Parameter ‘XXX‘ not found. Available parameters are [user, param1, key, param2]

mybatis新增传一个对象参数和一个引用类型参数(org.apache.ibatis.binding.BindingException:Parameter 'XXX' not found. Available parameters are [user, param1, key, param2])

先上报错信息

Caused by: org.apache.ibatis.binding.BindingException: Parameter 'userID' not found. Available parameters are [user, param1, key, param2]
	at org.apache.ibatis.binding.MapperMethod$ParamMap.get(MapperMethod.java:209)
	at org.apache.ibatis.reflection.wrapper.MapWrapper.get(MapWrapper.java:45)
	at org.apache.ibatis.reflection.MetaObject.getValue(MetaObject.java:122)
	at org.apache.ibatis.scripting.defaults.DefaultParameterHandler.setParameters(DefaultParameterHandler.java:79)
	at org.apache.ibatis.executor.statement.PreparedStatementHandler.parameterize(PreparedStatementHandler.java:94)
	at org.apache.ibatis.executor.statement.RoutingStatementHandler.parameterize(RoutingStatementHandler.java:64)
	at org.apache.ibatis.executor.SimpleExecutor.prepareStatement(SimpleExecutor.java:87)
	at org.apache.ibatis.executor.SimpleExecutor.doUpdate(SimpleExecutor.java:49)
	at org.apache.ibatis.executor.BaseExecutor.update(BaseExecutor.java:117)
	at org.apache.ibatis.executor.CachingExecutor.update(CachingExecutor.java:76)
	at org.apache.ibatis.session.defaults.DefaultSqlSession.update(DefaultSqlSession.java:198)
	at org.apache.ibatis.session.defaults.DefaultSqlSession.insert(DefaultSqlSession.java:185)
	at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
	at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
	at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
	at java.lang.reflect.Method.invoke(Method.java:498)
	at org.mybatis.spring.SqlSessionTemplate$SqlSessionInterceptor.invoke(SqlSessionTemplate.java:433)
	... 28 common frames omitted

再上mapper代码

在这里插入图片描述

在这里插入图片描述
如果只有一个user对象,这样传参是是没问题的,但是我后面新增了一个@Param(“key”) String key,就会报上面的错误

解决方案

很简单,在每个#{}内加入mapper接口用@Param定义的参数名:user就可以了,key的名称也是使用@Param内定义的参数名:key
在这里插入图片描述

Pytorch是一种深度学习框架,可以用来构建神经网络模型。股票预测是金融领域的研究热点,支持向量机(SVM)、随机森林(RF)以及循环神经网络(RNN)等都可以用来做股票预测。其中LSTM(Long Short-Term Memory)是一种特殊的循环神经网络,能够解决传统RNN存在的梯度消失或梯度爆炸的问题,能够更好地处理长期依赖关系。 针对股票预测问题,可以通过Pytorch搭建LSTM模型进行预测。模型的输入是历史股价的时间序列数据,输出是未来一段时间(比如一天或一周)的股价预测。具体步骤包括数据预处理、数据划分、模型搭建、模型训练和预测等。 对于数据预处理,应该先对原始数据进行清理和处理,去除异常值和缺失值,然后对数据进行归一化处理,以便使得数据尺度一致,便于训练。对于数据划分,将历史数据划分为训练集和测试集,通常采用80%的数据作为训练集、20%的数据作为测试集,并采用滚动窗口的方式将数据进行重叠,以增加数据量和模型的准确性。 接着,搭建LSTM模型。可以使用PyTorch中预定义好的LSTM模型,也可以自定义LSTM模型进行训练。要注意设定好模型中的超参数,如隐藏层的大小、激活函数、学习率等等。进行模型训练时,使用训练集进行反向传播和优化,以降低损失函数的值,提高模型的预测准确率。最后,使用测试集对模型进行预测,并计算预测值与真实值之间的误差。 总之,利用pytorch构建的LSTM模型可以对股票价格进行预测。具体问题需要根据不同需求进行实际操作。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值