CounttheTreesTimeLimit:2000/1000MS(Java/Others)MemoryLimit:65536/32768K(Java/Others)TotalSubmission(s):1248AcceptedSubmission(s):812ProblemDescriptionAnothercommonsocialinabilityisknownasACM(AbnormallyCompulsiveMeditation).Thispsy
系统 2019-08-12 01:33:48 2150
1）只有一种事情比你培训员工、培养员工然后他们离开要更糟糕，那就是你不培训他们、不培养他们，但他们仍然留下来。2）PM的含义：ProductManager,ProjectManager,也可能是平民(PingMin)。3)世界上只有两类XX：整天被人喷的,没有人用的.4)在NewRelic公司工作是有挑战性的、辛苦的，令人恐惧的，但这从未影响我。在进入这个公司前，我一直认为，工作就是必须要做的活儿，通常是让人不爽的，而生活就是从工作的不愉快中逃脱出来。但现
系统 2019-08-12 01:33:35 2150
视图需要我们自己去定义样式时用到了TableViewCell组件,效果如下首先创建ViewBasedApp工程，在.xib文件中拖入一个TableView，前面我们说到了，这里就不再重复，注意连接协议和两个必须方法的实现。完成.h中代码C代码#import@interfaceTableViewCellViewController:UIViewController
系统 2019-08-12 01:32:40 2150
数组的定义格式：（1）：元素类型[]数组名=new元素类型[元素个数或数组长度];示例：int[]arr=newint[5];（2）：元素类型[]数组名=new元素类型[]{元素，元素，元素......};示例：int[]arr=newint[]{1,4,6,24,63,2,5};int[]arr={1,4,6,24,63,2,5};数组定义的时候没有赋值，则系统会给其附上一个默认的初始值。int[]x=newint[3];System.out.print
系统 2019-08-12 01:32:21 2150
python自带的pip管理依赖库太麻烦，pip很多库不存在，或者一些库并不支持window系统。而且每次用pip下载库经常不成功，结果还是要手动下载跟自己python对应的whl包安装库。遇到了很多坑之后，发现神奇anaconda，便查阅资料，整理好记录到这里1、下载anacondaanaconda可以提供了python的很多库管理，支持多个系统下载地址：https://www.anaconda.com/download/这里我下载了python3.6，
系统 2019-09-27 17:57:26 2149
使用过anaconda环境下打包py文件的一点感悟，使用的是pyinstaller+anaconda环境下打包py文件打包:pyinstaller-F-w-ilogo.icoxxxx.py-F:强制打包-w:不带后台命令窗口-i:使用logo图标的地址需要打包的文件遇到的问题：1.首先对于使用anaconda打包py文件是存在问题的；1）打包出来的exe会很大，会打包很多关联库；2）而其中的一些关联库是没有用，而导入这些库会拖慢程序运行的效率。解决：使用虚
系统 2019-09-27 17:57:11 2149
爬虫需要，一个机器多个口，一个口多个ip，为轮询这些ipdemo#coding=utf-8importrequests,sys,socketfromrequests_toolbelt.adaptersimportsourcereload(sys)sys.setdefaultencoding('utf-8')s=requests.Session()new_source=source.SourceAddressAdapter('192.168.4.2')s.m
系统 2019-09-27 17:56:57 2149
使用OpenCV-Python实现图像读入、显示与保存：#-*-coding:utf-8-*-importcv2frommatplotlibimportpyplotasplt##第二个参数，0为灰度模式显示，1为彩色图像，默认值为1#img0=cv2.imread(r'D:\OpenCV_Python\chepai.jpg',0)#img1=cv2.imread(r'D:\OpenCV_Python\chepai.jpg',1)#或者如下：img0=cv2
系统 2019-09-27 17:53:37 2149
elasticsearchpython查询的两种方法，具体内容如下所述：fromelasticsearchimportElasticsearches=Elasticsearchres1=es.search(index="2018-07-31",body={"query":{"match_all":{}}})print(es1){'_shards':{'failed':0,'skipped':0,'successful':5,'total':5},'hits
系统 2019-09-27 17:51:02 2149
决策树部分理论支撑1*通过选取一定的特征来降低数据的不确定性（熵）2*建议寻找多分类问题的最优特征的最优候选值。把多分类问题转换成多几层递归的二分类问题，防止数据对特征值的控制敏感。3*停止条件取得了最够好的分类结果递归到了预定的最深深度叶子节点的纯度分裂次数达到极限最大特征数...4*相关公式entropy(D)=−∑i=1nPilog2Pientropy(D)=-\sum_{i=1}^nP_ilog_2P_ientropy(D)=−∑i=1nPil
系统 2019-09-27 17:50:46 2149
