讲解目前更流行的界面控件Fragment的编程方法，利用它可以实现灵活、动态的界面设计。该节从Fragment的生命周期的讲解入手，通过两个案例介绍了如何实现Fragment的静态加载和动态加载，尤其是动态加载（例4-12），实现了多页面、多区域间的界面互动，给用户带来了更丰富的操作体验。【例4-12】使用Fragment实现分页显示功能。程序运行效果如图4.18所示，包含“列表”页和“列表项内容”页，并通过下方的TAB栏上的“列表”“列表项内容”按钮进行切换。在如图4.18(a)所示“列表”页中选择ListView控件中某个子项后，在如图4.18(b)所示“列表项内容”页面显示该子项的内容。■

数据库系统管理维护阶段需要通过日志对数据库的性能进行监督、分析和改进。日志是数据库系统的重要组成部分，记录了数据库的运行状态、数据的变更历史、错误信息及用户操作等信息。在日常管理中，数据库管理员可通过日志监控数据库的运行状态、优化数据库性能。在数据库出现问题时，可通过日志查询出错原因，并进行数据恢复。MySQL中有几种不同类型的日志，包括二进制日志、错误日志、通用查询日志、慢查询日志、中继日志等，功能如下。(1)

解决复杂问题不可能通过一个SQL语句完成，我们需要执行多个SQL操作。流程控制语句的作用就是控制存储过程或存储函数中SQL语句的执行顺序，是我们完成复杂操作必不可少的一部分。流程控制语句是指可以控制程序运行顺序的语句，程序运行顺序主要包括顺序结构、分支结构和循环结构。MySQL中流程控制语句有IF语句、CASE语句、LOOP语句、LEAVE语句、ITERATE语句、REPEAT语句和WHILE语句等。01判断语句判断语句用来进行条件判断，根据是否满足条件(可包含多个条件)，来执行不同的语句。判断语句构成分支结构。MySQL中常用的判断语句有IF和CASE两种。1.

Bootstrap是Twitter开发的一套Web前端框架，Bootstrap可以简单地理解为：对CSS的再次封装，因此在大多数情况下，对Bootstrap的应用就是对该框架的相关调用。本系列所有Bootstrap代码基于Bootstrap

在实际应用中，多表查询应用相对较多，根据多表之间的相关列，可以从多个表中检索出所需数据。在实际应用中，单表查询应用范围相对较少，因为用户需要的数据往往存储在多个不同的表中，这时需要进行多表查询。多表查询是通过多表之间的相关列，从多个表中检索出所需数据。一个数据库中的多个表之间一般存在着某种内在联系或是相关属性，用户通过连接运算就可以把多张表连接成一张表，这样又回到了之前的简单查询，从而查询的范围可以扩展到多表。多表查询的基本语法格式如下所示。语法说明如下。JOIN_TYPE是连接运算符，用于指定连接类型，包括内连接(INNER

Bootstrap是Twitter开发的一套Web前端框架，Bootstrap可以简单地理解为：对CSS的再次封装，因此在大多数情况下，对Bootstrap的应用就是对该框架的相关调用。本系列所有Bootstrap代码基于Bootstrap

Bootstrap是Twitter开发的一套Web前端框架，Bootstrap可以简单地理解为：对CSS的再次封装，因此在大多数情况下，对Bootstrap的应用就是对该框架的相关调用。本系列所有Bootstrap代码基于Bootstrap

cstname)；将属性title、ctgcode和ctgname从原关系模式中取出，再复制它们所依赖的主属性bookid作为新关系模式的主键，构成新关系模式Books(bookid,

MainActivity.java文件中。在上面这段代码中，MyRenderer类即是一个自定义的OpenGL渲染器，所有的绘制工作均在此类中实现。MyRenderer类的主要代码如下：public

System.loadLibrary("opencv_java3");}表示加载OpenCV库。默认情况下，在Android中使用OpenCV需要导入相关的库文件，具体操作步骤如下。

本系列推文主要介绍了使用Python代码和python-docx库开发Word的案例。在日常工作中，微软的Word软件毫无疑问是编辑单个图文文件的不二选择，但是如果需要批量创建和修改多个相似的Word文件，使用Python代码和python-docx库将成倍提高工作效率。python-docx库是在Python代码中创建和编辑Microsoft

