摘要： HBase 读路径深度调优：亚秒级大表 scan 场景 日志表 api_log 每天 4 千亿条，单条 0.8 kB，需按 traceId 前缀扫描 5 万行，目标 < 500 ms。 RowKey 再设计 旧：traceId 直接做 rowkey → 热点。 新： salt(2 位十六进制) + 阅读全文

摘要： 实验25：访问者模式 - 打包员 类图 text ┌─────────────────────────────────────────────────────────────┐ │ ShoppingCart │ ├─────────────────────────────────────────── 阅读全文

摘要： SMO 算法伪代码： 初始化： α = 0 ∈ R^m b = 0 计算初始预测值 f(x_i) = 0，对所有 i 重复直到收敛： 选择两个拉格朗日乘子 α_i 和 α_j（启发式选择，如违反KKT条件最严重的） 计算误差： E_i = f(x_i) - y_i E_j = f(x_j) - y_ 阅读全文

摘要： 实验四：SMO 算法实现与测试 一、实验目的 深入理解支持向量机（SVM）的算法原理，掌握使用 Python 语言实现支持向量机的训练与测试方法，熟练运用五折交叉验证算法进行模型性能评估，并理解SMO算法在SVM训练中的作用。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数 阅读全文

摘要： 实验三：C4.5（带有预剪枝和后剪枝）算法实现与测试 一、实验目的 深入理解决策树、预剪枝和后剪枝的算法原理，掌握使用 Python 语言实现带有预剪枝和后剪枝的 C4.5 决策树算法的训练与测试方法，熟练运用五折交叉验证算法进行模型性能评估。 二、实验内容 （1）从 scikit-learn 库中 阅读全文

摘要： 实验四：SMO 算法实现与测试 一、实验目的 深入理解支持向量机（SVM）的算法原理，掌握使用 Python 语言实现支持向量机的训练与测试方法，熟练运用五折交叉验证算法进行模型性能评估，并理解SMO算法在SVM训练中的作用。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数 阅读全文

摘要： 1、采购系统业务用例说明 用例1：检查库存水平 参与者： 采购部门职员 前置条件： 库存数据已维护，订货点已设定 后置条件： 生成低存量部件清单 典型事件流： 采购部门职员启动库存检查功能； 系统遍历所有部件库存记录，识别库存量≤订货点的部件； 系统返回低存量部件及其当前库存量清单。 备选事件流： 阅读全文

摘要： 本周学习内容 （一）Hadoop 集群优化与实践 完全分布式模式配置 将 Hadoop 伪分布式模式升级为完全分布式模式，配置了多个 DataNode 节点，实现了数据的分布式存储和计算。 修改了 core-site.xml、hdfs-site.xml 和 mapred-site.xml 配置文件， 阅读全文

摘要： 类图设计 text + + | Computer | + + | -memory: Memory | | -cpu: CPU | | -hardDisk: HardDisk | | -os: OS | + + | +powerOn(): boolean | | +powerOff(): boolea 阅读全文

摘要： 一、类图设计 Mermaid classDiagram class EncryptionAlgorithm { <> +encrypt(data: String): String +decrypt(data: String): String } class DESAlgorithm { +encry 阅读全文