原创 SpringMVC基礎-6-異常處理器

異常處理器 springmvc在處理請求過程中出現異常信息交由異常處理器進行處理,自定義異常處理器可以實現一個系統的異常處理邏輯。 1,異常處理思路 如上圖所示,系統的dao、service、controller出現異常都通過

原创 SpringMVC基礎-4-@RequestMapping註解的使用

@RequestMapping 1,URL路徑映射 @RequestMapping(value=”/item”)或 @RequestMapping(“/item) value的值是數組,可以將多個url映射到同一個方法 2,窄

原创 SSM入門項目-4-Redis解決緩存問題

搭建Redis服務 1,服務搭建並開放接口 這部分的內容晚上有很多資料,我弄了很久,最後看一下效果。 這代表redis的服務運行起來了,如果想要我們的java能夠調用,還有把redis對外的接口暴露出來,6379。 2,測試

原创 SSM入門項目-0-前言

項目需要,臨時又找出一個SSM的項目準備完善一下,閒話少說,還是把框架先搭起來再說。 創建工程 1,創建父工程 首先還是按照之前的方式進行了創建maven的父工程,這部分的依賴太長,我之後也會傳到GitHub上。 需要注意的事,

原创 SSM入門項目-2-類目、圖片、富文本

類目 1,簡單分析一下該功能的EasyUI和js相關的內容 1.1,新增頁面 <ul> <li data-options="attributes:{'url':'item-add'}">新增商品</li> <li

原创 煉數成金機器學習-1-線性迴歸與Logistic-一元線性迴歸

3##關係 函數關係:確定性關係 相關關係:非確定性關係 相關係數: 這個相關係數在-1至1之間,如果是正相關,x與y同增同減少,反之相反。 相關係數越接近1,幾何分佈越接近直線。 如何確定參數: 使用平方差和衡量預測值與真實值的

原创 【JAVA_記錄】_[foreach,jackson處理boolean,ConcurrentModificationException]

關於foreach循環remove的錯誤 不要在foreach循環裏進行元素的remove/add操作。remove元素請使用Iterator方式,如果併發操作,需要對Iterator對象加鎖。 參考文章:https://blog.

原创 Log4j使用

轉載自:http://blog.csdn.net/evankaka/article/details/45815047

原创 ML基礎-決策樹-3-遞歸構建決策樹

遞歸構建決策樹 劃分數據集時的數據路徑 # # 改函數使用分類名稱的列表,然後創建鍵值爲classList中唯一的字典數據, # 字典對象存儲了classList中每個類標籤出現的頻率,租後利用operator操作鍵值排序字典,並返回出現

原创 ML基礎-k近鄰算法-2

【事例:關於約會網站配對的效果】Python程序解析 準備數據 def file2matrix(filename): love_dictionary = {'largeDoses': 3, 'smallDoses': 2, 'di

原创 ML基礎-決策樹-4-構造註解樹

繪製樹節點 import matplotlib.pyplot as plt # ❶ (以下三行)定義文本框和箭頭格式 decisionNode = dict(boxstyle="sawtooth", fc="0.8") leafNode

原创 ML基礎-樸素貝葉斯-1-條件概率

貝葉斯準則 概述 貝葉斯定理是關於隨機事件A和B的條件概率的一則定理。 其中P(A|B)是指在事件B發生的情況下事件A發生的概率 在貝葉斯定理中,每個名詞都有約定俗成的名稱: P(A|B)是已知B發生後A的條件概率,也由於得自B的

原创 ML基礎-樸素貝葉斯-2-進行文本分類

準備數據: # # 創建實實驗樣本, # 返回值1:詞條切割後的文檔集合 # 返回值2:一個類別標籤的集合 # def loadDataSet(): postingList = [['my', 'dog', 'has', 'fle

原创 ML基礎-機器學習基礎

學習應用步驟 收集數據 我們可以使用很多方法收集樣本數據,如:製作網絡爬蟲從網站上抽取數據、從RSS反饋或者API中得到信息、設備發送過來的實測數據(風速、血糖等)。提取數據的方法非常多,爲了 節省時間與精力,可以使用公開可用的數據

原创 ML基礎-決策樹-2-獲取最好的劃分數據集合特徵

數據源 不浮出水面可以生存 是否有腳蹼 是否屬於魚類 是 是 是 是 是 是 是 否 否 否 是 否 否 是 否 def createDataSet(): dataSet = [[1, 1, 'ye