mybatis杂记

1.配置全局参数,驼峰命名法转换字段(减少mapper的配置)

mybatis-config.xml

<settings>
          <!-- 使用驼峰命名法转换字段。 -->

<setting name="mapUnderscoreToCamelCase" value="true" />

</settings>

2.多表查询字段注入

public class User implements Serializable{

private static final long serialVersionUID = 1L;
private String id;         //用户编号
private String name;       //用户名
private String account;    //用户账号
private String password;   //用户密码
private String delFlag;    //删除标记:1代表存在,0代表删除
private String salt;

private Role role; // 根据角色查询用户条件

           ......

}

public class Role implements Serializable {


private static final long serialVersionUID = 1L;

private String id;
private String name;

private String enName;

             ......

}

 <select id="get" resultType="User">
      select u.*,r.id as `role.id`
      FROM user u, role r, user_role ur 
      where u.id = ur.user_id and ur.role_id = r.id 
      and u.id = #{id} 

   </select>


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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