机器学习 - 文本特征处理之 TF 和 IDF
TF(Term Frequency,词频)和IDF(Inverse Document Frequency,逆文档频率)是文本处理和信息检索中的两个重要概念,常用于计算一个词在文档中的重要性。下面是详细解释:
TF(词频)
词频表示某个词在一个文档中出现的频率。其计算公式如下:
TF ( t , d ) = 出现次数 ( t , d ) 文档中词语总数 ( d ) \text{TF}(t, d) = \frac{\text{出现次数}(t, d)}{\text{文档中词语总数}(d)} TF(t,d)=文档中词语总数(d)出现次数(t,d)
其中:
- ( t ) 表示词语
- ( d ) 表示文档
示例:
假设有一个文档内容如下:
这 是 一个 示例 示例 文本
- “示例”出现了2次,文档总共有6个词语。
- 词频(TF)计算:
TF ( 示例 , d ) = 2 6 = 0.333 \text{TF}(\text{示例}, d) = \frac{2}{6} = 0.333 TF(示例,d)=62=0.333
IDF(逆文档频率)
逆文档频率用于衡量一个词在所有文档中的普遍重要性。词语越常见,其IDF值越低;词语越不常见,其IDF值越高。其计算公式如下:
IDF ( t ) = log ( N 1 + 包含词语的文档数 ( t ) ) \text{IDF}(t) = \log \left( \frac{N}{1 + \text{包含词语的文档数}(t)} \right) IDF(t)=log(1+包含词语的文档数(t)N)
其中:
- ( N ) 表示文档的总数
- 包含词语的文档数 ( t ) \text{包含词语的文档数}(t) 包含词语的文档数(t) 表示包含词语 ( t ) 的文档数
示例:
假设有以下三个文档:
文档1:这 是 一个 示例 文本
文档2:这是 另一个 示例
文档3:这是 一段 示例 文字
- “示例”在所有3个文档中都出现了。
- 逆文档频率(IDF)计算:
IDF ( 示例 ) = log ( 3 1 + 3 ) = log ( 3 4 ) = − 0.124 \text{IDF}(\text{示例}) = \log \left( \frac{3}{1 + 3} \right) = \log \left( \frac{3}{4} \right) = -0.124 IDF(示例)=log(1+33)=log(43)=−0.124
TF-IDF(词频-逆文档频率)
TF-IDF结合了TF和IDF两个指标,衡量一个词在文档中的重要性。其计算公式如下:
TF-IDF ( t , d ) = TF ( t , d ) × IDF ( t ) \text{TF-IDF}(t, d) = \text{TF}(t, d) \times \text{IDF}(t) TF-IDF(t,d)=TF(t,d)×IDF(t)
示例:
结合上述TF和IDF的计算,假设“示例”在某文档中的词频TF为0.333,IDF为-0.124:
TF-IDF ( 示例 , d ) = 0.333 × − 0.124 = − 0.0413 \text{TF-IDF}(\text{示例}, d) = 0.333 \times -0.124 = -0.0413 TF-IDF(示例,d)=0.333×−0.124=−0.0413
这种计算方式表明,尽管“示例”词在单个文档中较为频繁,但在所有文档中都很常见,因此其重要性并不高。
实际应用TF-IDF的示例
假设我们有以下三个文档:
文档1:我 喜欢 学习 机器学习
文档2:机器学习 是 很 有趣 的
文档3:我 喜欢 编程 和 机器学习
第一步:计算每个词的词频(TF)
计算每个文档中每个词的词频:
文档1:我 喜欢 学习 机器学习
我:1/4 = 0.25
喜欢:1/4 = 0.25
学习:1/4 = 0.25
机器学习:1/4 = 0.25
文档2:机器学习 是 很 有趣 的
机器学习:1/5 = 0.20
是:1/5 = 0.20
很:1/5 = 0.20
有趣:1/5 = 0.20
的:1/5 = 0.20
文档3:我 喜欢 编程 和 机器学习
我:1/5 = 0.20
喜欢:1/5 = 0.20
编程:1/5 = 0.20
和:1/5 = 0.20
机器学习:1/5 = 0.20
第二步:计算逆文档频率(IDF)
文档1:我 喜欢 学习 机器学习
