- 面向面试的机器学习知识点(2)——数理统计
小井正在努力中
机器学习人工智能
本期省流版:成为数据分析师,这些数理统计知识必不可少!大样本,小样本的概念协方差、相关系数、独立性之间的区别与联系显著性水平/置信度/置信区间假设检验三种经典分布,和对应的三种检验方式方差分析中心极限定理,大数定理内容很多,创作不易,请多多支持~大样本/小样本大样本:样本量趋于无穷小样本:样本量有限协方差/相关系数/独立性协方差定义:两个变量总体的误差,反映两个变量之间的变化趋势(eg.一个上升,
- Linux 软链接和硬链接
Linux开发那些事儿
在Linux系统中,链接是一种文件共享的方式,它分为软链接和硬链接,对应的命令是ln什么是软连接软链接又叫符号链接,它类似于windows系统中的快捷方式,常用于将目录层次较深的文件链接到比较容易访问的目录中创建软链接使用ln-s源文件软链接命令就可以创建一个软链接,软链接可以对文件、目录、跨文件系统的文件或目录创建文件的软链接[root@ecs-centos-7tt]#stata.txt|gre
- 机器学习和统计学的区别?
小桥流水---人工智能
人工智能机器学习算法机器学习人工智能
1、本质区别:目标:机器学习的核心目标是建立一个可以自动学习和改进的模型,以预测未知数据。它更关注结果的准确性和模型的泛化能力,通常不关心模型是否可以解释。而统计学的目标是探究变量之间的关系,理解数据的内在结构和规律,以及确定这些关系的显著性。它更关注统计量服从什么分布、假设检验是否显著、模型拟合是否合理等问题。方法:机器学习通常使用训练数据来训练模型,然后通过测试数据来评估模型的性能。在训练过程
- 用通俗易懂的话来讲什么是假设检验,什么是置信区间,什么是零假设和备择假设
ALGORITHM LOL
人工智能算法深度学习机器学习
假设检验假设检验就像是法庭上的审判。想象你是法官,你需要决定一个被告是不是有罪。在统计学中,我们有一个“被告”——这就是我们的零假设((H_0)),通常是一种没有变化或效果的状态,比如“这个药物没有效果”。备择假设((H_1))则是与零假设相对立的假设,比如“这个药物有效”。我们收集数据,进行统计测试,以决定数据是否足以“定罪”零假设(即拒绝零假设),或者数据不足以拒绝零假设,因此“无罪释放”(保
- 概率论自复习思路
Miracle Fan
概率论
概率论复习思路(存在纰漏)文章目录概率论复习思路(存在纰漏)基本概念随机变量分布多维随机变量分布离散型连续性数字特征数学期望方差协方差系数矩、协方差矩阵大数定律抽样分布、估计、假设检验参数估计区间估计假设检验基本概念样本空间,和事件、差事件两个事件的关系:相不相容、是不是对立、两者之间的关系(ρ\rhoρ相关系数只反映线性方面,还可能存在非线性关系)事件发生的概率和发生关系:比如概率为0不一定代表
- excel统计分析——配对数据t检验
maizeman126
excel
摘自《生物统计学》在进行两种处理效果的比较试验设计中,配对设计比成组设计在误差控制方面具有大优势。由于同一配对内两个供试单元的背景条件非常接近,而不同配对间的条件差异又可以通过各个配对差数予以消除,所以配对设计可以控制试验误差,具有较高精确度。在进行假设检验时,只要假设两样本的总体差数为0,而不必假定两样本的总体方差相同。但要注意成组数据与配对数据间的区分。操作步骤如下:1、公式法:其中,E列的d
- 正态性检验,多元线性和多项式回归,输出具体的回归函数
huxuanlai
数据挖掘和统计建模
一、业务场景:1.一个汽车销售公司,其客户来店消费金额是否符合正态分布?答:这个问题可以抽象为统计学的统计推断中的假设检验部分的正态性检验。2.如何模拟这些数据的函数特征,怎么看拟合的好不好?答:这是个拟合问题,视情况用线性拟合和多项式拟合来拟合。通过拟合打分看拟合效果。3.这个具体函数能否给出来?答:可以。二、下面分四部分来用代码解决上述问题1.对数据做正态性判断2.对数据做多元线性回归3.对数
- 一文了解什么是倾向得分匹配PSM?
