能被大幅替代。最新发布的AI编程模型（如Claude3.7、Sonnet3.7）在初级开发评估中表现优异，得分率超过60%，部分模型甚至在全球程序员排名中位列前0.1%。字节跳动的Trae海外版接入Claude3.7和GPT-4
  • LoadRunner 11 性能测试全面教程 金融先生-Frank
    本文还有配套的精品资源，点击获取简介：LoadRunner11（LR11）是HP开发的一款企业级性能测试工具，支持多应用程序类型的负载测试，用于性能评估、瓶颈识别和系统优化。教程详细介绍LR11的组件功能、脚本开发、场景设置、测试执行、结果分析、性能指标监测、故障诊断以及自动化测试等，提供从初级到高级的完整学习路径。1.LoadRunner11(LR11)功能概述LoadRunner11(LR11
  • python基于Django的旅游景点数据分析及可视化的设计与实现 7blk7 qq2295116502 pythondjango数据分析
    目录项目介绍技术栈具体实现截图Scrapy爬虫框架关键技术和使用的工具环境等的说明解决的思路开发流程爬虫核心代码展示系统设计论文书写大纲详细视频演示源码获取项目介绍大数据分析是现下比较热门的词汇，通过分析之后可以得到更多深入且有价值的信息。现实的科技手段中，越来越多的应用都会涉及到大数据随着大数据时代的到来，数据挖掘、分析与应用成为多个行业的关键,本课题首先介绍了网络爬虫的基本概念以及技术实现方法
  • HRM：分层多步奖励模型 大模型最新论文速读 深度学习语言模型人工智能自然语言处理
    论文标题TowardsHierarchicalMulti-StepRewardModelsforEnhancedReasoninginLargeLanguageModels论文地址https://arxiv.org/pdf/2503.13551代码地址https://github.com/tengwang0318/hierarchial_reward_model作者背景香港大学，北京大学，新加坡国
  • mondb入手 木zi_鸣 mongodb
    windows 启动mongodb  编写bat文件， mongod --dbpath D:\software\MongoDBDATA mongod --help  查询各种配置 配置在mongob 打开批处理，即可启动，27017原生端口，shell操作监控端口  扩展28017，web端操作端口 启动配置文件配置， 数据更灵活 
  • 大型高并发高负载网站的系统架构 bijian1013 高并发负载均衡
            扩展Web应用程序 一.概念         简单的来说，如果一个系统可扩展，那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集，并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种：         1.
  • DISPLAY变量和xhost(原创) czmmiao display
    DISPLAY 在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
  • 获取B/S客户端IP 周凡杨 java编程jspWeb浏览器
       最近想写个B/S架构的聊天系统，因为以前做过C/S架构的QQ聊天系统，所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统，由于存在客户端Java应用，所以直接在代码中获取客户端的IP，应用的方法为：    String ip = InetAddress.getLocalHost().getHostAddress(); 然而对于WEB
  • 浅谈类和对象 朱辉辉33 编程
        类是对一类事物的总称，对象是描述一个物体的特征，类是对象的抽象。简单来说，类是抽象的，不占用内存，对象是具体的， 占用存储空间。     类是由属性和方法构成的，基本格式是public  class 类名{ //定义属性 private/public 数据类型 属性名； //定义方法 publ
  • android activity与viewpager+fragment的生命周期问题 肆无忌惮_ viewpager
    有一个Activity里面是ViewPager，ViewPager里面放了两个Fragment。 第一次进入这个Activity。开启了服务，并在onResume方法中绑定服务后，对Service进行了一定的初始化，其中调用了Fragment中的一个属性。 super.onResume(); bindService(intent, conn, BIND_AUTO_CREATE);
  • base64Encode对图片进行编码 843977358 base64图片encoder
    /** * 对图片进行base64encoder编码 * * @author mrZhang * @param path * @return */ public static String encodeImage(String path) { BASE64Encoder encoder = null; byte[] b = null; I
  • Request Header简介 aigo servlet
    当一个客户端(通常是浏览器)向Web服务器发送一个请求是，它要发送一个请求的命令行，一般是GET或POST命令，当发送POST命令时，它还必须向服务器发送一个叫“Content-Length”的请求头(Request   Header)   用以指明请求数据的长度，除了Content-Length之外，它还可以向服务器发送其它一些Headers，如：    
  • HttpClient4.3 创建SSL协议的HttpClient对象 alleni123 httpclient爬虫ssl
    public class HttpClientUtils { public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){ SSLContext sslContext=null; try { sslContext=new SSLContextBuilder().l
  • java取反 -右移-左移-无符号右移的探讨 百合不是茶 位运算符 位移
    取反： 在二进制中第一位，1表示符数，0表示正数 byte a = -1; 原码：10000001 反码：11111110 补码：11111111 //异或: 00000000 byte b = -2; 原码：10000010 反码：11111101 补码：11111110 //异或: 00000001
  • java多线程join的作用与用法 bijian1013 java多线程
            对于JAVA的join，JDK 是这样说的：join public final void join （long millis ）throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
  • Java发送http请求(get 与post方法请求) bijian1013 javaspring
    PostRequest.java package com.bijian.study; import java.io.BufferedReader; import java.io.DataOutputStream; import java.io.IOException; import java.io.InputStreamReader; import java.net.HttpURL
  • 【Struts2二】struts.xml中package下的action配置项默认值 bit1129 struts.xml
    在第一部份，定义了struts.xml文件，如下所示：   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configuration 2.3//EN" "http://struts.apache.org/dtds/struts
  • 【Kafka十三】Kafka Simple Consumer bit1129 simple