文档2:机器学习 是 很 有趣 的
文档3:我 喜欢 编程 和 机器学习
计算IDF:
机器学习:log(3 / (1 + 3)) = log(3 / 4) = -0.124
我:log(3 / (1 + 2)) = log(3 / 3) = 0
喜欢:log(3 / (1 + 2)) = log(3 / 3) = 0
学习:log(3 / (1 + 1)) = log(3 / 2) = 0.176
是:log(3 / (1 + 1)) = log(3 / 2) = 0.176
很:log(3 / (1 + 1)) = log(3 / 2) = 0.176
有趣:log(3 / (1 + 1)) = log(3 / 2) = 0.176
的:log(3 / (1 + 1)) = log(3 / 2) = 0.176
编程:log(3 / (1 + 1)) = log(3 / 2) = 0.176
和:log(3 / (1 + 1)) = log(3 / 2) = 0.176
第三步:计算每个词的TF-IDF
将每个词的词频乘以其逆文档频率:
文档1:我 喜欢 学习 机器学习
我:0.25 * 0 = 0
喜欢:0.25 * 0 = 0
学习:0.25 * 0.176 = 0.044
机器学习:0.25 * -0.124 = -0.031
文档2:机器学习 是 很 有趣 的
机器学习:0.20 * -0.124 = -0.0248
是:0.20 * 0.176 = 0.0352
很:0.20 * 0.176 = 0.0352
有趣:0.20 * 0.176 = 0.0352
的:0.20 * 0.176 = 0.0352
文档3:我 喜欢 编程 和 机器学习
我:0.20 * 0 = 0
喜欢:0.20 * 0 = 0
编程:0.20 * 0.176 = 0.0352
和:0.20 * 0.176 = 0.0352
机器学习:0.20 * -0.124 = -0.0248
详细分析
通过正确的TF-IDF计算,我们可以更准确地确定每个文档中最重要的词语。
文档1分析:
- “学习”的TF-IDF值最高(0.044),表明在文档1中,“学习”是最重要的词语。
- “我”和“喜欢”的TF-IDF值为0,因为它们在多个文档中都很常见。
- “机器学习”的TF-IDF值为-0.031,表明它虽然在文档中出现,但在所有文档中都很常见,因此在区分这个文档时并不重要。
文档2分析:
- “是”、“很”、“有趣”、“的”这四个词的TF-IDF值相同(0.0352),表明它们在文档2中同等重要。
- “机器学习”的TF-IDF值为-0.0248,同样因为它在所有文档中都很常见。
文档3分析:
- “编程”和“和”的TF-IDF值最高(0.0352),表明它们在文档3中最重要。
- “我”和“喜欢”的TF-IDF值为0,因为它们在多个文档中都很常见。
- “机器学习”的TF-IDF值为-0.0248,同样因为它在所有文档中都很常见。
应用TF-IDF结果
这些TF-IDF值帮助我们更准确地理解每个文档的关键内容和主题。例如:
- 在文档1中,“学习”是关键词,可以推测文档的主题是学习相关内容。
- 在文档2中,“是”、“很”、“有趣”、“的”这几个词同等重要,可能表示文档在描述机器学习的有趣性。
- 在文档3中,“编程”和“和”是关键词,可以推测文档的主题涉及编程和机器学习的关系。
通过这些TF-IDF值,我们可以更有效地进行文本分类、主题提取和信息检索,提高处理文本数据的准确性和效率。
相关文章:
![](https://www.ngui.cc/images/no-images.jpg)
机器学习 - 文本特征处理之 TF 和 IDF
TF(Term Frequency,词频)和IDF(Inverse Document Frequency,逆文档频率)是文本处理和信息检索中的两个重要概念,常用于计算一个词在文档中的重要性。下面是详细解释: TF(…...
![](https://img-blog.csdnimg.cn/img_convert/4b2aa236ba89e2ba67fe38d2c69e9ca5.jpeg)
因为自己淋过雨所以想给嵌入式撑把伞
在开始前刚好我有一些资料,是我根据网友给的问题精心整理了一份「嵌入式的资料从专业入门到高级教程」, 点个关注在评论区回复“888”之后私信回复“888”,全部无偿共享给大家!!!新手学嵌入式,…...
