Wesley13 Wesley13
4年前
Objective
代码块本质上是和其他变量类似。不同的是,代码块存储的数据是一个函数体。使用代码块是,你可以像调用其他标准函数一样,传入参数数,并得到返回值。脱字符(^)是块的语法标记。按照我们熟悉的参数语法规约所定义的返回值以及块的主体(也就是可以执行的代码)。下图是如何把块变量赋值给一个变量的语法讲解:!(http://static.oschina.net
Aidan075 Aidan075
4年前
数据分析面试-业务分析篇
一.指标建模1.1互联网产品常用指标1.2选好数据指标的通用方法论三部曲1.从业务的最终目的出发梳理业务模块拆解:多问几个how目的:我要卖货手段:通过图文来买货支撑手段的手段:通过社区创作的优美的图文来卖货2.判断业务模块所属类型业务类型二.数据分析方法论2.1对比分析绝对值(本身具备价值的数字)eg:销售金融阅读数比例值(在具体环境中看
CuterCorley CuterCorley
4年前
Python Django开发 异常及解决办法(一)
1.ValueError:Theviewdidn'treturnanHttpResponseobject.ItreturnedNoneinstead该错误表明views.py中没有return一个返回值给前端。解决办法:检查returnHttpResponse()是否错位或者是否缺失。2.NoReverseMat
Wesley13 Wesley13
4年前
mysql5.7 版本中 timestamp 不能为零日期 以及sql_mode合理设置
\恢复内容开始摘要:mysql5.7版本相比较之前的版本有很多的特性的增加以及默认配置的改变,在使用中难免会遇到与之前的使用习惯或者项目需求不符的情况。就需要调整相应的变量的值,比如sql\_mode的值最近在做一个项目的迁移工作,由于开发环境所使用的都是最新的软件版本(mysql5.7)。迁移时难免会遇到一些兼容性的“坑”,比如将
Stella981 Stella981
4年前
Consistent hashing一致性算法原理
最近在整理redis分布式集群,首先就整理一下分布式算法原理。常见的分区规则有哈希分区和顺序分区两种,Redis采用的是哈希分区规则。节点取余分区使用特定的数据,如Redis的键或用户ID为key,节点数量为N,则:hash(key)%N,计算出哈希值,然后决定映射到哪个节点上,如节点数为4时,哈希值的结果可能为0、1、2,3.现假
Stella981 Stella981
4年前
Play Scala 开发技巧
在系统开发中,我们经常需要保护一些安全性较高的接口,限制这些接口每秒处理的请求数量。例如对于一个计算密集型接口,假设压测值是100rps,如果实际情况长期高于这个值,则会引起滚雪球效应,最终导致系统崩溃。下面我们一起来看看如何在Play中实现一个完全异步非阻塞的请求限速?本文代码已提交至 playcommunity(https://www.os
Stella981 Stella981
4年前
AStar寻路1
A星算法是一种启发式的搜索方法,通过一个路径评估函数,来动态确定最佳路径。这点和广度搜索不同。基本思想是有2个列表,open和close,open列表里面的节点表示待搜索周围点的节点,close列表里面记录着不需要搜索的节点。启发式函数fgh;f表示该路径的代价,g表示起点到搜索的点的该条路径的实际值,h表示该搜索的点到终点的估计值。h的
Wesley13 Wesley13
4年前
KNN算法详解
  简单的说,K近邻算法是采用不同特征值之间的距离方法进行分类。  该方法优点:精确值高、对异常值不敏感、无数据输入假定  缺点:计算复杂度高、空间复杂度高  适用范围:数据型和标称型  现在我们来讲KNN算法的工作原理:存在一个样本数据集,也称作训练样本集,并且样本中每条数据都存在标签。将新输入的没有标签的数据与训练样本数据集中
Easter79 Easter79
4年前
TensorFlow之tf.nn.dropout():防止模型训练过程中的过拟合问题
一:适用范围:tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数,它一般用在全连接层二:原理:  dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p,让其停止工作,这次训练过程中不更新权值,也不参加神经网络的计算。但是它的权重得保留
Wesley13 Wesley13
4年前
Mysql 工作时用到的奇葩语句备忘
1.insertintoTABLE(...)select(...) TABLE2| 左连接| 字符窜连接函数CONCAT|字符串转数字|值运算insertintotbl_sys_data_dict(acl_code,acl_type,created_by,created_dt,u