spssau
倾向得分匹配,在医学研究及计量经济领域都有广泛应用,其目的在于减少数据偏差和混杂因素的干扰。很多统计软件都支持PSM,如SPSS和stata。SPSSAU最新版本也提供了倾向得分匹配。下面我们就一起来了解下,究竟什么是倾向得分匹配?以及如何分析?PSM解决的是选择偏差问题(即控制混杂因素),倾向得分配比就是利用倾向评分值,从对照组中为处理做中的每个个体寻找一个或多个背景特征相同或相似的个体作为对照
- Python 数据分析
CFF_伊人
Python数据分析和可视化
数据分析基础学好数据分析首先需要了解统计学,统计分析是数据分析的基础,也是灵魂。下面列出统计分析的几个核心内容:描述统计,统计推断,概率论;抽样,分布,估计,置信区间,假设检验;线性回归,时间序列;数据分析工具SQL语言数据分析师最关键的一项技能就是会使用SQL语言操作数据库。关于SQL的学习推荐两个学习路径:w3schoolSQL必知必会Excel基本操作作为微软的一个出色表格处理工具,Exce
- Stata实证命令代码汇总
m0_71334485
#stata代码stata实证命令stata命令内生性解决
Stata代码命令汇总数据内容:包括数据导入和管理、数据的处理、描述性统计、相关性分析、实证模型、内生性解决、检验分析、结果导出具体如下:一、数据导入和管理:数据导入、数据导出二、数据的处理:生成新变量、格式转换、缺失数据、异常数据、重命名变量、编码分类变量、设定面板数据、数据合并、数据追加三、描述性统计:基本统计、变量的详细统计、变量的频率表、变量间的相关性、回归分析及其描述性统计、简单统计四、
- 学习笔记GMM(其三)
天鹰_2019
天鹰(中南财大——博士研究生)E-mail:[
[email protected]]在通过前两期对广义矩估计GMM基本理论了解的基础上,下面要做的就是如何在STATA中实现操作。本文所使用的数据是Arellano&Bond(1991)中的数据,具体数据可以在网上进行下载(webuseabdata)xtsetidyear----告诉Stata该数据为面板数据----browsegenlnemp=log
- 区间估计
Liam_ml
1.单正态总体的区间估计方差已知,估计均值:Z检验:z.test():BSDA包,调用格式:z.test(x,y=NULL,alternative="two.sided",mu=0,sigma.x=NULL,sigma.y=NULL,conf.level=0.95)x,y是数值向量,默认y=NULL,即进行单样本的假设检验;alternative用于指定估计的置信区间,默认为双尾区间,less表示
- Meta分析入门工具介绍
Jabes
主要目的是先能够简单的复现一些论文的研究方法,按照计划是了解Revman,stata与R语言的相关分析方法即可。锚定复现的论文信息为:论文名称:Clinicalevaluationofprophylacticabdominalaorticballoonocclusioninpatientswithplacentaaccreta:asystematicreviewandmeta-analysis论文
- 统计 假设检验 显著性差异
73826669
#统计数学
假设检验的显著性差异检验主要是用来比较两组或多组数据中,是否每组数据对结果的影响基本一致。换言之,这是用来判断每组数据代表的因素中,是否有主要影响因素。大致思路是先检验各组数据是否有显著性差异,再进行事后分析找出有显著差异的因素文章目录w检验Levene检验显著性检验单向方差分析(F检验)Kruskal-WallisH检验事后分析方差齐性方差不齐w检验W检验全称Shapiro-Wilk检验,是一种
- 两个总体均值的比较推断
亦旧sea
均值算法算法python
知识点:两个总体均值的比较推断是用于比较两个独立样本均值是否有显著差异的假设检验方法。常用的方法有独立样本t检验和Z检验。原理:在两个独立样本的情况下,我们想要知道两个总体均值是否有显著差异。首先,我们假设两个总体的均值相等(零假设),然后根据样本数据计算得到一个差异值,利用统计方法判断这个差异是否显著。特点:1.独立样本t检验:假设两个总体的方差相等,样本容量较小时常用。计算t值,然后根据显著性