![](https://www.ngui.cc/images/no-images.jpg)
《C++20设计模式》中单例模式
文章目录 一、前言二、饿汉式1、实现 三、懒汉式1、实现 四、最后 一、前言 单例模式定义: 单例模式(Singleton Pattern)是一种创建型设计模式,其主要目的是确保一个类只有一个实例,并提供全局访问点来访问这个实例。…...
![](https://csdnimg.cn/release/blog_editor_html/release2.3.6/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N7T8)
前端技术(说明篇)
Introduction ##编写内容:1.前端概念梳理 2.前端技术种类 3.前端学习方式 ##编写人:贾雯爽 ##最后更新时间:2024/07/01 Overview 最近在广州粤嵌进行实习,项目名称是”基于Node实现多人聊天室“,主要内容是对前端界…...
![](https://img-blog.csdnimg.cn/direct/788d25fbb9af4d52a80adac934443570.png)
带电池监控功能的恒流直流负载组
EAK的交流和直流工业电池负载组测试仪对于测试和验证关键电力系统的能力至关重要,旨在实现最佳精度。作为一家客户至上的公司,我们继续尽我们所能应对供应链挑战,以提供出色的交货时间,大约是行业其他公司的一半。 交流负载组 我…...
![](https://www.ngui.cc/images/no-images.jpg)
关于Disruptor监听策略
Disruptor框架提供了多种等待策略,每种策略都有其适用的场景和特点。以下是这些策略的详细介绍及其适用场景: 1. BlockingWaitStrategy 特点: 使用锁和条件变量进行线程间通信,线程在等待时会进入阻塞状态,释放CPU资…...
![](https://www.ngui.cc/images/no-images.jpg)
大数据面试题之HBase(3)
HBase的预分区 HBase的热点问题 HBase的memstore冲刷条件 HBase的MVCC HBase的大合并与小合并,大合并是如何做的?为什么要大合并 既然HBase底层数据是存储在HDFS上,为什么不直接使用HDFS,而还要用HBase HBase和Phoenix的区别 HBase支…...
![](https://www.ngui.cc/images/no-images.jpg)
c#中赋值、浅拷贝和深拷贝
在 C# 编程中,深拷贝(Deep Copy)和浅拷贝(Shallow Copy)是用于复制对象的两种不同方式,它们在处理对象时有着重要的区别和适用场景。 浅拷贝(Shallow Copy) 浅拷贝是指创建一个新对…...
![](https://img-blog.csdnimg.cn/direct/16082f610f604acbb07765c005643e1a.png)
旧版st7789屏幕模块 没有CS引脚的天坑 已解决!!!
今天解决了天坑一个,大家可能有的人买的是st7789屏幕模块,240x240,1.3寸的 他标注的是老版,没有CS引脚,小崽子长这样: 这熊孩子用很多通用的驱动不吃,死活不显示,网上猛搜ÿ…...
![](https://img-blog.csdnimg.cn/img_convert/ae91aa4aa648ea768a75a1bc2bdd2d11.jpeg)
激光粒度分析仪校准步骤详解:提升测量精度的秘诀
在材料科学、环境监测、医药研发等众多领域,激光粒度分析仪以其高精度、高效率的测量性能,成为了不可或缺的测试工具。然而,为了保持其测量结果的准确性和可靠性,定期校准是不可或缺的步骤。 接下来,佰德将为您详细介…...
![](https://img-blog.csdnimg.cn/direct/af20d19c48664b3092590b11eee3869d.jpeg#pic_center)
独一无二的设计模式——单例模式(python实现)
1. 引言 大家好,今天我们来聊聊设计模式中的“独一无二”——单例模式。想象一下,我们在开发一个复杂的软件系统,需要一个全局唯一的配置管理器,或者一个统一的日志记录器;如果每次使用这些功能都要创建新的实例&…...
![](https://img-blog.csdnimg.cn/direct/44463e4399084ec58da98c726437df46.jpeg)
第二证券:可转债基础知识?想玩可转债一定要搞懂的交易规则!
可转债,全称是“可转化公司债券”,是上市公司为了融资,向社会公众所发行的一种债券,具有股票和债券的双重特点,投资者可以选择按照发行时约定的价格将债券转化成公司一般股票,也可作为债券持有到期后收取本…...
