适合数据分析学习者
2021-08-25 09:13:19 2.48MB 数据挖掘
1
本资源包含了两个子项目,分别进行了springboot+jpa+jdbcTemplate的多数据源独立事务配置和jta分布式事务配置,并针对不同的情况编写了事务配置测试接口,还演示了JPA的domain一对多自动生成数据库表且不生成数据库外键的配置。
1
第6节:驰骋低代码开发平台-菜单-数据源实体.pptx
2021-08-22 18:09:44 1.32MB 低代码开发平台
1
基于本体的Deep Web数据源的分类研究
2021-08-22 13:12:56 24.79MB 基于本体的DeepWeb数据源
Tomcat配置JNDI数据源解决方案,提交密码明文配置和加密配置。
2021-08-19 20:23:42 1.25MB tomcat jndi
1
数据同步spingboot连接多个mysql数据库.zip
2021-08-18 18:13:35 189KB springboot 多数据源
(RSA+DES接口加密交互) (logback日志分级) (异常统一处理) (多数据源主主+redis集群) SpringSecurity权限控制 带图形验证码自定义认证器 SpringSecurity过滤器 登陆 + JWT + SpringSecurity权限控制
2021-08-18 18:13:17 161KB RSA DES logback SpringSecurity权限
# -*- coding: utf-8 -*- import pandas as pd import numpy as np from math import sqrt critics={'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5, 'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5, 'The Night Listener': 3.0}, 'Gene Seymour': {'Lady in the Water': 3.0, 'Snakes on a Plane': 3.5, 'Just My Luck': 1.5, 'Superman Returns': 5.0, 'The Night Listener': 3.0, 'You, Me and Dupree': 3.5}, 'Michael Phillips': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.0, 'Superman Returns': 3.5, 'The Night Listener': 4.0}, 'Claudia Puig': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0, 'The Night Listener': 4.5, 'Superman Returns': 4.0, 'You, Me and Dupree': 2.5}, 'Mick LaSalle': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0, 'Just My Luck': 2.0, 'Superman Returns': 3.0, 'The Night Listener': 3.0, 'You, Me and Dupree': 2.0}, 'Jack Matthews': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0, 'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5}, 'Toby': {'Snakes on a Plane':4.5,'You, Me and Dupree':1.0,'Superman Returns':4.0}} df_critics=pd.DataFrame(critics) ##欧氏距离 def sim_distance(prefs,person1,person2): si={} for item in prefs[person1]: if item in prefs[person2]: si[item]=1 if len(si)==0: return 0 sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2) for item in prefs[person1] if item in prefs[person2]]) return 1/(1+sqrt(sum_of_squares)) ##numpy pandas 方法 def sim_distance2(prefs,person1,person2): return 1/(1+np.linalg.norm(prefs[person1]-prefs[person2])) ##皮尔逊相关系数 def sim_pearson(prefs,p1,p2): si={} for item in prefs[p1]: if item in prefs[p2]: si[item]=1 n=len(si) if n==0: return 1 ##对所有偏好求和 sum1=sum([prefs[p1][it] for it in si]) sum2=sum([prefs[p2][it] for it in si]) ##求平方和 sum1Sq=sum([pow(prefs[p1][it]
guns企业版多数据源配置,集成dynamic-datasource,同时支持mysql,oracle,支持多数据源数据分页
1
共10个章节,由浅入深介绍数据挖掘算法,含配套数据源和源代码 10个章节信息如下: 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap1_intro 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap2_data 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap3_data_exploration 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap4_basic_classification 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap5_alternative_classification 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap6_basic_association_analysis 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap7_extended_association_analysis 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap8_basic_cluster_analysis 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap9_advanced_cluster_analysis 精品 干货 数据挖掘数据分析配套纯英文版教程课件 chap10_anomaly_detection