- 多个总体均值的比较(一)
亦旧sea
均值算法算法
在假设检验中,原假设(nullhypothesis)是一个关于总体参数的陈述,通常表示无效、无差异或无影响。原假设通常表示没有发生变化、效果无显著或无关联。备择假设(alternativehypothesis)是与原假设相对的假设,通常表示对原假设的否定,即存在差异、效果显著或存在关联。备择假设是研究者想要支持的假设,其证据可以用来推翻原假设。均值的置信区间是对总体均值的一个估计区间,其目的是提供
- Stata学习(1)
何仙鸟
学习
一、五大窗口Command窗口:实现人机交互来导入一个自带数据:sysuse是导入系统自带的数据,auto导入该数据的名称,后面的clear是清除之前的数据结果窗口:展示计算结果、查找功能在Edit的find可以实现查找功能,或者ctrl+f;清屏右击有clear回顾窗口:保存执行过的命令,漏斗可以进行筛选,点击后会自动跑到命令窗口,直接双击会执行导入编辑器可以保存:变量窗口:小箭头可以把变量搞到
- stata学习(2)
何仙鸟
学习
先导入自带数据,保留几个变量方便操作生成一个新变量:表里就有了:把make空格后的内容取过来:对原来存在的变量进行修改:删除数据:row(N)也就是矩阵N的行数删除变量:画一个二维图像:qfit是曲线,lfit是直线通过grapheditor可以对图进行修改:画一个三维图:先载一个包:
- 假设检验的过程
daydayup8888
概率论
假设检验的核心思想是小概率事件在一次实验中不可能发生,假设检验就是利用小概率事件的发生进行反正。学习假设检验,有几个概念不能跳过,原假设、p值1.原假设假设检验的基本过程如下:1)做出一个假设H0,以及它的备择假设H1,注意,H0一般实验组和对照组无差异2)在H0成立的情况下,根据置信度构造一个小概率事件。(显著性水平一般设为5%,即在H0成立的情况下,发生的可能性,这也就是我们说的小概率事件)显
- 收藏 | 统计学最全思维导图,附下载链接
一木Campus
本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识,是对之前系列文章做的一次完整的梳理,也是我至今为止所有与统计有关的学习笔记。众所周知,「统计学」是深入理解「机器学习/数据挖掘」的重要基础学科。思维导图描述性统计:表格与图形法描述性统计:数值方法概率概率分布抽样分布区间估计假设检验两总体均值&比例的推断总体方差的统计推断多个比率的比较/独立性/拟合优度检验实验设计|方差分析简单线性
- 数据统计分析三大软件之SPSS
科研侠
引言要做好研究,就需要数据,可光有数据是没用的,我们还要学会数据的分析,想要完美精确的数据分析结果就需要一个功能齐全,计算严谨的数据软件,今天我们要给大家介绍的是SPSS。作为与Stata/SAS一起成为世界公认的三大数据软件的SPSS,其功能齐全,操作简单,还具有强大的绘图功能。SPSS简介首先我们来了解一下SPSS,SPSS的英文全称为StatisticalProductandServiceS
- 概率论与数理统计 第八章 假设检验
Jarkata
课前导读统计推断的另一类重要问题是假设检验问题。参数估计的主要任务是找参数值等于多少,或在哪个范围内取值。而假设检验则主要是看参数的值是否等于某个特定的值。通常进行假设检验即选定一个假设,确定用以决策的拒绝域的形式,构造一个检验统计量,求出拒绝域或检验统计量的p值,查看结果是否落在拒绝域内或p值是否小于显著性水平,做出决策的一个过程。第一节检验的基本原理举个例子,体现假设检验的思想:假设检验的统计
- Stata收敛性分析(含详细代码说明和样例数据)
m0_71334485
数据#stata代码收敛性分析stata代码