![](https://www.ngui.cc/images/no-images.jpg)
原型模式的实现
1. 引言 1.1 背景 在实际编程中,有时需要频繁创建多个相似但稍有不同的对象。如果采用传统的对象创建方式,容易造成代码冗余,对象重复初始化操作也可能带来大量的的资源消耗(如时间、内存等)。这样不仅降低了灵活性,导致难以适应状态的变化,还降低了代码的可扩展性。 …...
![](https://www.ngui.cc/images/no-images.jpg)
【第二套】华为 2024 年校招-硬件电源岗
1.为了避免 50Hz 的电⽹电压⼲扰放⼤器,应该⽤那种滤波器: A.带阻滤波器 B.带通滤波器 C.低通滤波器 D.⾼通滤波器 2.PID 中的 I 和 D 的作⽤分别是? A、消除静态误差和提⾼动态性能 B、消除静态误差和减⼩调节时间 C、提⾼动态性能和减⼩超调…...
![](https://img-blog.csdnimg.cn/direct/857d1b8203b94f26b13a1b1643d52ee7.png)
Xilinx FPGA:vivado利用单端RAM/串口传输数据实现自定义私有协议
一、项目要求 实现自定义私有协议,如:pc端产生数据:02 56 38 ,“02”代表要发送数据的个数,“56”“38”需要写进RAM中。当按键信号到来时,将“56”“38”读出返回给PC端。 二、信号流向图 三、状态…...
![](https://img-blog.csdnimg.cn/direct/5ef3a3de818a40ddab9b1d48b5e5ea5a.png#pic_center)
Spark on k8s 源码解析执行流程
Spark on k8s 源码解析执行流程 1.通过spark-submit脚本提交spark程序 在spark-submit脚本里面执行了SparkSubmit类的main方法 2.运行SparkSubmit类的main方法,解析spark参数,调用submit方法 3.在submit方法里调用doRunMain方法,最终调用r…...
![](https://img-blog.csdnimg.cn/img_convert/fee1e2f5b0470e9968db594bb0f6b790.png)
粤港联动,北斗高质量国际化发展的重要机遇
今年是香港回归27周年,也是《粤港澳大湾区发展规划纲要》公布5周年,5年来各项政策、平台不断为粤港联动增添新动能。“十四五”时期的粤港澳大湾区,被国家赋予了更重大的使命,国家“十四五”《规划纲要》提出,以京津冀…...
![](https://img-blog.csdnimg.cn/direct/185661de33d341b8913ec043363bb76a.png#pic_centerzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzz)
Chrome导出cookie的实战教程
大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…...
![](https://www.ngui.cc/images/no-images.jpg)
视频文字转语音经验笔记
自媒体视频制作的一些小经验,分享给大家。 一、音频部分: 1、文字转语音阐述: 微软语音识别 云希-青年男, 0.5-0.8变速 。注:云泽-中年男(不支持长音频录制), 适合郑重场合&#…...
![](https://img-blog.csdnimg.cn/img_convert/d99c620869585238643d32c7ab6e1fbc.png)
视频融合共享平台LntonCVS统一视频接入平台智慧安防应用方案
安防视频监控平台LntonCVS是一款拥有强大拓展性和灵活部署能力的综合管理平台。它支持多种主流标准协议,包括国标GB28181、RTSP/Onvif、RTMP等,同时兼容各厂家的私有协议和SDK,如海康Ehome、海大宇等。LntonCVS不仅具备传统安防视频监控功能&…...
![](https://img-blog.csdnimg.cn/direct/d4ef97dd55da4e8ea07b01e951606b57.png)
使用Python绘制动态螺旋线:旋转动画效果
文章目录 引言准备工作前置条件 代码实现与解析导入必要的库初始化Pygame绘制螺旋线函数主循环 完整代码 引言 螺旋线是一个具有美学和数学魅力的图形。通过编程,我们可以轻松创建动态旋转的螺旋线动画。在这篇博客中,我们将使用Python和Pygame库来实现…...
![](https://www.ngui.cc/images/no-images.jpg)
Symfony实战手册:PHP框架的高级应用技巧
引言 Symfony是一个功能强大且广泛应用于PHP应用程序开发的框架,它提供了许多高级特性和工具,可以帮助开发人员更高效地构建和管理复杂的Web应用程序。以下是Symfony框架的几个关键方面及其高级应用技巧: 1. 路由和控制器 Symfony的路由组…...