本系列推文主要介绍了使用Python代码和python-docx库开发Word的案例。在日常工作中，微软的Word软件毫无疑问是编辑单个图文文件的不二选择，但是如果需要批量创建和修改多个相似的Word文件，使用Python代码和python-docx库将成倍提高工作效率。python-docx库是在Python代码中创建和编辑Microsoft

本案例介绍如何基于Feign实现文件传送。整个应用分为3个微服务项目，分别是Eureka服务器(或称为注册中心)项目mweathereurekaserver、文件接收者项目feignserver、文件传送者项目feignclient。1实现Eureka服务器项目mweathereurekaserver1●新建项目并添加依赖新建Eureka服务器项目mweathereurekaserver，确保在文件pom.xml的和之间添加了Eureka

关注【清华计算机学堂】公众号，获取更多图书项目案例！实例讲解游戏策划与开发方法点击文字阅读精彩样章玩家的游戏心理1.

一款成功的游戏引擎能够让游戏开发事半功倍，对游戏作品的整体质量有着不可估量的影响。对于玩家来说，游戏引擎能够带来的最直观的感受就是游戏的画面和细节表现。例如，从光影声效到场景细节，从画面感触到各种细腻体验，再到人物表情的捕捉以及花草树木的美感等。本文介绍世界知名游戏引擎及使用该引擎制作的知名游戏。1Cry

测试游戏中的AI。站在玩家的角度不断测试和体验AI设计。说明本系列文章为作者授权的原创文章，转载请联系公众号后台申请授权，并注明出处。实例讲解游戏策划与开发方法精彩回顾玩家的游戏心理1.

游戏设计文档主要是将游戏设计人员的创意和构思用文档的形式表达出来，用于表述游戏的内容、规则、实现机制、开发技术以及游戏的各个子系统的实现等内容。详细而流畅地编写文档是游戏策划与开发工作的一项基础技能。本文将分析并介绍游戏设计文档的写作格式与要求。1文档结构目录是查阅设计文档的最佳手段，可以快速定位信息的位置。为设计文档生成一个详尽、便于使用的目录是非常重要的。目录必须包含章、节、小节，甚至还有小节的进一步分节。游戏设计文档要使用粗体字标题以方便查阅。除了提供简单的目录，还可以通过添加标签和链接的方式区分每个部分。游戏设计文档的结构主要包括以下内容。1

数值计算的输出数据是为游戏的数据库服务的，是游戏内部数据组织最重要的一个环节。当然，数值计算的结果并不是一步到位的，这些数据无法保证不做调整即可在游戏中达到完美平衡。本文将分析并介绍SOLO经验值系统的数值设计方法。下面以《魔兽世界》为例对游戏经验值系统进行分析。1怪物经验值SOLO（单挑）经验值(1)

游戏必须得到玩家的认可才能有市场，只有正确地把握了玩家的心理，才能设计出一款玩家喜欢的游戏。本文详细介绍游戏心理学效应，探讨如何将其有效应用于游戏之中。心理学是一门研究人类心理现象及其影响下的精神功能和行为活动的科学，而游戏策划的实质为规划玩家的游戏行为，以使玩家获得的相应体验。下面介绍几个经典的游戏心理学效应的延伸应用，探讨如何将心理学有效地应用于游戏之中。1狄德罗配套效应18世纪法国哲学家丹尼斯·狄德罗的朋友送给他一件质地精良、做工考究的睡袍，狄德罗非常喜欢，当他穿着华贵的睡袍在书房里走来走去时，总觉得家具不是破旧不堪，就是风格不对。于是，为了与睡袍配套，将旧的东西先后更新，书房终于配上了睡袍的档次，可他却觉得很不舒服，因为自己居然被一件睡袍“胁迫”了。二百年后，哈佛大学经济学家朱丽叶·施罗尔提出了“狄德罗配套效应”，专指人们在拥有了一件新的物品后会不断配置与其相适应的物品，以达到心理平衡的现象。狄德罗配套效应给人们一种启示：

关注【清华计算机学堂】公众号，获取更多图书项目案例！实例讲解PyTorch深度学习实战点击文字即可阅读文章深度学习简介1.

