不喧嚣自有声

基本概念

1. IOC是什么？ IOC(Inversion of Control)控制反转，IOC是一种新的Java编程模式，目前很多轻量级容器都在广泛使用的模式。
2. IOC解决了什么问题？ 在IOC出现以前，组件之间的协调关系是由程序内部代码来控制的，或者说，以前我们使用New关键字来实现两组间之间的依赖关系的。 这种方式就造成了组件之间的互相 耦合。IOC(控制反转)就是来解决这个问题的，它将实现组件间的关系从程序内部提到外部容器来管理。 也就是说，由容器在运行期将组件间的某种依赖关系动态的注入组件中。
3. IOC的实现方式 1. **依赖查找(Dependency Lookup)**：容器中的受控对象通过容器的API来查找自己所依赖的资源和协作对象。这种方式虽然降低了对象间的依赖，但是同时也使用到了容器的API，造成了我们无法在容器外使用和测试对象。 依赖查找是一种更加传统的IOC实现方式。 2. **依赖注入(Dependency Injection)**：这就是DI，字面上理解，依赖注入就是将服务注入到使用它的地方。对象只提供普通的方法让容器去决定依赖关系，
4. IOC与DI的区别 对于IOC来说，DI更像是一个用来控制容器的工具，之所以依赖，是根据容器里各个组件之间的关系来决定。
5. Spring中的IOC和DI IOC是Spring的核心，贯穿始终。对于Spring框架来说，就是由Spring来负责控制对象的生命周期和对象间的关系。 Spring中DI有两种实现方式—Setter方式(传值方式)和构造器方式(引用方式)。

IOC

​ 假设一种情况，我们要做一个图书馆里系统，我们要定义一个书的Bean类，里面有书的id，书名，作者，出版社….等等属性，在一个对象中，如果要使用另外的对象，就必须得到它（自己new一个，或者从JNDI中查询一个），使用完之后还要将对象销毁（比如Connection等），对象始终会和其他的接口或类藕合起来。 而spring中是如何实现的呢？相当于一个图书管理员，它负责管理很多很多书籍的信息，你只需要提供你想要借哪本书、或者说哪种类型的书，那么它就会提供给你，如果不是我们想要的书，我们就抛出异常反馈给它。整个过程不再是我们自己控制的了，我们想要什么书，不用我们去找，也不用我们去造。所有的类都在spring这个容器内登记，我们只需要请求。所有类让spring创建、销毁，也就是说控制对象生存周期的不再是引用它的对象，而是spring。对于某个具体的对象而言，以前是它控制其他对象，现在是所有对象都被spring控制，所以这叫控制反转。 所以由上面看，spring的解决方案就是面向接口的编程，对对象的控制直接调用接口就可以实现了。（前提是配置好了。🙃）

spring跟传统做法的区别:

IOC

概念

    Inversion of Control ，翻译为”控制反转“，别名”依赖注入“(Dependency Injection)。

    关键在于四个问题：谁控制谁,控制什么,反转是什么,哪些方面反转了。

所谓IOC，就是由Spring IOC容器来负责对象的生命周期和对象之间的关系。

八大排序算法

冒泡排序

一、算法思想 它重复地走访要排序地数列，一次比较两个元素，如果他们的顺序有误就把他们交换一下。走访数列的工作是重复地进行直到没有再需要交换，即该数列已经排序完成。 动态效果示意图： 假设有一个大小为 N 的无序序列。以升序冒泡排序为例，冒泡排序就是要每趟排序过程中通过两两比较相邻元素，将小的数字放到前面，大的数字放在后面。 二、代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58

#include <iostream>
#include <vector>

using namespace std;

vector<int> bubbleSort(vector<int> list){
    vector<int> result;
    if (list.empty()){
        return result;
    }

    result = list;
    int temp;
    // 要遍历的次数
    for (int i = 0; i < result.size() - 1; ++i){
        cout << "第" << i + 1 << "趟排序:" << endl;;
        // 从后向前依次的比较相邻两个数的大小
        for (int j = 0; j < result.size() - 1; j++){
            // 如果后面的元素小，则交换它们的位置
            if (result[j + 1] < result[j]){
                temp = result[j + 1];
                result[j + 1] = result[j];
                result[j] = temp;
            }
            cout << "排序中:";
            for (int s = 0; s < result.size(); s++){
                cout << result[s] << " ";
            }
            cout << endl;
        }
        cout << "排序结果:";
        for (int s = 0; s < result.size(); s++){
            cout << result[s] << " ";
        }
        cout << endl;
    }
    return result;
}

void main(){
    int arr[] = { 6, 4, 8, 1, 2, 3, 9 };
    vector<int> test(arr, arr + sizeof(arr) / sizeof(arr[0]));
    cout << "排序前" << endl;
    for (int i = 0; i < test.size(); i++){
        cout << test[i] << " ";
    }
    cout << endl;
    vector<int> result;
    result = bubbleSort(test);
    cout << "排序后" << endl;
    for (int i = 0; i < result.size(); i++){
        cout << result[i] << " ";
    }
    cout << endl;
    system("pause");
}

简单的来说，代码就是用两个for嵌套循环遍历数列，然后两两比较，交换顺序。所以很明显，时间复杂度为O(n^2)。

Python进阶学习——机器学习入门路线

一、引言

套用一下大神们对机器学习的定义，机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身。简单一点说，就是计算机从数据中学习出规律和模式，以应用在新数据上做预测的任务。近年来互联网数据大爆炸，数据的丰富度和覆盖面远远超出人工可以观察和总结的范畴，而机器学习的算法能指引计算机在海量数据中，挖掘出有用的价值，也使得无数学习者为之着迷。

二、解决的问题

1. 分类问题（有限个类别）

   • 垃圾邮件分类
   • 文本情感分类
   • 图像内容识别

2. 回归问题

   • 电影票房预测
   • 房价预测

3. 聚类问题（相近\相关的样本抱团）

   • 用户群体划分
   • 电影划分

   实际应用

4. 计算机视觉

   • 人脸识别、车牌识别、扫描文字

5. 自然语言处理

   • 搜索引擎匹配、文本理解、文本情绪判断

6. 社会网络分析

   • 用户画像、欺诈作弊发现、热点发现

7. 产品推荐

   • 音乐的”歌曲推荐“、某宝/某东的“商品推荐”

使用 TensorFlow 的基本步骤

学习目标：

• 学习基本的 TensorFlow 概念
• 在 TensorFlow 中使用 LinearRegressor 类并基于单个输入特征预测各城市街区的房屋价值中位数
• 使用均方根误差 (RMSE) 评估模型预测的准确率
• 通过调整模型的超参数提高模型准确率

数据基于_加利福尼亚州 1990 年的人口普查数据_。

1. 设置