![](https://img-blog.csdnimg.cn/direct/3a477cd74c7c4ff2afb139f3e4d7285c.png)
TOGAF培训什么内容?参加TOGAF培训有什么好处?考试通过率多少?
TOGAF培训什么内容?参加TOGAF培训有什么好处?考试通过率多少? TOGAF培训哪些内容? 通过本课程,你将掌握TOGAF的理论和实践,理解企业架构的影响,能够评估、启动、设 计、执行新一轮企业和IT架构…...
![](https://www.ngui.cc/images/no-images.jpg)
keepalived HA nginx方案
安装 centos: yum -y install epel-release yum -y install nginx keepalivedkeepalived配置解析 /etc/keepalived/keepalived.conf ! Configuration File for keepalived # 全局变量 global_defs {router_id nginx_ha # 主从保持一致script_user root # 执行健康检查的…...
![](https://www.ngui.cc/images/no-images.jpg)
报错:pathspec ‘xxx‘ did not match any file(s) known to git
在 escode 中进行分支切换时报如下错误 PS > git checkout xxx error: pathspec xxx did not match any file(s) known to git远程分支已经在 gitlab 客户端手动创建,在 escode 中也使用了拉取之类的操作,但是切换分支时依然报错。 解决方案 查看分…...
![](https://www.ngui.cc/images/no-images.jpg)
sed 保持空间命令之 x 的执行逻辑
目录 1. 将模式空间和保持空间的内容互换并打印 2. 将保持空间的内容交换回模式空间 3. 使用保持空间保存状态信息 4. 交换模式空间与保持空间隔行匹配 sed 有两个内置的缓存空间: 模式空间:该空间是 sed 内置的一个缓冲区,是 sed 执行的…...
![](https://www.ngui.cc/images/no-images.jpg)
按位异或^
在 Python 中,a ^ b 表示按位异或运算符。按位异或运算符对整数的每一位进行运算,如果对应位上的两个二进制数字不同,则结果为 1,否则为 0。 示例 a 5 # 二进制: 0101 b 3 # 二进制: 0011result a ^ b print(result) # 输…...
![](https://img-blog.csdnimg.cn/img_convert/fed4210813d316480ad4407929e69abe.png)
《企业实战分享 · 常用运维中间件》
📢 大家好,我是 【战神刘玉栋】,有10多年的研发经验,致力于前后端技术栈的知识沉淀和传播。 💗 🌻 近期刚转战 CSDN,会严格把控文章质量,绝不滥竽充数,如需交流ÿ…...
![](https://www.ngui.cc/images/no-images.jpg)
PyCharm 2024.1简介
PyCharm 2024.1 是JetBrains公司发布的Python集成开发环境(IDE)的最新版本。作为一个深受开发者欢迎的工具,PyCharm以其强大的功能和高效的开发体验著称。以下是PyCharm 2024.1的主要特性和改进: 1. **性能提升**: …...
![](https://img-blog.csdnimg.cn/direct/ae092ffc3d1e4a4e9220ef61d718f351.png)
终身免费的Navicat数据库,不需要破解,官方支持
终身免费的Navicat数据库,不需要破解,官方支持 卸载了Navicat,很不爽上干货,Navicat免费版下载地址 卸载了Navicat,很不爽 公司不让用那些破解的数据库软件,之前一直使用Navicat。换了几款其他的数据库试了…...
![](https://www.ngui.cc/images/no-images.jpg)
Spring Boot中的模板引擎选择与配置
Spring Boot中的模板引擎选择与配置 大家好,我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天我们来聊聊Spring Boot中的模板引擎选择与配置。模板引擎是生成动态网页…...
![](https://img-blog.csdnimg.cn/direct/85c837ef3078462d8aa505c515280392.png)
4、音视频封装格式---FLV
FLV FLV是一种容器封装格式,是由Adobe公司发布和维护的,用于将视频编码流与音频编码流进行封装。对于任意一种封装格式,都有其头部区域与数据区域,在FLV中,称之为FLV Header与Body。 对于FLV Header,一个FL…...