游戏必须得到玩家的认可才能有市场，只有正确地把握了玩家的心理，才能设计出一款玩家喜欢的游戏。本文在分析游戏玩家的心理需求的基础上讲解玩家心理引导。游戏行业的各种服务不断完善并朝着多元化发展，符合玩家心理的游戏才能拥有较高的玩家忠诚度，才能有好的市场表现。所以只有正确地把握了玩家的心理，才能设计出玩家喜欢的游戏，这是游戏设计最基本的依据。玩家是一个复杂的群体，每个玩家的兴趣爱好、审美观、世界观都不相同，彻底地分析玩家究竟有哪些喜好是非常困难的。但是从游戏的角度看，玩家存在一些共同的基本心理，在游戏中，很多行为表现明显地反映了他们的心理需求。分析玩家的目的有两个:

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文为实战篇，介绍基于RNN的文本分类，扫描文中的二维码可观看视频讲解（限免3天）。本文将构建和训练基本的字符级RNN（递归神经网络）来对单词进行分类。展示如何“从头开始”进行NLP（自然语言处理）建模的预处理数据，尤其是不使用众多NLP工具库提供的许多便利功能，因此读者可以从系统层面角度了解NLP建模的预处理工作。字符级RNN将单词作为一系列字符读取，之后在每个步骤输出一个预测结果和“Hidden

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文为实战篇，介绍图像风格迁移，扫描文中的二维码可观看视频讲解（限免3天）。1图像风格迁移VGG模型是由Simonyan等人于2014年提出的图像分类模型，这一模型采用了简单粗暴的堆砌3×3卷积层的方式构建模型，并花费了大量的时间逐层训练，最终斩获了2014年ImageNet图像分类比赛的亚军。这一模型的优点是结构简单，容易理解，便于利用到其他任务当中。VGG-19网络的卷积部分由5个卷积块构成，每个卷积块中有多个卷积（convolution）层，结尾处有一个池化（pooling）层，如图10.1所示。■

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文为实战篇，介绍搭建卷积神经网络进行图像分类，扫描文中的二维码可观看视频实操讲解（限免3天）。1实验数据准备本章中准备使用MIT67数据集，这是一个标准的室内场景检测数据集，一共有67个室内场景，每类包括80张训练图片和20张测试图片，读者可以登录http://web.mit.edu/torralba/www/indoor.html，在如图9.1所示的页面中，下载得到这个数据集。■

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍PyTorch环境搭建，扫描文中的二维码可观看视频讲解（限免3天）。1Linux平台下PyTorch环境搭建下面以Ubuntu

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍深度学习框架中PyTorch部分。1PyTorch简介2017年1月，Facebook人工智能研究院（FAIR）团队在GitHub上开源了PyTorch，并迅速占领GitHub热度榜榜首。作为具有先进设计理念的框架，PyTorch的历史可追溯到Torch。Torch于2002年诞生于纽约大学，它使用了一种受众面比较小的语言Lua作为接口。Lua具有简洁高效的特点，但由于其过于小众，导致很多人听说要掌握Torch必须新学一门语言而望而却步。考虑到Python在计算科学领域的领先地位，以及其生态的完整性和接口的易用性，几乎任何框架都不可避免地要提供Python接口。因此，Torch的幕后团队推出了PyTorch。PyTorch不是简单地封装Lua，Torch提供Python接口，而是对Tensor之上的所有模块进行了重构，并新增了最先进的自动求导系统，成为当下最流行的动态图框架。PyTorch一经推出就立刻引起了广泛关注，并迅速在研究领域流行起来。PyTorch自发布起关注度就在不断上升，截至2017年10月18日，PyTorch的热度已然超越了其他三个框架（Caffe、MXNet和Theano），并且其热度还在持续上升中。2PyTorch的特点PyTorch可以看作是加入了GPU支持的Numpy。而TensorFlow与Caffe都是命令式的编程语言，而且它们是静态的，即首先必须构建一个神经网络，然后一次又一次使用同样的结构；如果想要改变网络的结构，就必须从头开始。但是PyTorch通过一种反向自动求导的技术，可以让用户零延迟地任意改变神经网络的行为，尽管这项技术不是PyTorch所独有，但到目前为止它的实现是最快的，这也是PyTorch对比TensorFlow最大的优势。PyTorch的设计思路是线性、直观且易于使用的，当用户执行一行代码时，它会忠实地执行，所以当用户的代码出现缺陷（bug）的时候，可以通过这些信息轻松快捷地找到出错的代码，不会让用户在调试（Debug）的时候因为错误的指向或者异步和不透明的引擎浪费太多的时间。PyTorch的代码相对于TensorFlow而言，更加简洁直观，同时对于TensorFlow高度工业化的很难看懂的底层代码，PyTorch的源代码就要友好得多，更容易看懂。深入API，理解PyTorch底层肯定是一件令人高兴的事。3PyTorch概述由于在后文中还会详细介绍PyTorch的特点，在此处就不详细介绍了。PyTorch最大的优势是建立的神经网络是动态的，可以非常容易地输出每一步的调试结果，相比于其他框架来说，调试起来十分方便。如图2.10和图2.11所示，PyTorch的图是随着代码的运行逐步建立起来的，也就是说，使用者并不需要在一开始就定义好全部的网络结构，而是可以随着编码的进行来一点儿一点儿地调试，相比于TensorFlow和Caffe的静态图而言，这种设计显得更加贴近一般人的编码习惯。■

