数据库的增删改查

本文详细介绍如何在MySQL数据库中创建数据库和表,插入、查询、更新和删除数据的基本SQL语句,包括示例代码,适用于初学者快速上手。

创建database:首先登陆mysql数据库,mysql -umysql -p,输入密码,就正常登陆mysql后台,然后show databases可以看到当前存在的databases;我们创建一个数据库,使用命令create database school创建一个名称为school的数据库,使用use school切换到school库
创建表:使用create table创建表,然后show tables查询当前所有表
命令:
CREATE TABLE 表名称 ( 列名称1 数据类型, 列名称2 数据类型, … )
举例:
CREATE TABLE dept (deptno DECIMAL(2), dname VARCHAR(14), loc VARCHAR(13) );
insert插入表数据:表创建之后,需要向表中插入数据,使用如下格式sql插入数据
命令:INSERT INTO table_name ( field1, field2,…fieldN ) value ( value1, value2,…valueN );
select查询数据:数据插入完成之后,使用select命令查询数据是否插入成功
语法:select * from dept; //查询表中所有内容
select * from dept where deptno=‘10’; //使用where进行条件查询
select deptno from dept; //查询指定类
除了上面基本的查询语句,还有模糊查询,关联查询,嵌套查询等用法
update修改表数据:使用update进行表数据的更新
举例:update dept set loc=‘BeiJing’ where deptno=‘40’;修改列deptno为40的所在地为BeiJing
然后查询发现结果数据已经更改
delete删除记录:由于数据插入错误,有时候会需要删除表中部分数据
语句:delete from dept where deptno=‘40’; //使用where限定条件进行删除

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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