![](https://www.ngui.cc/images/no-images.jpg)
vscode 前行复制到下一行
目录 Ctrl d 会把当前行复制到下一行 步骤1:打开键绑定设置 目录 Ctrl d 会把当前行复制到下一行 步骤1:打开键绑定设置 使用VS Code设置换行 Ctrl d 会把当前行复制到下一行 步骤1:打开键绑定设置 打开 VS Code。按 CtrlShiftP 打开命…...
![](https://img-blog.csdnimg.cn/direct/c2d73c230f1745808be64503b9c67a46.png)
什么是文档透明加密|好用的文档透明加密软件有哪些?
在当今日益数字化和信息化的时代,数据安全问题愈发受到企业和个人的关注。文档作为信息的重要载体,其安全性不言而喻。为了保障文档的机密性和完整性,文档透明加密技术应运而生。本文将对文档透明加密进行详细介绍,并探讨一些好用…...
![](https://img-blog.csdnimg.cn/direct/3e354f46073c4a8fb187093a57838d4d.png)
XTDrone-固定翼无人机编队跟踪无人车-配置教程
配置使用ROS版本为Neotic 1 配置 1.1 加载固定翼无人机编队跟踪控制工程文件 cp -r ~/XTDrone/coordination/fixed_wing_formation_control ~/catkin_ws/src 1.2 加载一些用到的功能包 sudo apt-get install ros-noetic-serial #根据自己的ROS版本修改 sudo apt-get insta…...
![](https://www.ngui.cc/images/no-images.jpg)
实现高性能、可扩展的实时数据采集系统:go-zero的应用与实践
随着互联网技术的高速发展,数据采集也越来越受到重视,成为企业获取商业价值的重要手段。在实际应用中,我们往往面临着数据量大、并发高、系统响应速度要求高、压力测试等挑战。如何实现高性能、可扩展的实时数据采集系统?本文将介…...
![](https://www.ngui.cc/images/no-images.jpg)
AUTOSAR NvM模块(五)
NvMRbCallbackSignatureAR45 改变回调函数的参数类型。 TRUE:根据AR44及之后版本,回调函数使用NvM_<Multi;Init>BlockRequestType参数类型。详细的函数调用参数请参考回调参数。 FALSE:根据AR43及之前版本,回调函数使用S…...
![](https://www.ngui.cc/images/no-images.jpg)
输出feign调用详细日志
开发新增一个feign调用类,调用另一个微服务的接口,总是报调用失败,想输出下调用的详细日志看看怎么回事。 第一步:查看feign的输出级别。 这个在qlm_config包里: /*** feign 日志记录级别* NONE:无日志记录…...
![](https://www.ngui.cc/images/no-images.jpg)
mac编译r2frida问题解决
在编译 https://github.com/nowsecure/r2frida 时报错: {"category": "error","code": 7006,"file": {"path": "/Users/xxx/Documents/Library/r2frida/src/agent/lib/info/index.ts","line": 494,&qu…...
![](https://www.ngui.cc/images/no-images.jpg)
中介者模式在金融业务中的应用及其框架实现
引言 中介者模式(Mediator Pattern)是一种行为设计模式,它通过引入一个中介对象来封装对象之间的交互,从而使对象不需要显式地相互引用,从而降低了对象之间的耦合性。在金融业务中,中介者模式常用于实现复…...
![](https://img-blog.csdnimg.cn/direct/119a9f85d5bd4da09c898f44724e30ee.png)
javaSE期末练习题
文章目录 前言一、程序控制1.顺序结构问题描述解题思路题解 2.选择结构2.1 题1问题描述解题思路题解 2.1 题2问题描述解题思路题解 3.循环结构3.1 阶乘的求取问题描述解题思路题解 3.2 水仙花数问题描述解题思路题解 二、数组三、类与对象1.类与对象1.1圆类问题描述解题思路题解…...
![](https://www.ngui.cc/images/no-images.jpg)
Linux文件数据写入
结构体 fd fd也就是文件描述符,用于标识已经打开的文件、管道、socket等。是进程和内核的桥梁,允许进程执行各种文件操作 struct fd {struct file *file;unsigned int flags; };file Linux内核中表示打开文件的结构体,包含了文件操作所需…...
