otk

java基础 1.Java 集合框架综述，这篇让你吃透！ https://www.cnblogs.com/xiaoxi/p/6089984.html mysql 1. 数据库链接池终于搞对了，这次直接从100ms优化到3ms！ https://mp.weixin.qq.com/s?__biz=MzU0OTk3ODQ3Ng==&mid=2247488729&idx=1&sn=74fd107804544bf793ce68830c29db83&chksm=fba6fcdaccd175ccf988a706b68a1eaba44f98d2b60931ab952a92a25acc48db27c4b2176ad9&scene=0&xtrack=1&key=650b72d92d1748c771ffb2e25bf9f4522556c48554d17e3ff80cbb71a027bca5248f6e580bcdb3997e9151107d92dd3b57e5b7c6895fa364de5715e96831a886a2527c1488440813e4910a32545d732f&ascene=1&uin=MjAzOTkwMzU2MA%3D%3D&devicetype=Windows+10&version=62060841&lang=zh_CN&exportkey

1. 前言 最近在用python写一个小工具，这个工具主要就是用来管理各种资源的信息，比如阿里云的ECS等信息，因为我工作的电脑使用的是LINUX，所以就想着用 Python写一个命令行的管理工具，基本的功能就是同步阿里云的资源的信息到数据库，然后可以使用命令行查询。 因为信息是展现在命令行中的，众所周知，命令行展现复杂的文本看起来着实累人，于是就想着能像表格那样展示，那看起来就舒服多了。 prettytable库就是这么一个工具，prettytable可以打印出美观的表格，并且对中文支持相当好（如果有试图自己实现打印表格，你就应该知道处理中文是多么的麻烦） 说明：本文使用Markdown语法编写，为了展示方便，以及复制方便，所以本文中没有使用截图，因为格式控制的问题，文章中的运行结果会出现一些分割线的偏移，在终端中呈现并此问题，请各位手动去操作验证。 2. 安装 prettytable并非python的内置库，通过 pip install prettytable即可安装。 3. 一个小示例 我们先来看一个示例： 以上示例运行结果如下： 在以上的示例中，我们通过form导入了表格库。table实例化了一个表格库，并且添加了['编号','云编号','名称','IP地址']为表头，如果没有添加表头，那么会以默认的Field+编号显示，例如： 所以为更直观看出每一列的意义

决策树 (Decision Tree) 是一种有监督学习方法，通过特征和标签构造一棵决策树，学习特征之间的规则，以解决分类和回归问题。 使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。 决策树由以下 3 种元素构成： 根节点：包含样本全集 内部节点：对应特征属性测试 叶节点：决策结果 (标签) 决策树如何辨别好瓜和坏瓜？ (此图摘自周志华西瓜书，本人白板手绘版) 以上面的西瓜为例，我们要如何辨别一个瓜是好瓜。特点是：纹理清晰，根蒂稍蜷，触感青绿，恰好，你构建了一棵决策树，立马判断这是好瓜还是坏瓜？ 判断步骤如下： 根据纹理清晰，已知是清晰，那么向左边走，看第一步 接着，由纹理清晰到达第 2 层，由决策树图，我们可以看到，根蒂是稍蜷 接着到第 3 层，色泽的特征的青绿，由此，我们可以得出结论，这是一个好瓜。 根据上面的示例，我们可以很直观的得到一个实例的类别判断，只要告诉各个特征的具体值，决策树的判定过程就相当于从树中从根节点到某一个叶子节点的遍历。每一步如何遍历是由数据各个特征的具体特征属性决定。 那么，基于上面的一棵树，我们又有如下疑问，为什么根节点是纹理，而不是根蒂或者别的特征呢？ 决策树又是基于什么标准来选择特征的？如果构建决策树？ 决策树学习的 3 个步骤 基于上面的问题