摘要: 一、什么是 JVM JVM(Java Virtual Machine)是一个可以执行 Java 字节码文件(即 .class 文件)的虚拟机进程。当 Java 源文件能被成功编译成 .class 文件,就能在不同平台上的不同版本的 JVM 运行,因为 JVM 能将相同的 .class 文件解释称不同 阅读全文
posted @ 2019-12-24 23:26 大数据的奇妙冒险 阅读(1847) 评论(0) 推荐(0) 编辑
摘要: 下面的代码运行结果是什么?解释一下为什么会有这些差异。 String s1 = "hello";String s2 = s1 + ",world";String s3 = "hello" + ",world";String s4 = "hello,world";String s5 = new Str 阅读全文
posted @ 2019-12-21 13:39 大数据的奇妙冒险 阅读(443) 评论(0) 推荐(3) 编辑
摘要: leetcode 237. 删除链表中的节点 链接:https://leetcode-cn.com/problems/delete-node-in-a-linked-list/ 示例 : 输入: head = [4,5,1,9], node = 5输出: [4,1,9]解释: 给定你链表中值为 5  阅读全文
posted @ 2019-12-08 21:59 大数据的奇妙冒险 阅读(584) 评论(0) 推荐(0) 编辑
摘要: 一、概述 MD5(Message Digest Algorithm 5),是一种散列算法,是不可逆的,即通过md5加密之后没办法得到原文,没有解密算法。 在一般的项目中都会有登录注册功能,最简单的,登录注册过程完全没有加密,存储在数据库的密码也是明文,安全性是很差的,万一数据泄露就不好了(表一)。所 阅读全文
posted @ 2019-11-19 21:57 大数据的奇妙冒险 阅读(5991) 评论(1) 推荐(0) 编辑
摘要: 一、MVC 模式 MVC: Model-View-Controller(模型-视图-控制器) 模式。这种模式用于应用程序的分层开发。 model(模型):用于存储数据及用户请求的业务逻辑; view(视图):向控制器提交数据;显示模型中的数据; Controller(控制器):根据视图层的请求判断交 阅读全文
posted @ 2019-11-10 23:06 大数据的奇妙冒险 阅读(234) 评论(0) 推荐(0) 编辑
摘要: 最近在看《Pentaho Kettle 解决方案》,看到 ETL子系统,发现信息量比较大,用简短的语句做一下笔记。 ETL子系统有34种子系统,被分成4个部分:抽取、清洗和更正、发布、管理。 一、抽取 子系统1:数据剖析系统 指从不同源系统中搜集数据的统计信息或其他相关信息的过程,目的是分析不同数据 阅读全文
posted @ 2019-08-26 10:55 大数据的奇妙冒险 阅读(475) 评论(0) 推荐(0) 编辑
摘要: 一、斐波那契数列 斐波那契数列是这样的一组数列:1、1、2、3、5、8、13、21、34、……在数学上,斐波纳契数列以如下被以递推的方法定义:F(1)=1,F(2)=1, F(n)=F(n-1)+F(n-2)(n>=3,n∈N*)即大于2的部分是由前两个相加获得。 若要求第 N 个数的值,我们可以用 阅读全文
posted @ 2019-08-06 21:15 大数据的奇妙冒险 阅读(706) 评论(2) 推荐(0) 编辑
摘要: 先理解一下正类(Positive)和负类(Negetive),比如现在要预测用户是否点击了某个广告链接,点击了才是我们要的结果,这时,点击了则表示为正类,没点击则表示为负类。 TP(True Positive):被预测成了正类的正类,即正确预测的正类 FP(False Positive):被预测成了 阅读全文
posted @ 2019-06-21 20:32 大数据的奇妙冒险 阅读(8077) 评论(0) 推荐(0) 编辑
摘要: 一、itchat itchat是一个开源的微信个人号接口,这一次就用它来来玩玩。 在使用之前,先下载,老规矩通过 pip install itchat 即可安装。 想要获取朋友圈信息,只需要几行代码就可以获取。为减少登录次数,将获取到的信息保存到 json 文件中即可。 itchat.login() 阅读全文
posted @ 2019-06-14 15:03 大数据的奇妙冒险 阅读(734) 评论(1) 推荐(0) 编辑
摘要: 上次已经讲了怎么下载数据,这次就不说废话了,直接开始。首先导入相应的模块,然后检视一下数据情况。对数据有一个大致的了解之后,开始进行下一步操作。 一、分析数据 1、Survived 的情况 train_data['Survived'].value_counts() 2、Pclass 和 Surviv 阅读全文
posted @ 2019-05-31 18:58 大数据的奇妙冒险 阅读(675) 评论(0) 推荐(0) 编辑