![](https://www.ngui.cc/images/no-images.jpg)
vue2 中如何使用 vuedraggable 库实现拖拽功能
1.通过 npm 或 yarn 安装 vuedraggable 库 npm install vuedraggableyarn add vuedraggable 2. 引入组件内部使用,以下代码是一个Demo,可直接复制粘贴演示 注意:因项目使用了 vant,需要安装 vant 才能正常运行 <template&g…...
![](https://www.ngui.cc/images/no-images.jpg)
0基础学C++ | 第13天 | 基础知识 | 类 | 对象
目录 前言 封装 封装的意义 struct 和 class 的区别 成员属性设置为私有 前言 众所周知, C是一个面向对象的编程语言(面向对象的C语言的特点就是:封装、继、 多态),它与面向过程的C语言不通,对面向…...
![](https://img-blog.csdnimg.cn/direct/e4053862a4bf469fb830850d02a4597c.png)
Java | Leetcode Java题解之第212题单词搜索II
题目: 题解: class Solution {int[][] dirs {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};public List<String> findWords(char[][] board, String[] words) {Trie trie new Trie();for (String word : words) {trie.insert(word);}Set<String> a…...
![](https://www.ngui.cc/images/no-images.jpg)
Flink面试题总结
一、简单介绍一下 Flink Apache Flink 是一个实时计算框架和分布式处理引擎,用于在无边界和有边界数据流上进行有状态的计算 二、Flink集群有哪些角色?各自有什么作用?(flink架构) --JobManager: JobManag…...
![](https://www.ngui.cc/images/no-images.jpg)
人工智能与云计算
项目要求 一个简单的集群。您需要在此项目中创建计算机集群。这些机器是 docker 容器。集群管理器是一个 Python 程序。群集的状态将写入文件。 希望通过这个 Python 文件,首先它能够通过获取输入来得到要创建的集群中包含的容器数量,并与用户进行交互(用户可以执行此集群…...
![](https://img-blog.csdnimg.cn/direct/787dc40b8055491f817ead012b104b4c.png#pic_center)
9.(vue3.x+vite)修改el-input,el-data-picker样式
效果预览 二:相关代码 <template><div style="padding: 50px"><el-input placeholder="请输入模型名称" style="width: 260px" /><br /...
![](https://img-blog.csdnimg.cn/direct/297c52a11437458780e7d07a79fb25d3.png)
java反射和注解
反射 获取class对象的三种方法 ①:Class.forName("全类名"); ②:类名.class ③:对象.getclass(); 代码样例 package com.ithema;public class Main {public static void main(String[] args) throws ClassNotFoundException {//第…...
![](https://img-blog.csdnimg.cn/direct/a81e914f8e9f438fa8bbf2037b324adb.gif)
react_后台管理_项目
目录 1.运行项目 2. 项目结构 ①项目顶部导航栏 ②项目左侧导航栏 ③主页面-路由切换区 本项目使用的是 reacttsscss 技术栈。 1.运行项目 在当前页面顶部下载本项目,解压后使用编辑器打开,然后再终端输入命令: npm i 下载依赖后&am…...
![](https://img-blog.csdnimg.cn/img_convert/9f9d98ca7faa6667080c1bcb747c0797.png)
为PPT加密:如何设置和管理“打开密码”?
在保护演示文稿的内容时,给PPT文件设置“打开密码”是一个简单而有效的方法。今天一起来看看如何设置和管理PPT文件的“打开密码”吧! 一、设置PPT“打开密码” 首先,打开需要加密的PPT文件,点击左上角的“文件”选项卡&#x…...
![](https://www.ngui.cc/images/no-images.jpg)
python的os.walk()
os.walk() 是一个非常有用的函数,用于在Python中遍历文件夹树。它返回一个生成器,该生成器在每次迭代时返回一个包含三个元素的元组:(当前文件夹的路径,文件夹中的子文件夹的列表,文件夹中的文件的列表)。这个函数对于…...
![](https://img-blog.csdnimg.cn/direct/cdbece30491345d08f56b87701306b6a.png)
云计算【第一阶段(26)】Linux网络设置
一、查看网络配置 1.查看网络接口信息ifconfig 查看所有活动的网络接口信息 2.ifconfig命令 查看指定网络接口信息 ifconfig 网络接口 (1)第一行:以太网卡的名字 ens33其中en代表以太网卡, centos6的是eth0, e…...
