文件上传下载
摘要：一.上传 1.前端： 2.后台： 二.下载： 1.下载链接： "FileDownload?filename="+URLEncoder.encode(filename,"utf-8") 需要对URL中的中文参数进行编码，否则会出现乱码 2.后台：
阅读全文
posted @ 2018-08-30 11:34
08 2018 档案
《机器学习实战》学习笔记第十四章 —— 利用SVD简化数据
摘要：相关博客： 吴恩达机器学习笔记（八） —— 降维与主成分分析法(PCA) 《机器学习实战》学习笔记第十三章 —— 利用PCA来简化数据 奇异值分解(SVD)原理与在降维中的应用 机器学习(29)之奇异值分解SVD原理与应用详解 主要内容： 一.SVD简介 二.U、∑、VT三个矩阵的求解 三.U、∑、
阅读全文
posted @ 2018-08-30 10:28
servlet实现验证码
摘要：（博客内容来自：jsp使用servlet实现验证码，以下内容只是不才对原博客的摘抄以便以后翻阅使用） 一.原理： 验证码作为一个图片，在页面中为“画”出来的，它是如何画出来的呢？ <生成图片> { 生成图片的类： 1.BufferedImage图像数据缓冲区 2.Graphics绘制图片 3.col
阅读全文
posted @ 2018-08-28 21:37
JSP嵌入ueditor、umeditor富文本编辑器
摘要：一.下载： 1.什么是富文本编辑器？就是： 或者是这个： 其中第一个功能比较详尽，其主要用来编写文章，名字叫做udeitor。 第二个就相对精简，是第一个的MINI版，其主要用来编辑即时聊天或者发帖，名字叫做umeditor。 两个都是百度出品的，下载地址：ueditor 、 umeditor 。
阅读全文
posted @ 2018-08-28 15:34
WebSocket实现Web聊天室
摘要：一.客户端： JS代码如下： 二.服务器：
阅读全文
posted @ 2018-08-27 21:38
JSON与AJAX的使用
摘要：主要内容： 一.JSON数据 二.JSON字符串与Java对象的相互转换 三.JSON字符串与JavaScript对象的相互转换 四.AJAX异步加载 一.JSON数据 1.JSON语法规则： 2.JSON数据： 3.JSON对象： 4.JSON数组： 5.一个例子： 二.JSON字符串与Java对
阅读全文
posted @ 2018-08-27 16:36
常用JQuery设置HTML元素内容
摘要：主要内容： 一.获取内容及属性 二.设置内容及属性 三.添加元素 四.删除元素 五.css()方法 六.寻找祖先及后代 一.获取内容及属性 二.设置内容及属性 相对于获取内容及属性的方式，只需在函数内添加参数，参数为需要设置的内容。如下： 三.添加元素 通过 append() 和 prepend()
阅读全文
posted @ 2018-08-27 15:21
常用CSS设置
摘要：主要内容： 一.容器类 二.文本类 三.特效类 一.容器类 1.background-image:url('img/02.gif'); 设置背景图（可以是动态图） 2.background-color: LimeGreen; 设置背景颜色3.color:white; 设置容器内文本的颜色 4.mar
阅读全文
posted @ 2018-08-27 00:03
CSS整体布局
摘要：主要内容： 一.外边距margin与填充padding 二.浮动float与显示display 三.主布局 四.定位方式posotion 一.外边距margin与填充padding 1.margin设置外边距，即该容器与容器外的容器的距离。padding设置填充，所谓填充就是该容器的内容与容器边界的
阅读全文
posted @ 2018-08-26 10:51
《机器学习实战》学习笔记第十二章 —— FP-growth算法
摘要：主要内容： 一. FP-growth算法简介 二.构建FP树 三.从一颗FP树中挖掘频繁项集 一. FP-growth算法简介 1.上次提到可以用Apriori算法来提取频繁项集，但是Apriori算法有个致命的缺点，那就是它对每个潜在的频繁项集都需要扫描数据集判定其是否频繁，因而在时间消耗上是巨大
阅读全文
posted @ 2018-08-25 16:31
《机器学习实战》学习笔记第十一章 —— Apriori算法