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍深度学习领域中强化学习部分。1什么是强化学习强化学习是机器学习的一个重要分支，它与非监督学习、监督学习并列为机器学习的三类主要学习方法，三者之间的关系如图1.7所示。强化学习强调如何基于环境行动，以取得最大化的预期利益，所以强化学习可以被理解为决策问题。它是多学科、多领域交叉的产物，其灵感来自心理学的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。强化学习的应用范围非常广泛，各领域对它的研究重点各有不同，在本书中，不对这些分支展开讨论，而专注于强化学习的通用概念。■

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍深度学习领域中自然语言处理部分。自然语言区别于计算机所使用的机器语言和程序语言，是指人类用于日常交流的语言。而自然语言处理的目的是要让计算机来理解和处理人类的语言。让计算机来理解和处理人类的语言也不是一件容易的事情，因为语言对于感知的抽象很多时候并不是直观的、完整的。我们的视觉感知到一个物体，就是实实在在地接收到了代表这个物体的所有像素。但是，自然语言的一个句子背后往往包含着不直接表述出来的常识和逻辑，这使得计算机在试图处理自然语言的时候不能从字面上获取所有的信息。因此自然语言处理的难度更大，它的发展与应用相比于计算机视觉也往往呈现出滞后的情况。深度学习在自然语言处理上的应用也是如此。为了将深度学习引入这个领域，研究者尝试了许多方法来表示和处理自然语言的表层信息（如词向量、更高层次、带上下文信息的特征表示等），也尝试过许多方法来结合常识与直接感知（如知识图谱、多模态信息等）。这些研究都富有成果，其中的许多都已应用于现实中，甚至用于社会管理、商业、军事的目的。1自然语言处理的基本问题自然语言处理主要研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，其主要任务如下。（1）

深度学习领域技术的飞速发展，给人们的生活带来了很大改变。例如，智能语音助手能够与人类无障碍地沟通，甚至在视频通话时可以提供实时翻译；将手机摄像头聚焦在某个物体上，该物体的相关信息就会被迅速地反馈给使用者；在购物网站上浏览商品时，机器也在同时分析着用户的偏好，并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事，现在机器也能毫无差错地完成，甚至超越人类，这显然与深度学习的发展密不可分，技术正引领人类社会走向崭新的世界。PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本系列推文以深度学习为主题，覆盖基础篇到实战篇的知识点。本文主要介绍深度学习领域中计算机视觉部分。1计算机视觉-定义计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。计算机视觉是一门关于如何运用照相机和计算机获取人们所需的、被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。2基本任务计算机视觉的基本任务包括图像处理、模式识别或图像识别、景物分析、图像理解等。除了图像处理和模式识别之外，它还包括空间形状的描述、几何建模以及认识过程。实现图像理解是计算机视觉的终极目标。下面举例说明图像处理、模式识别和图像理解。图像处理技术可以把输入图像转换成具有所希望特性的另一幅图像。例如，可通过处理使输出图像有较高的信噪比，或通过增强处理突出图像的细节，以便于操作员的检验。在计算机视觉研究中经常利用图像处理技术进行预处理和特征抽取。模式识别技术根据从图像抽取的统计特性或结构信息，把图像分成预定的类别。例如，文字识别或指纹识别。在计算机视觉中，模式识别技术经常用于对图像中的某些部分(例如分割区域)的识别和分类。图像理解技术是对图像内容信息的理解。给定一幅图像，图像理解程序不仅描述图像本身，而且描述和解释图像所代表的景物，以便对图像代表的内容做出决定。在人工智能研究的初期经常使用景物分析这个术语，以强调二维图像与三维景物之间的区别。图像理解除了需要复杂的图像处理以外，还需要具有关于景物成像的物理规律的知识以及与景物内容有关的知识。3现代深度学习计算机视觉里经常使用的卷积神经网络，即CNN，是一种对人脑比较精准的模拟。人脑在识别图片的过程中，并不是对整幅图同时进行识别，而是感知图片中的局部特征，之后再将局部特征综合起来得到整幅图的全局信息。卷积神经网络模拟了这一过程，其卷积层通常是堆叠的，低层的卷积层可以提取到图片的局部特征，例如角、边缘、线条等，高层的卷积层能够从低层的卷积层中学到更复杂的特征，从而实现对图片的分类和识别。卷积就是两个函数之间的相互关系。在计算机视觉里面，可以把卷积当作一个抽象的过程，就是把小区域内的信息统计抽象出来。例如，对于一张爱因斯坦的照片，可以学习n个不同的卷积和函数，然后对这个区域进行统计。可以用不同的方法统计，比如可以着重统计中央，也可以着重统计周围，这就导致统计的函数的种类多种多样，以达到可以同时学习多个统计的累积和。图1.3演示了如何从输入图像得到最后的卷积，生成相应的图。首先用学习好的卷积和对图像进行扫描，然后每个卷积和会生成一个扫描的响应图，称为响应图或者称为特征图(feature

