- 博客(48)
- 收藏
- 关注
RSS订阅原创 springboot项目不配置数据源启动报错
spring boot默认会加载org.springframework.boot.autoconfigure.jdbc.DataSourceAutoConfiguration在启动类上加上@SpringBootApplication(exclude={DataSourceAutoConfiguration.class, HibernateJpaAutoConfiguration.class})就可以了。
2020-06-29 13:20:08
2403
1
原创 idea Failed to read artifact descriptor for XXX
出现这种问题的原因主要是因为从国外镜像下载jar包网络不好，只需换成国内镜像即可。首先在idea安装目录下找到如下文件：在<mirrors>标签中加入如下语句：<mirror><id>aliyun-public</id><mirrorOf>*</mirrorOf><name>aliyun public</name><url>https://maven.aliyun.com/..
2020-06-13 15:23:02
438
原创 牛顿法求平方根
public int mySqrt(int x) { long a=x; while (a * a > x) { a= (a + x /a) / 2; } return (int) a; }
2019-07-18 14:56:30
146
原创 leetCode（51）
n皇后问题研究的是如何将 n个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。上图为 8 皇后问题的一种解法。给定一个整数 n，返回所有不同的n皇后问题的解决方案。每一种解法包含一个明确的n 皇后问题的棋子放置方案，该方案中 'Q' 和 '.' 分别代表了皇后和空位。来源：力扣（LeetCode）链接：https://leetcode-cn.com/pro...
2019-07-17 15:02:36
133
原创 leetCode(41)
public int firstMissingPositive(int[] nums) { int n=nums.length; boolean isContainOne=false; for(int i=0;i<nums.length;i++){ if(nums[i]==1){ ...
2019-07-16 16:52:28
123
原创 mysql无法正常启动的原因之一
因为要在mysql中存储大文件，所以更改了my.ini中的max_allow_packet,改完以后发现mysql启动不起来，一直是start pending，也停不了。最后发现是不小心改了my.ini的编码，它的默认编码为ANSI，不小心被我弄成了utf8,只要改下编码问题就解决了。...
2019-07-16 13:08:13
2837
原创 将select标签中的内容传递到后台
前端是一个多选的<select>,后端使用springMVC,刚开始使用List接收参数，一直是空值，搞了半天才弄好，其实只要使用数组接收就可以。
2019-07-13 14:16:07
3787
原创 leetCode(15)
给定一个包含 n 个整数的数组nums，判断nums中是否存在三个元素 a，b，c ，使得a + b + c = 0 ？找出所有满足条件且不重复的三元组。注意：答案中不可以包含重复的三元组来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/3sum著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。如果...
2019-07-10 19:07:21
112
原创 使用json遇到的一些问题
使用ajax请求从后台获取json格式的数据，alert始终如下所示：一直搞不清楚为什么，后来才意识到并没有出什么问题，前端收到的数据已经是js对象了。使用JSON.stringify(data);方法将js对象转换成字符串便可正常显示。也可以使用data[0].userName直接访问数据。...
2019-07-10 13:57:44
279
原创 LeetCode(5)
给定一个字符串s，找到s中最长的回文子串。你可以假设s的最大长度为 1000。解法：动态规划 dp[i][j]表示s[i]到s[j]组成的子串是否是回文。dp[i][j]=true意味着dp[i+1][j-1]=true且s[i]==s[j].public String longestPalindrome(String s) { if(s==null||s....
2019-07-09 15:36:33
228
原创 LeetCode(11)
题目描述：给定 n 个非负整数 a1，a2，...，an，每个数代表坐标中的一个点(i,ai) 。在坐标内画 n 条垂直线，垂直线 i的两个端点分别为(i,ai) 和 (i, 0)。找出其中的两条线，使得它们与x轴共同构成的容器可以容纳最多的水。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/container-with...
2019-07-08 15:04:07
126
转载 pandas(一)
Series的创建:1、通过一维数组创建序列arr=np.arange(10)print(arr)arr1=pd.Series(arr)print(arr1)[0 1 2 3 4 5 6 7 8 9]0 01 12 23 34 45 56 67 78 89 92、通过字典的方式创建序列di...
2019-07-02 16:21:27
144
转载 numpy(三）
数组转置：它返回的是源数据的视图（不会进行任何复制操作）arr=np.array([[1,2,3],[4,5,6],[7,8,9]])print(arr)print(arr.T)print(np.transpose(arr))[[1 2 3][4 5 6][7 8 9]][[1 4 7][2 5 8][3 6 9]][[1 4 7][2 5 8][3 6...
