Java 中的链式编程
前言 在写项目的时候，有一个实体类有好多个属性，new 出来之后需要不停的使用setXXX( )方法，效率低而且代码可读性差，查询了下发现可以实现实体类的链式编程。 public class User {
private Integer id;
private String userName;
private String password;
private String nikeName;
private String email;
priva
【001期】 | JavaSE面试题（一）：面向对象
一、面向对象和面向过程的区别？ 面向过程 优点：性能比面向对象高，因为类调用时需要实例化，开销比较大，比较消耗 资源;比如单片机、嵌入式开发、Linux/Unix 等一般采用面向过程开发，性能是 最重要的因素。 缺点：没有面向对象易维护、易复用、易扩展 面向对象 优点：易维护、易复用、易扩展，由于面向对象有封装、继承、多态性的特 性，可以设计出低耦合的系统，使系统更加灵活、更加易于维护 缺点：性能比面向过程低 二、面向对象的特性以及你对这些特性的理解？ 封装: 通常认为封装是把数据和操作数据的
这样简单地的设置一下，可以让你的让Docker镜像起飞
本文已收录GitHub，更有互联网大厂面试真题，面试攻略，高效学习资料等一、前言Docker用起来非常爽，尤其是用于DevOps实践时。但是，当你在国内或者本地拉取镜像时，经常会碰到各种“便秘”——要么镜像拉取缓慢，要么时断时连，要么连接超时！当我们的镜像又比较大时（比如某人在代码里面丢了个魔兽争霸的包），这简直是一个噩梦！那么如何解决这个问题？接下来我们就主要从以下几个方面来解决这个问题：使用镜
基于RFM的用户价值度分析
1. 案例背景 对于用户价值度模型而言，由于用户的状态是动态变化的，因此一般需要定期更新，业务方的主要需求是至少每周更新一次。由于要兼顾历史状态变化，因此在每次更新是都要保存历史数据，不同时间点下的数据将通过日期区分。 每次模型结果的数据，一部分是要给运营直接做分析，一部分是要“回吐”到数据库中，作为其他数据建模的基本数据维度，因此数据的输出需要本地文件和写数据库两种方式。 用户价值细分是了解用户价值度的重要途径，常用的细分模型包括：基于属性的方法、ABC分类法、聚类法等。 1. 基于属性的方
《软件应用 | 用 R 语言做因果推断？你少不了这些包》
软件应用 | 用 R 语言做因果推断？你少不了这些包 因果推断（Causal Inference）的新兴研究范式从有效识别变量间因果关系开始兴起。世上万事万物，有因就有果，有果必有因。数据科学家们曾尝试各种“实验设计”，对潜在结果进行建模，使数据呈现因果效应。这其中也包括计量经济学家们，他们用引入反事实理论框架来定义因果，用随机化实验的思想去识别因果, 用断点回归（RDD）、双重差分（DID）、倾向值匹配（PSM）等方法求得因果关系的净效应。
R语言中，有很多包支持我们做因果推断分析。
本期，
Java实现旅行商最短距离
旅行商问题 旅行商问题(TravelingSalesmanProblem，TSP)是一个经典的组合优化问题。经典的TSP可以描述为：一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要经过所有城市后，回到出发地。应如何选择行进路线，以使总的行程最短。从图论的角度来看，该问题实质是在一个带权完全无向图中，找一个权值最小的Hamilton回路。由于该问题的可行解是所有顶点的全排列，随着顶点数的增加，会产生组合爆炸，它是一个NP完全问题。由于其在交通运输、电路板线路设计以及物流配送等领
《Replicator Neural Networks》
REPLICATOR NEURAL NETWORKS 本文将会从 Replicator Neural Networks 出发，介绍这个神经网络的使用场景以及神经网络的后向传播算法（back propagation）。之前的文章的链接是《异常点检测算法（三）》。 异常值检测算法在数据挖掘的诸多领域有着应用场景，例如金融领域，信息传输领域，图像领域等。在研究过程中，有学者给出了异常点的一个定义： An outlier is an observation that deviates so much
SpringCloud- 第一篇 初见
1简介SpringCloud是基于SpringBoot的一整套实现微服务的框架。他提供了微服务开发所需的配置管理、服务发现、断路器、智能路由、微代理、控制总线、全局锁、决策竞选、分布式会话和集群状态管理等组件。具体介绍请见：注意其中的版本信息官方：http://projects.spring.io/spring-cloud/Dalston版本的文档：http://cloud.spring.io/s
