原创 java多線程基本使用【轉】
一．概念 1.進程 1.1進程：是一個正在進行中的程序，每一個進程執行都有一個執行順序，該順序是一個執行路徑，或者叫一個控制單元。 1.2線程：就是進程中一個獨立的控制單元，線程在控制着進程的執行，一個進程中至少有一個線程。 1.3舉例j
2020-07-18 14:21:43
原创 印象筆記無法連接到服務器/無法同步 的解決方法
解決方案；取消IE代理設置 1，打開 Internet Explorer 瀏覽器 2，打開IE的選項 3，連接 --- 局域網設置 -- 去掉代理服務的↗ --- 點擊確定 4，再次點擊印象筆記的同步功能
2020-07-18 14:21:43
原创 手把手教你使用saeVPN以及連接到sae的數據庫【轉】
SAE內部的一些服務，比如MySQL，包括獨享型和共享型，默認是無法在外網訪問的，這給本地調試帶來了一些麻煩，但是，有了VPN隧道服務之後，可以利用VPN隧道服務連接到SAE的內網環境，這時候，就可以在本地計算機直接連接這些服務了。
2020-07-18 14:21:43
原创 再談JavaScript閉包及應用
寫在前面 本文章版權歸博客園和作者共同所有，轉載請註明原文地址博客園吳雙 http://www.cnblogs.com/tdws/ 閉包真的是學過一遍又一遍，Js博大精深，每次學習都感覺有新的收穫。相信在大家封裝前端插件時，閉包是必不可少
2020-07-18 14:21:43
原创 機器學習-------算法（五）
分類算法----樸素貝葉斯算法 貝葉斯公式： P(C)：每個文檔類別的概率(某文檔類別詞數／總文檔詞數) P(W│C)：給定類別下特徵（被預測文檔中出現的詞）的概率 計算方法：𝑃𝐹1𝐶=𝑁𝑖/𝑁方法：P(F1│C)=Ni/N
2020-06-28 00:33:21
原创 機器學習-------特徵工程（三）
數據的降維： 簡單來說就是講特徵數量減少。去掉不需要的特徵。 常用方式： 特徵選擇 主成分分析 特徵選擇： 主要方法：Filter(過濾式):VarianceThreshold（方差） Embedded
2020-06-27 23:33:11
1
原创 機器學習-------算法（一）
第二階段是對部分算法的學習 1、sklearn數據集與估計器 2、分類算法-k近鄰算法 3、分類算法-樸素貝葉斯算法 4、模型的選擇與調優 5、決策樹與隨機森林
2020-06-27 23:33:11
原创 機器學習-------特徵工程（二）
特徵預處理： 通過特定的統計方法（數學方法）將數據轉換成算法要求的數據 API: sklearn. preprocessing 數值型數據：標準縮放： 1、歸一化 2、標準化
2020-06-27 23:33:11
原创 機器學習-------算法（十二）
分類算法-----邏輯迴歸 邏輯迴歸主要是一個二分類問題，是解決二分類的重要工具。 同樣的都是迴歸性質，它本身也存在損失問題-----損失函數 損失函數： 均方誤差（線性迴歸） 對數似然損
2020-06-27 23:33:11
原创 機器學習-------算法（二）
一、sklearn數據集與估計器： （一）數據集的劃分： ①訓練數據集（75%）：用於訓練，通過算法構建模型 ②測試數據集（25%）：對於模型的檢驗與評估 （二）API： skl
2020-06-27 23:33:11
原创 python之pillow應用
版權聲明：本文爲博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。 本文鏈接：https://blog.csdn.net/u010155987/article/details/85466007 p
2020-06-27 23:33:11
原创 項目文件多的情況下，快速從前端定位到後臺對應文件
在MyEclipse工具下，項目文件相當龐大， 目前大都是通過spring控制反轉， 通過註解將業務聯繫起來。 通過前端的路徑找到後臺中對應的java文件， 若通過路徑以及文件命名規則， 是可以找得到java文件的。 但是一個一個查看，效率
2020-05-30 23:08:08
原创 使用GIT上傳代碼或新建版本代碼
首先要去下載GIT安裝文件，但由於每次從官網下載的最新版文件都是失敗的 所以建議去國內一些軟件網站下載對應的安裝包，雖然版本不是最新，但也夠用了 安裝教程在這裏不累述，http://jingyan.baidu.com/article/020
2020-05-30 23:08:08
原创 django-認證系統
由於我們自己定義了模板，所以我們需要手動添加自己的認證模塊。 這個一定要添加，否則會在遷移文件時候報錯。 在setting.py 中， # django認證系統使用的模型類 AUTH_USER_MODEL = 'user.User'
2020-05-15 06:46:23