Boot+Node.js项目实战》ISBN：9787302550792作者：吴胜定价：59.9元阅读本书后，你将

本案例实现插件。1插件开发简介1●插件简介插件是对一组JavaScript接口、自定义组件或页面的封装，可嵌入小程序中使用。插件不能独立运行，必须嵌入在其他小程序中才能被用户使用；而第三方小程序在使用插件时，也无法看到插件的代码。因此，插件适合用来封装自己的功能或服务，提供给第三方小程序进行展示和使用。插件开发者可以像开发小程序一样编写一个插件并上传代码，在插件发布之后，其他小程序方可调用。小程序平台会托管插件代码，其他小程序调用时，上传的插件代码会随小程序一起下载运行。相对于普通JavaScript文件或自定义组件，插件拥有更强的独立性，拥有独立的

图C-8单击图C-5中的“调用CityController”按钮后跳转到的界面单击图C-8中的“添加城市”按钮，跳转到如图C-9所示的界面(与operation.wxml文件对应)。■

本文结合一个案例说明云开发的开发步骤，并介绍云开发相关知识的应用。1准备工作1●通过云开发控制台增加集合city和记录、上传文件通过云开发控制台新建集合city、添加一条记录，结果如图13-1所示。通过云开发控制台将集合的权限设置为“所有用户可读，仅创建者可读写”，结果如图12-8所示。■

图12-7新建集合users、添加3条记录的结果2●通过云开发控制台设置两个集合权限通过云开发控制台将集合的权限设置为“所有用户可读，仅创建者可读写”，结果如图12-8所示。■

图12-5单击图12-3中“获取所有user信息”按钮后模拟器中的输出结果对比图12-1和图12-4，或者图12-2和图12-5，可以发现微信小程序前端成功获取了Spring

创建一个可以猜数字的游戏，它会在1~100以内随机选择一个数，然后让玩家挑战在10轮以内猜出这个数字，每一轮都要告诉玩家正确或者错误，如果出错了，则告诉他数字是低还是高了，并且还要告诉玩家之前猜的数字是什么。一旦玩家猜测正确，或者玩家用完了回合游戏将会结束。游戏结束后，可以让玩家选择重新开始。运行效果如图1-23所示。■

Scala编程初级实践01实验目的（1）掌握Scala语言的基本语法、数据结构和控制结构；（2）掌握面向对象编程的基础知识，能够编写自定义类和特质；（3）掌握函数式编程的基础知识，能够熟练定义匿名函数。熟悉Scala的容器类库的基本层次结构，熟练使用常用的容器类进行数据；（4）熟练掌握Scala的REPL运行模式和编译运行方法。02实验平台操作系统：Linux（推荐Ubuntu18.04.5）。JDK版本：1.8或以上版本。Scala版本：2.12.12。03实验内容和要求1）

编写独立应用程序实现超时订单和成功订单的打印某一个电商平台数据中心，会不断收到订单信息，包含某些用户与电商平台之间的交互信息，包括用户ID、订单ID、订单状态、订单金额。数据格式如下所示：1