摘要：主要内容： 一.关联分析 二.Apriori原理 三.使用Apriori算法生成频繁项集 四.从频繁项集中生成关联规则 一.关联分析 1.关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集和关联规则。 2.频繁项集是经常出现在一起的元素的集合。 3.关联规则暗示两个元
阅读全文
posted @ 2018-08-23 09:42
《机器学习实战》学习笔记第九章 —— 决策树之CART算法
摘要：相关博文： 《机器学习实战》学习笔记第三章 —— 决策树 主要内容： 一.CART算法简介 二.分类树 三.回归树 四.构建回归树 五.回归树的剪枝 六.模型树 七.树回归与标准回归的比较 一.CART算法简介 1.对于上一篇博客所介绍的决策树，其使用的算法是ID3算法或者是C4.5算法，他们都是根
阅读全文
posted @ 2018-08-18 20:52
《机器学习实战》学习笔记第八章 —— 线性回归、L1、L2范数正则项
摘要：相关笔记： 吴恩达机器学习笔记（一） —— 线性回归 吴恩达机器学习笔记（三） —— Regularization正则化 （ 问题遗留： 小可只知道引入正则项能降低参数的取值，但为什么能保证 Σθ2 <=λ ？ ） 主要内容： 一.线性回归之普通最小二乘法 二.局部加权线性回归 三.岭回归（L2正则
阅读全文
posted @ 2018-08-16 20:20
《机器学习实战》学习笔记第十三章 —— 利用PCA来简化数据
摘要：相关博文： 吴恩达机器学习笔记（八） —— 降维与主成分分析法(PCA) 主成分分析（PCA）的推导与解释 （特征值、特征向量与PCA的关系） 主要内容： 一.向量內积的几何意义 二.基的变换 三.协方差矩阵 四.PCA求解 一.向量內积的几何意义 1.假设A、B为二维平面xoy内两个向量，A为(x
阅读全文
posted @ 2018-08-14 20:34
《机器学习实战》学习笔记第七章 —— AdaBoost元算法
摘要：主要内容： 一.提升方法与AdaBoost算法的简介 二.AdaBoost算法 三.代码解释 一.提升方法与AdaBoost算法的简介 1.提升方法：从弱学习算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强分类器。大多数的提升方法都是改变训练数据的概率分布
阅读全文
posted @ 2018-08-13 16:12
《机器学习实战》学习笔记第五章 —— Logistic回归
摘要：一.有关笔记： 1..吴恩达机器学习笔记（二） —— Logistic回归 2.吴恩达机器学习笔记（十一） —— Large Scale Machine Learning 二.Python源码（不带正则项）： 三.Batch gradient descent、Stochastic gradient
阅读全文
posted @ 2018-08-10 15:48
《机器学习实战》学习笔记第四章 —— 朴素贝叶斯法
摘要：主要内容： 一.贝叶斯公式与朴素贝叶斯法 二.先验概率与后验概率 三.极大似然估计与贝叶斯估计 四.利用朴素贝叶斯进行文档分类 五.利用朴素贝叶斯进行垃圾邮件过滤 六.补充 一.贝叶斯公式与朴素贝叶斯法 1.贝叶斯公式 2.朴素贝叶斯：假定所有变量X都相互独立（条件独立性），那么上式中的P(X|Y)
阅读全文
posted @ 2018-08-08 21:28
《机器学习实战》学习笔记第三章 —— 决策树之ID3、C4.5算法
摘要：(这两个算法似乎都需要y是离散的，而CART算法y是离散或者连续都可以，对应不同的评价标准) 主要内容： 一.决策树模型 二.信息与熵 三.信息增益与ID3算法 四.信息增益比与C4.5算法 五.决策树的剪枝 一.决策树模型 1.所谓决策树，就是根据实例的特征对实例进行划分的树形结构。其中有两种节点
阅读全文
posted @ 2018-08-06 20:36
《机器学习实战》学习笔记第二章 —— K-近邻算法
摘要：主要内容： 一.算法概述 二.距离度量 三.k值的选择 四.分类决策规则 五.利用KNN对约会对象进行分类 六.利用KNN构建手写识别系统 七.KNN之线性扫描法的不足 八.KD树 一.算法概述 1.k近邻算法，简而言之，就是选取k个与输入点的特征距离最近的数据点中出现最多的一种分类，作为输入点的类
阅读全文
posted @ 2018-08-03 21:02
浙公网安备 33010602011771号