SpringCloud- 第二篇 Eureka快速上手
1Eureka是什么Eureka是SpringCloudNetflix的一个子模块，也是核心模块之一。Eureka是一个基于REST的服务，用于定位服务，以实现云端中间层服务发现和故障转移。服务注册与发现对于微服务架构来说是非常重要的，有了服务发现与注册，只需要使用服务的标识符，就可以访问到服务，而不需要修改服务调用的配置文件了。功能类似于dubbo的注册中心，比如Zookeeper。2基本概念R
双网口工业路由器 网络传输层的“常青树”
物联网技术带动了整个生态行业的发展，万物互联的时代引领着新世界到来，对于网络传输层来说无疑是整个物联网的核心枢纽，它完成了数据的连通，信息交互，是万物互联的中枢神经。 而作为网络层的通讯设备也如雨后春笋，逐渐走向市场，计讯物联成功推出的“双网口工业路由器”被誉为传输层的“常青树”，为物联网的传输层带来举足轻重的作用。 一、什么是双网口工业路由器 TR321-A 4G 路由器是一
《Google 开源AI项目15个》
人工智能都有哪些知名的开源项目？ arkaiedu 公众号：ArkAI阿科埃智能 官网：ArkAi.net 下文是Google open source开源项目共15个，这些项目对从事人工智能的开发者来说无疑是一个资源宝库。利用这些开源的免费资源，开发者还可以使用ArkAI学院的人工智能软硬件一体化全栈式人工智能学习平台（ArkAI HW/SW Stack），学习最为先进的AI技术，开发人工智能原型产品。ArkAI HW/SW Stack支持Ubuntu，TensorFlow，Pytoch，Ca
使用 promise 封装 xlsx（包含表头数据）
xlsx: v0.15.6 目的 根据业务需求，在处理 xlsx 文件数据前，要先检查一下表头（第一行数据）是否正确。但 xlsx.utils.sheet_to_json 有个小 bug，如果表头对应列无数据，则表头对应的 key 也不存在。 基于以上问题，我们需要解析表格元数据，提取出表头。 并且使用 promise 封装，和 xlsx 文件数据一起返回。 实现 promise 最终状态始终为 resolve，处理成功返回 sheetName: { list, title }，处理失败返回
《【统计】Causal Inference》
【统计】Causal Inference 张楚珩 清华大学 交叉信息院博士在读 已关注 Mr.张 、 Johnny Richards 、 Zeap 等 121 人赞同了该文章 学习一下因果推断，做一个笔记。 原文传送门 http://www.stat.cmu.edu/~larry/=sml/Causation.pdf 过程 一、Prediction 和 causation 的区别 现实中遇到的很多问题实际上是因果问题，而不是预测。 因果问题分为两种：一种是 causal inference，比
LR敏捷软件平台v7开发示例，功能设计模块化，UI特色明显（长文）
框架整体代码层次整体采用多层工厂/依赖注入模式。开发示例力软框架提供了比较友好的开发向导在用力软框架进行快速开发时有两种开发模式，一种是纯自定义表单无需编译的，一种是需要生成代码，重新编译的。*代码生成开发模式选择一种开发向导指定数据源、对各项开发参数进行设置跟着开发向导一步步设置就可以自动生成代码，代码会根据开发者的设置放入到指定项目的指定位置。标准的MVC架构，表示层代码在LeaRun.App
ITIL学习-问题管理和访问管理
ITIL学习-知识管理和服务级别管理ITIL学习-变更管理和配置管理ITIL学习-问题管理和访问管理ITIL学习-事故管理ITIL学习-运营、技术、应用管理和技术管理ITIL学习-作用、原则、生命周期问题管理视频链接问题：一个或多个事故的原因目的：消除引发事件的深层原因以防止问题再次发生被动问题管理：由事故引发的问题管理主动问题管理：总结中找到薄弱环节，进行改进核心要素incident事故prob
Linux下VI操作命令
1.vi有时百候的默认配置里面没有设置语法高亮，所以有时候度需要手动设置问语法高亮 设置步骤如下: 1,打开vimrc文件答 # vi ~/.vimrc 2.如果没有该文件则新建一个.vimrc文件 3.在文专件中属添加添加一行：syntax on 4,保存退出 在linux环境下编译时，需要链接数学库，参考解决方式： 在编译语句后面加一个 –lm gcc -lm book2.c -o book2 或者 gcc -o book2 book2.c -lm 在linux下面默认的vim的注释颜色非
今日推荐
周排行