    代码中关于Host和Port是割裂开的，这会导致单机环境下的伪分布式Kafka集群环境下，这个例子没法运行。 实际情况是需要将host和port绑定到一起，   package kafka.examples.lowlevel; import kafka.api.FetchRequest; import kafka.api.FetchRequestBuilder; impo
  • nodejs学习api ronin47 nodejs api
    NodeJS基础 什么是NodeJS JS是脚本语言，脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS，浏览器充当了解析器的角色。而对于需要独立运行的JS，NodeJS就是一个解析器。 每一种解析器都是一个运行环境，不但允许JS定义各种数据结构，进行各种计算，还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM，浏览器就提供了docum
  • java-64.寻找第N个丑数 bylijinnan java
    public class UglyNumber { /** * 64.查找第N个丑数 具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url] * 题目：我们把只包含因子 2、3和5的数称作丑数（Ugly Number）。例如6、8都是丑数，但14
  • 二维数组（矩阵）对角线输出 bylijinnan 二维数组
    /** 二维数组 对角线输出 两个方向 例如对于数组： { 1, 2, 3, 4 }, { 5, 6, 7, 8 }, { 9, 10, 11, 12 }, { 13, 14, 15, 16 }, slash方向输出： 1 5 2 9 6 3 13 10 7 4 14 11 8 15 12 16 backslash输出： 4 3
  • [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新) comsci 工作流
       既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理    大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
  • redis常见使用 cuityang redis常见使用
    redis 通常被认为是一个数据结构服务器，主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets 引入jar包 jedis-2.1.0.jar  (本文下方提供下载) package redistest; import redis.clients.jedis.Jedis; public class Listtest
  • 配置多个redis dalan_123 redis
    配置多个redis客户端 <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"       xmlns:xsi=&quo
  • attrib命令 dcj3sjt126com attr
      attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.    只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.    存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件. 
  • Yii使用公共函数 dcj3sjt126com yii
    在网站项目中，没必要把公用的函数写成一个工具类，有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用，成为公用的函数集合。 function.php如下：   <?php /**   * This is the shortcut to D
  • linux 系统资源的查看（free、uname、uptime、netstat） eksliang netstatlinux unamelinux uptimelinux free
    linux 系统资源的查看 转载请出自出处：http://eksliang.iteye.com/blog/2167081   http://eksliang.iteye.com 一、free查看内存的使用情况 语法如下：   free [-b][-k][-m][-g] [-t] 参数含义 -b:直接输入free时，显示的单位是kb我们可以使用b(bytes),m
  • JAVA的位操作符 greemranqq 位运算JAVA位移<<>>>
    最近几种进制，加上各种位操作符，发现都比较模糊，不能完全掌握，这里就再熟悉熟悉。   1.按位操作符 ：    按位操作符是用来操作基本数据类型中的单个bit,即二进制位，会对两个参数执行布尔代数运算，获得结果。    与（&）运算：    1&1 = 1, 1&0 = 0, 0&0 &
  • Web前段学习网站 ihuning Web
      Web前段学习网站 菜鸟学习：http://www.w3cschool.cc/   JQuery中文网：http://www.jquerycn.cn/   内存溢出：http://outofmemory.cn/#csdn.blog   http://www.icoolxue.com/   http://www.jikexue
  • 强强联合：FluxBB 作者加盟 Flarum justjavac r
    原文：FluxBB Joins Forces With Flarum作者：Toby Zerner译文：强强联合：FluxBB 作者加盟 Flarum译者：justjavac FluxBB 是一个快速、轻量级论坛软件，它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写，并已经开发了一段时间。FluxBB 看起来非常有前途的，
  • java统计在线人数（session存储信息的） macroli javaWeb
    这篇日志是我写的第三次了 前两次都发布失败！郁闷极了！   由于在web开发中常常用到这一部分所以在此记录一下，呵呵，就到备忘录了！ 我对于登录信息时使用session存储的，所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。 1、实现接口类，在web.xml文件中配置监听类，从而可以使该类完成其工作。 public class Ses
  • bootstrp carousel初体验 快速构建图片播放 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    img{ border: 1px solid white; box-shadow: 2px 2px 12px #333; _width: expression(this.width > 600 ? "600px" : this.width + "px"); _height: expression(this.width &
  • SparkSQL读取HBase数据，通过自定义外部数据源 superlxw1234 sparksparksqlsparksql读取hbasesparksql外部数据源
    关键字：SparkSQL读取HBase、SparkSQL自定义外部数据源     前面文章介绍了SparSQL通过Hive操作HBase表。   SparkSQL从1.2开始支持自定义外部数据源(External DataSource)，这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0，简单介绍SparkSQL自定义外部数据源，访
  • Spring Boot 1.3.0.M1发布 wiselyman spring boot
        Spring Boot 1.3.0.M1于6.12日发布，现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下：   1.提供一个新的sprin
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他