数据库

本文介绍了MySQL的基本命令及使用方法,涵盖了数据库管理、备份等实用技巧,并详细解析了SQL语言的各类操作,如DDL、DML等,以及数据类型的选用与表结构的设计。
  1. 数据库模型的分类:层次型,网状型,关系型
  2. mysql基本命令:mysql,mysqladmin,mysqldump
  3. mysql命令:作为客户端的工具对服务发送连接请求,一个基于命令行的客户端工具。
    mysql [-h ip] -u 帐号 -p密码
    例如:mysql -h 192.168.1.100 -u root -ptiger
  4. mysql程序的内部命令
    show databases:显示当前服务中所有数据库列表;
    use 数据库名: 进入到某个数据库 ,例如 use test
    show tables:显示当前数据中的所有数据表的信息;
    \c:放弃 \s:显示数据库状态
    \h:显示 mysql程序的命令
    \q: 退出
  5. mysqladmin命令
    作用:数据库的管理工作
    mysqladmin -u root -ptiger create db1;
    mysqladmin -u root -ptiger password “123456”
  6. mysqldump命令
    作用:备份数据库
    示例: mysqldump -u root -ptiger test>d:/back.sql
  7. 数据库的基础知识
    库:database
    表: table
    记录:recored
  8. sql语言(structure query languge)结构化查询语言;
    作用:对数据库中的数据做CRUD的操作(增删改查)以及其它的管理工作,通俗的说,sql就是开发者与关系型数据进行交互的一种语言。
  9. sql语言的分类
    DDL(Data Definition Language):数据定义语言
    DML(Data Manipulation Language):数据操作语言(负责对数据库对象运行数据访问工作的指令集)
    DCL:数据控制语言
    TCL:事务控制语言
  10. DDL; 用来操作数据库对象的语言
    create 语句
    创建表的语法;
    create table table_name(
    列名1 数据类型 [约束],
    列名2 数据类型 [约束],
    。。。
    )
    示例
    “`
    create table student(
    stuno int primary key,
    sname varchar(20) not null,
    sex varchar(5),
    birth date
    )

“`

  • mysql中的数据类型
    数字:int,float,double,decimal
    字符:单引号表示,char,varchar;
    char与varchar的区别?
    char是固定的字符,varchar是可变的字符;
    char(5) “a ”
    varchar(5); “a”
    日期:date;time,datetime,year,timestamp;
    大对象:
    存储大量数据时可以使用;
    blob:用来存储二进制, 可存图片,视频等
    text:用来存储大文本;大量的文本;
  • char与varchar的区别(5.5)
    char 是定长的,而varchar是变长的;
    关于char与varchar的最大长度,不同版本之间有区别,5.0 全都 是255,而5.5,varchar的长度变成了65535字节;
    每条记录的字节总和不能超过65535,但不包括大对象类型的数据(text,blob)
    如果字符串以空格结尾,char会自动去除,varchar会保留存储
  • 约束
    约束指的就是限制;约束的种类有
    primary key :主键 ,主键字符为必填,同时不能重复;每个表只有一个主键(主键可以为 复合主键),主键的列通常用来唯一的标识表中的每条记录;
    not null :非空,不能为空;
    unique: 唯一,可以为空,不能重复;
    check : mysql不支持;oracle支持,自定义规则;
    foregin key:外键,外键的取值必须来源于与之关联的主键值;
    default 默认值 ,什么都不添的时侯的默认值 ;
    auto_incrment :自动增长,只能用于整数类型
  • drop 语句
    drop table 表名;
    作用:删除整个表;
  • truncat 截断;
    truncate table 表名;
    作用:清空表中的所有记录,但保留表;
  • alter 语句:修改表结构
    修改表的语法是;
    alter table 表名 action; action之前的部分是固定的,action是变化的;
    示例 ;
    1.增加一个新列
    alter table book add price int not null;
    2.修改列的类型
    alter table book modify name varchar(50);
    3.增加一个主键约束
    alter table book add primary key(isbn);
    4.增加一个外键约束
    alter table 子表的数据表名 add foreign key(子表的外键名称) references 父表的数据表名称(父表的主键名称);
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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