2019-07-01 20:00:50
143
转载 NUmpy(二)
数组的广播：如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。arr=np.array([[1,2,3],[1,2,3]])arr...
2019-07-01 17:54:22
152
原创 使用Mybatis向mysql中插入数据返回自增长的id值
只需增加如下几个字段便好但是有一点要注意，此时insert返回的仍然是1。但是自增长的id值已经被写到UserType这个对象中。
2019-07-01 16:07:52
187
转载 Numpy的使用（一）
arr1=np.arange(4)print(arr1)[0, 1, 2, 3]arr2=arr1*2print(arr2)[0 2 4 6]my_list=list(arr1)my_list1=my_list*2print(my_list1)[0, 1, 2, 3, 0, 1, 2, 3]my_list2=[x*2 for x in my_list...
2019-06-30 16:45:54
169
转载 scikit-learn回归类库使用
与回归有关的主要有三个类，分别是：LogisticRegression， LogisticRegressionCV 和logistic_regression_path。其中LogisticRegression和LogisticRegressionCV的主要区别是LogisticRegressionCV使用了交叉验证来选择正则化系数C。而LogisticRegression需要自己每次指定一个正...
2019-06-29 12:56:57
314
转载 SVM
函数间隔与几何间隔：函数间隔定义为：超平面=0函数间隔其实就是类别标签乘上了f(x)的值，可以看到，该值永远是大于等于0的。f(x)值越大的点到分类超平面的距离当然越远。但是函数间隔存在一定的问题，上述定义的函数间隔虽然可以表示分类预测的正确性和确信度，但在选择分类 超平面时，只有函数间隔还远远不够，因为如果成比例的改变 w 和 b，如将他们改变为 3w 和 3b，虽然此时超 ...
2019-06-29 10:39:07
132
转载 感知机
感知机是神级网络和SVM的基础。感知机是二分类的线性模型，其输入是实例的特征向量，输出的是事例的类别，分别是+1和-1。感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面。如果是非线性可分的数据，则最后无法获得超平面。超平面：样本到超平面的距离：我们损失函数的优化目标，就是期望使误分类的所有样本，到超平面的距离之和最小。损失函数定义如下：...
2019-06-27 16:22:57
163
转载 决策树算法调参
scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。1、特征选择标准：DecisionTreeClassifier：可以选择gini(基尼系数，默认）或entropy（信息增益）。DecisionTreeClassifier：可以使用mse（均方差，默认）或mae(平均绝对误差）。通常都是选择默认值。2、特征划分点选择标准s...
2019-06-26 16:56:43
2850
转载 AdaBoostClassifier和AdaBoostRegressor参数
AdaBoostClassifier使用了两种Adaboost分类算法的实现，SAMME和SAMME.R。而AdaBoostRegressor则使用了我们原理篇里讲到的Adaboost回归算法的实现，即Adaboost.R2。框架参数：两者大部分框架参数相同。1、base_estimator：AdaBoostClassifier和AdaBoostRegressor都有，即我们的弱分类学习器...
2019-06-25 16:40:15
9605
转载 numpy中的concatenate
concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：numpy.concatenate((a1, a2, ...), axis=0)a = np.array([[1, 2], [3, 4]])b = np.array([[5, 6]])print(np.concatenate((a, b), axis=0))输出：[...
2019-06-25 15:42:40
391
转载 随机森林
bagging 是由不同的分类器（1.数据随机化 2.特征随机化）经过训练，综合得出的出现最多分类结果；boosting 是通过调整已有分类器错分的那些数据来获得新的分类器，得出目前最优的结果。bagging 中的分类器权重是相等的；而 boosting 中的分类器加权求和，所以权重并不相等，每个权重代表的是其对应分类器在上一轮迭代中的成功度。随机森林属于bagging。是利用多棵树对样本...
2019-06-24 19:58:58
247
转载 AdaBoost算法
对于Boosting算法，需要解决两个问题：如何调整训练集，使得在训练集上训练的弱分类器得以进行； 如何将训练得到的各个弱分类器联合起来形成强分类器。针对Boosting需要解决的两个问题，AdaBoost算法采用了以下策略：使用加权后选取的训练数据代替随机选取的训练样本，这样将训练的焦点集中在比较难分的训练数据样本上；将弱分类器联合起来，使用加权的投票机制代替平均投票机制。让分类效...