Stata收敛性分析(含详细代码说明和样例数据)收敛性分析是管理科学和运筹学中重要的概念,是一种解决决策者对他们的管理策略的反馈的方式和手段。它的最终目的是帮助管理者从复杂的环境中筛选最优的解决方案。收敛性分析一般情况下会结合一些概念,例如实验研究,不确定性的分析,以及特定的决策环境,来解决特定问题。收敛性分析旨在帮助决策者认识和理解给定决策情境内的系统性知识组合。它由一系列步骤组成,从分析现有系
- 微习惯复盘与感恩日记2022-05-01
小木山庄的溜溜
微习惯复盘:1、科研15分钟:stata学完了!非常开心。虽然后半截其实没有很认真地学,因为是一些具体的实证方法,具体用到的时候才会理解得更好。我觉得这些就先知道一下,要用的时候知道在哪里找就行。毕竟只是这样听听课,其实对模型也只是浅尝辄止而已,更何况讲课的老师水平是真的不好,口头禅实在太多,听得我非常痛苦。我准备把“写论文”和“看文献”合并起来,大家都是搞科研,分开写太乱了,还是放在一起吧,给自
- 如何用stata进行样本配对
古铜巧克力
我现在有一个数据库,有symbol,year,size,lev,ROA,top1,insown,ind,treated等变量要求:(1)根据同year同ind,相近的size,lev,ROA,top1,insown等特征变量,对treated=1的样本选择treated=0的匹配样本(1:1),(2)同时size,lev,ROA,top1,insown等为预选变量,我希望能够通过命令进行筛选,选择
- 统计(九)_置换检验
拾光_2020
对于正态分布或其他已知分布的数据,有相应的假设检验与置信区间的计算方法,但是当数据抽样自未知或混合分布、样本量过小、存在离群点、基于理论分布设计合适的统计检验过于复杂且数学上难以处理等情况,就需要使用基于随机化和重抽样的统计方法。本次推文主要介绍置换检验,下次推文主要介绍自助法。置换检验置换检验也称随机检验或重随机化检验步骤:(引自R语言实战,此时数据分为A和B两组,每组有5个得分)(1)与参数方
- stata面板数据回归
九十辰
科学软件专栏回归数据挖掘人工智能
使用工具:Stata,该工具是一个回归工具数据:面板数据回归函数:面板数据展示:回归过程将数据导入stata:会在变量窗口看到刚刚导入的四种数据根据我们的公式,需要lnrank和lnsize所以进行计算:得到新的两个变量genln_size=log(城市区域人口)genln_rank=log(rank)由于需要进行面板数据回归,所以先需要设置面板数据结构:xtsetcity_name年份由于xts
- 双重差分法 | 平行趋势检验
KEMOSABE
简单介绍一下实证论文中双重差分法(DID)的平行趋势检验(ParallelTrendTest)在Stata中如何操作。(本文首发于个人微信公众号DMETP,欢迎关注!)一、平行趋势假定平行趋势假定是实证论文中使用DID的前提,处理组与控制组的目标变量在政策发生前(事前)只有满足平行趋势假设才能使用DID。反之,如果处理组和控制组在事前就存在一定的差异,那么用DID做出来(可能还很好看)的结果就不再
- Stata17安装教程
老虎也淘气
开发语言
文章目录**Stata17安装教程**前言系统要求Windows:macOS:Linux:软件下载正式安装1.下载Stata17安装包2.双击Stata17.exe开启安装3.接受同意条款,然后继续安装4.选择想要安装的版本,StataBE为基础版、StataSE为特别版、StataMP为并行计算版;这里选择StataMP版本5.这一步很重要:安装位置可以默认(默认是C盘),也可以自行更改,但更改
- 统计(十)_自助法
拾光_2020
对于正态分布或其他已知分布的数据,有相应的假设检验与置信区间的计算方法,但是当数据抽样自未知或混合分布、样本量过小、存在离群点、基于理论分布设计合适的统计检验过于复杂且数学上难以处理等情况,就需要使用基于随机化和重抽样的统计方法。上次推文主要我们介绍了置换检验,本次推文主要介绍自助法。自助法自助法,即从初始样本重复随机替换抽样,生成一个或一系列待检验统计量的经验分布,无需假设一个特定的理论分布,便
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite