mysql--浅谈多表查询1
这是对自己学习燕十八老师mysql教程的总结，非常感谢燕十八老师。 依赖软件：mysql5.6 系统环境：win 连接查询 在谈连接查询之前我们需要对数学上的笛卡尔积有一定的了解 现在有两个集合m和n m = (m1,m2,.....mx) n =(n1,n2,.....ny) m*n得到的笛卡尔积有多少个元素？ 答：m*n有x*y个元素 连接查询有以下类型 1、左连接 2、右连接 3、内连接 连接查询的作用 从2张或多张表中取出有关联的数据 3种连接查询的详细说明 1、左连接 A left
Laravel 虚拟开发环境 Homestead 密码
默认数据库账号密码 账号： homestead 密码：secret 默认 ssh 账号密码 账号：vagrant 密码：vagrant 创建默认 root 用户 sudo passwd root
剑指Offer的学习笔记（C#篇）-- 二叉搜索树的后序遍历序列
题目描述 输入一个整数数组，判断该数组是不是某二叉搜索树的后序遍历的结果。如果是则输出Yes,否则输出No。假设输入的数组的任意两个数字都互不相同。 一 . 解题思想与二叉搜索树概念 （1）. 二叉树的后序遍历方法（左→右→根）。 （2）. 二叉查找树，又被称为二叉搜索树。其特点如下：设x为二叉查找树中的一个结点，x节点包含关键字key，一句话就是左孩子比父节点小，右孩子比父节点大，还有一个特性就是”中序遍历“可以让结点有序。看下图，解释一下： 可以看出，在二叉树中： 若任意节点的左子树不空，
Power Transmission (Hard Edition)（几何）
题目链接： https://codeforces.com/problemset/problem/1163/C2 题目大意： 有n个点，然后这些点直线都可以互相连线，然后问你有多少对直线是相交的。 题解：https://codeforces.com/blog/entry/66943 具体思路： 首先，我们可以将直线转换成这种形式 a*x - b*y = c.然后当前的点是(x1,y1)和（x2,y2）。我们此时的系数分别是 a = ( y2 - y1 ) , b = ( x2 - x1 ) ,
jquery获取文档高度和窗口高度
jquery获取文档高度和窗口高度，$(document).height()、$(window).height() $(document).height()：整个网页的文档高度 $(window).height()：浏览器可视窗口的高度 $(window).scrollTop()：浏览器可视窗口顶端距离网页顶端的高度（垂直偏移） 用一句话理解就是：当网页滚动条拉到最低端时，$(document).height() == $(window).height() + $(window).scroll
django 随笔笔记之全文检索
全文检索 全文检索不同于特定字段的模糊查询，使用全文检索的效率更高，并且能够对于中文进行分词处理 haystack：django的一个包，可以方便地对model里面的内容进行索引、搜索，设计为支持whoosh,solr,Xapian,Elasticsearc四种全文检索引擎后端，属于一种全文检索的框架 whoosh：纯Python编写的全文搜索引擎，虽然性能比不上sphinx、xapian、Elasticsearc等，但是无二进制包，程序不会莫名其妙的崩溃，对于小型的站点，whoosh已经足够
在ubuntu18.04下搭建kvm
前一段时间一直在尝试Ubuntu上搭建xen，一直出现各种问题，各种坑 首先先感谢下面这个公司对我的耐心解答，非常感谢。特别是后面来的电话对我进行了详细的解答，所以选择搭建kvm。 1. 需要检查一下CPU是否支持虚拟化，执行一下命令来检查/proc/cpuinfo文件中是否又虚拟化相关的字眼，如果有的话表明CPU支持虚拟化技术。 egrep -c '(svm|vmx)' /proc/cpuinfo 上面命令执行结果如果返回0，表示CPU不支持虚拟化技术。当然主板BIOS中的虚拟化技术也可能不
n--n 通信导论-华三实验配置（1）
配置pc_2:192.168.1.1;pc_4:192.168.1.3 交换机：<h3c>system-view <h3c>sysname name [name] vlan 10 [name-vlan 10] vlan 20 [name-vlan 20]quit [name]display vlan [name]display vlan brief [name] interface GigabitEthernet 1/0/1 [name] port link-type access [name
ML_Homework_Porject_2_LDA_KNN
第二次机器学习的作业完成了，写一下总结。（未完待续） 作业要求：实现用线性判别分析（LDA，LinaerDiscriminantAnalysis）的二分类，用KNN比较LDA和PCA在有监督学习下的分类区别。 开题：第一眼看到题目，“用KNN比较LDA和PCA在有监督学习下的分类区别。”这句话，是我自己理解的，因为当时老师是口头布置了一下这个，板书自己没太注意，首先LDA实现二分类没什么问题，就是一正类一负类，而至于之后的用LDA和PCA分别提取特征来进行KNN，也没有多大的编码难度，这次作业
Introduction to TypeScript and Environment Set Up.
Environment Set up. 1. Nodejs Download from NodeJs website, node-v10.15.3-x64 After succesfully installed, test below command in cmd. it should return the version installed npm command : 2. Intall Type script using command npm install -g t
Python的.sort()方法和sorted（）比较总结
1，.sort（）方法 使用方式是：列表.sort(),作用是将原来的列表正序排序，所以它是对原来的列表进行的操作，不会产生一个新列表，例如： import random
numList=[]
print(numList)
for i in range(10):
numList.append(random.randrange(1,10))# 不包括10
print("未排序的列表：",numList)
# numList.sort()执行过程是将列表拍完序后又赋值给了
第二章 感知机代码实现
对于代码实现过程中的一点思考： 如何将公式转换为代码？ 直接通过公式转换。 感知机的前提：数据为线性可分，即数据在高维空间中，像可以被一刀切成两部分。一要为线性可分。这种限定条件太严格了，如果数据不为线性可分的话，肯定会出现准确率问题。二是只能二分类，现实中二分类问题太少，但是可以通过多个二分类问题达到多分类问题。 其次数据集采用的是Mnist手写数据集，但是也没用它来作为多分类器，只是简单写了一个二分类。 思路简单，但是只是作为神经网络和支持向量机的基础来看待。 对于感知机的一些思考： 手
90% 的 Python 开发者不知道的描述符应用
经过上面的讲解，我们已经知道如何定义描述符，且明白了描述符是如何工作的。 正常人所见过的描述符的用法就是上篇文章提到的那些，我想说的是那只是描述符协议最常见的应用之一，或许你还不知道，其实有很多 Python 的特性的底层实现机制都是基于 描述符协议 的，比如我们熟悉的@property 、@classmethod 、@staticmethod 和 super 等。 如何实现property 先来说说 property 吧。 有了第一篇的基础，我们知道了 property 的基本用法。这里我直
Python操作SQLLite--查询数据
import sqlite3
# '''创建一个数据库，文件名'''
# 如果给定的数据库名称 filename 不存在，则该调用将创建一个数据库
conn = sqlite3.connect("/Users/mac/Desktop/Trace20190523.db")
# '''创建游标'''
cursor = conn.cursor()
# 查询所有的信息
sql = '''select * from k_trace_log '''
# 执行语句
resu
路由器的基本配置方法
IP地址：路由器上每个要使用的端口都要配置IP地址 线路：专线方式需要配置线路的波特率；拨号方式的配置较复杂，如果是模拟拨号除需要配置物理属性（如异步、modem、波特率等）外还要配置IP地址与电话号码之间的对应关系。 路由：配置好IP地址和线路属性后就可以配置路由了。若配置动态路由，只要将动态路由协议打开即可。若需要配置静态路由，则建议首先画出组网草图，标出各网络的地址及所有相关路由器的各端口的地址，然后对照草图逐个设备配置路由。 Quidway路由器提供的命令行配制接口将配置状态分四级。第
今日推荐
周排行