2019-06-24 19:35:17
302
转载 模拟退火算法
从某一较高的温度出发，这个温度称为初始温度，伴随着温度参数的不断下降，算法中的解趋于稳定，但是，可能这样的稳定解是一个局部最优解，此时，模拟退火算法中会以一定的概率跳出这样的局部最优解，以寻找目标函数的全局最优解。其参数难以控制，不能保证一次就收敛到最优值，一般需要多次尝试才能获得（大部分情况下还是会陷入局部最优值）。观察模拟退火算法的过程，发现其主要存在如下三个参数问题：(1) 温度T的...
2019-06-24 14:28:35
356
转载 概率算法
概率算法大致分为4类：数值概率算法，蒙特卡洛算法，拉斯维加斯算法，舍德伍算法。1、数值概率算法：常用于解决数值计算的问题。该算法往往只能得到问题的近似解，并且该计算解的精度一般随着计算时间的增加而不断提高。例：设f（x）=1-x^2，计算定积分的值。分析：要计算定积分的值的几何含义就是f（x）与x轴y轴所围得面积（设为阴影）。又因为x，y轴所围的面积为1，所以随机点落入阴影的概率（在上...
2019-06-24 13:36:39
15554
转载 Servlet三大域对象
Servlet三大域对象：request、session、application（ServletContext）ServletContext是一个全局的储存信息的空间，服务器开始就存在，服务器关闭才释放。request，一个用户可有多个；session，一个用户一个；而servletContext，所有用户共用一个。所以，为了节省空间，提高效率，ServletContext中，要放必须的...
2019-06-24 12:29:04
304
转载 Imputer进行缺失值处理
from sklearn.preprocessing import Imputerimputer=Imputer(strategy='median') #将每列属性的缺失值替换为中位数strategy: 'mean'(默认的)， ‘median’中位数，‘most_frequent’出现频率最大的数axis: 0(默认)， 1copy: True(默认)， Falseimp...
2019-06-22 13:58:32
2850
原创 python中的any()
any() 函数用于判断给定的可迭代参数 iterable 是否全部为 False，则返回 False，如果有一个为 True，则返回 True。
2019-06-22 12:23:52
537
转载 dataFrame空值判断
temp=data_train.isnull().any();print(temp)#返回每列是否有空值[8000 rows x 42 columns]id Falsehappiness Falsesurvey_type Falseprovince Falsecity ...
2019-06-22 12:20:42
9299
转载 fit_transform和transform
fit_transform相当于先执行fit在执行transform,fit(X).transform(X),意思就是先进行fit(),进行数据拟合，然后在进行transform() 进行标准化处理，一般来说对于训练集数据，我们应该对数据先进行拟合在进行标准化处理。但是在测试集上我们只需要对数据进行标准化处理而不需要进行拟合，所以对测试集进行transform() 即可。...
2019-06-22 11:42:03
359
原创 springMVC中Controller获取前台传递的参数
方法一：直接使用形参获取前台传递的参数，形参名字必须和页面参数名字一致。方法二：使用对象接收前台传递的参数，前台传递的参数名必须和对象的属性名一致。...
2019-06-21 17:31:02
1238
转载 springMVC中@PathVariable与@RequestParam
@RequestParam 和 @PathVariable 注解是用于从request中接收请求的，两个都可以接收参数，关键点不同的是@RequestParam 是从request里面拿取值，而 @PathVariable 是从一个URI模板里面来填充...
2019-06-21 17:27:37
117
转载 C++中c_str()的用法
const char *c_str();c_str()函数返回一个指向正规C字符串的指针常量, 内容与本string串相同. 这是为了与c语言兼容，在c语言中没有string类型，故必须通过string类对象的成员函数c_str()把string 对象转换成c中的字符串样式。一定要使用strcpy()函数 等来操作方法c_str()返回的指针错误用法：char* c; st...
2019-06-20 09:13:07
176
转载 C++中access函数
int _access(const char *pathname, int mode);位于<io.h>中pathname 为文件路径或目录路径 mode 为访问权限如果文件具有指定的访问权限，则函数返回0；如果文件不存在或者不能访问指定的权限，则返回-1.mode的值和含义如下所示：00——只检查文件是否存在02——写权限04——读权限06——读写权限...
2019-06-19 10:04:43
4011
转载 Bagging
采用有放回的方式进行抽样，用抽样的样本建立子模型,对子模型进行训练，这个过程重复多次，最后进行融合。大概分为这样两步： 重复K次 有放回地重复抽样建模 训练子模型 模型融合 分类问题：voting 回归问题：average ...
2019-06-15 12:28:20
157
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人