![](https://img-blog.csdnimg.cn/direct/76f656fab133470daf943203138f9491.gif)
Qt 基础组件速学 鼠标和键盘事件
学习目标: 鼠标事件和键盘事件应用 前置环境 运行环境:qt creator 4.12 学习内容和效果演示: 1.鼠标事件 根据鼠标的坐标位置,做出对应的事件。 2.键盘事件 根据键盘的输入做出对应操作 详细主要代码 1.鼠标事件 #include "main…...
![](https://img-blog.csdnimg.cn/direct/360159acf1e940faa46fdced71099aa9.png)
数据结构(3.6)——队列的链式实现
队列的链式表示为链队列,它实际上是一个同时有队头指针和队尾指针的单链表 队列的链式实现 typedef struct LinkNode {//链式队列结点int data;struct LinkNode* next; }LinkNode;typedef struct {//链式队列LinkNode* front, * rear;//队列的队头和队尾指针 }Lin…...
![](https://i-blog.csdnimg.cn/direct/9cf70af1a21144dabfcc3965b107f917.jpeg)
浅谈OpenCV的多对象匹配透明图像的实现,以及如何匹配半透明控件
引子 OpenCV提供的templateMatch只负责将(相关性等)计算出来,并不会直接提供目标的对应坐标,一般来说我们直接遍历最高的相关度,就可以得到匹配度最高的坐标。但是这样一般只能得到一个坐标。在实际操作中,…...
![](https://www.ngui.cc/images/no-images.jpg)
全新宝马1系是否会引进国产,新款车的产品力是高还是低
换代版宝马1系的定妆图发布之后,关于车辆外观设计的争论最为激烈,其次则是有关换代版是否会引进的讨论。有读者提出了这个问题,那就来简单讲一讲。先讲答案:宝马1系换代版引进的可能性无限接近零,因为引进来也只会是冷门车。两类1系与两种体验不是所有的宝马1系都有可玩性,…...
![](https://img-blog.csdnimg.cn/direct/244ff1592c834bf5a10de9faf0f736a6.jpeg#pic_center)
这个橙子真的香!老司机徒手把玩香橙派Kunpeng Pro事后感言
水果派爱好者 作为一个水果派爱好者,我早在大学时期就购入了树莓派3B以及一堆传感器配件,把玩至今。 后来在工作的时候,由于不满足树莓派3B的性能,又购入了树莓派4B,玩得不亦乐乎,做出了很多因吹斯汀的小玩…...
![](https://img-blog.csdnimg.cn/direct/9921262b87314a2392b9ad8d8d579fc9.png)
1.Redis之初识Redis分布式系统
1.初识Redis 1.1 官网 Redis中文网 Redis 教程 | 菜鸟教程 (runoob.com) 1.2 解释 在内存中存储数据 定义变量,不就是在内存中存储数据嘛?? Redis 是在分布式系统(进程的隔离性:Redis 就是基于网络,可以把自己内存中的变量给别的进程…...
![](https://img-blog.csdnimg.cn/direct/5d768650e3e94c01b2b60f9d6ad40d92.png)
HBase安装
安装HBase 提示:需要安装好hadoop和zookeeper 安装zookeeper可参考 一、确定HBase版本 去网站确认 https://hbase.apache.org/book.html#hadoop二、下载HBase安装包 去清华大学镜像站下载 https://mirrors.tuna.tsinghua.edu.cn/apache/hbase/三、安装HBase …...
![](https://www.ngui.cc/images/no-images.jpg)
前端大文件上传
首先,我们需要使用Blob对象的 slice 方法将文件切分成多个切片。 const CHUNK_SIZE 1024 * 1024; // 我们选择1MB作为每个切片的大小 let file document.getElementById("upload").files[0]; // 得到所选文件 let totalSize file.size; let chunks […...
![](https://img-blog.csdnimg.cn/direct/08bc597190404202840d8b18d02b225a.png)
[xx点评完结]——白马点评完整代码+rabbitmq实现异步下单+资料,免费
项目所有功能已测,均可以跑通,Jmeter和RabbitMQ也都测了。 项目源码:dianpinghui: 仿黑马点评项目 资料: https://pan.baidu.com/s/1kTCn9PxgeIey90WgM4KRqA?pwdn66b 对佬有帮助可以给个star哈,感谢🌹🌹dz…...