API编程实践数据分析实战│客户价值分析数据分析实战│价格预测挑战数据分析实战│时间序列预测数据分析实战│KaggleTitanic生存预测Qt

编写独立应用程序实现求两点之间的距离给定两个坐标点的集合，返回他们之间任意两点的欧几里德距离。输入数据如下From：（（2,

随着信息时代的到来，信息过载导致企业难以捕捉用户喜好，因此如何根据用户行为数据对用户进行分类并针对性服务是很重要的。在海量数据中，最重要是如何有效地合理分类不同用户，区分不同的客户群体并针对不同客户制定个性化服务方案以实现利润最大化。01问题描述及数据挖掘目标本案例将提供一万五千份航空乘客的航班记录数据，分析目标是根据数据进行人员分类并探索数据的潜在价值，并且对不同用户提供个性化服务。因为我们需要从数据中找到相似的的用户群体，所以运用聚类算法能够有效建模该类问题。相比于上一个案例，本案例不提供一个具体优化的目标，需要分析数据来发掘数据的潜藏价值。02数据导入和预处理首先导入数据处理阶段使用的库函数，numpy和pandas用于数据处理；matplotlib和seaborn用于可视化操作：1）

文本分析是指对文本信息的表示及特征项的选取，商品文本的描述能够反映特定立场、观点、价值和利益。考虑到网上海量的商品数量，对产品的定价难度很大，因此可以使用商品描述帮助商户定价。比如，服装具有较强的季节性价格趋势，受品牌影响很大，而电子产品则根据产品规格波动。因此，根据商品提供的文本信息进行合理地定价，能够有效地帮助商家进行商品的销售。01问题描述及数据挖掘目标本案例给出物品的商品描述、商品类别和品牌等信息，并结合之前的商品价格来给新商品定价格。02数据导入和预处理导入数据处理阶段使用的库函数，numpy和pandas用于数据处理使用pandas库的read_csv函数导入数据，示例代码中的csv路径和本地csv路径保持一致。1）

时间序列预测问题是一类常见的数据分析问题。数据中往往包含时间标签，这类问题往往根据过去一段时间的数据，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并对未来的数据进行预测。01问题描述及数据挖掘目标本案例给出二战时期的某气象站温度记录值，通过分析之前的天气状况来预测将来天气情况。与回归分析模型进行预测不同，时间序列模型依赖于事件发生的先后顺序预测接下来的输出模型的结果，改变输入值的先后顺序对模型产生不同的结果。相较于前两个案例，该案例探索时间序列数据的分析方式。02数据导入和预处理导入数据处理阶段使用的库函数，numpy和pandas用于数据处理；matplotlib和seaborn用于可视化操作：使用pandas库的read_csv函数导入数据，示例代码中的csv路径和本地csv路径保持一致。由于数据集已经经过数据清洗，数据预处理过程简单。我们可以直接观察数据的信息：观察可知，数据由3个特征构成，其中STA表示气象台站号，Date表示气象台测量温度的日期和MeanTemp表示测量的平均温度值。由于STA表示不同地区气象站，因此我们随机挑选MAISON

Kaggle是一个数据建模和数据分析竞赛平台，企业和研究者可在其上发布数据，供统计学者和数据挖掘专家进行分析并构建模型。本案例是Kaggle的入门基础题，通过这个例子并结合之前的分析流程，详细介绍每个流程的具体步骤。01问题描述及数据挖掘目标描述如下：泰坦尼克号在与冰山相撞后沉没，2224多名机组人员和乘客中有1502人死亡。造成海难的原因之一是机组人员和乘客没有足够的救生艇。尽管在这样的灾难面前存活是有运气因素，但是有些人比其他人更容易生存，例如妇女，儿童和上流社会的人。在这个案例中，我们需要探索哪些因素会提高生存概率，并使用这些因素构建模型来预测一个人是否能够存活。我们可以将问题建模成一个二分类问题来解决。02数据导入和预处理导入数据处理阶段使用的库函数，numpy和pandas用于数据处理；matplotlib和seaborn用于可视化操作：1）

本节将实现一个能进行实数间加、减、乘、除运算的简易计算器。首先创建一个基于QWidget带界面的Qt项目3-13，然后按照如下步骤进行操作：01计算器界面设计在界面中拖入两个单行文本框和十七个按钮，按钮上显示的文字、按钮对象和单行文本框对象名如图3-32所示。为了美观起见，设置窗口为“栅格布局”以对齐部件（操作参考3.6.2节）。将窗口对象的“windowTitle”属性设置为“计算器”；勾选掉第一个单行文本框（lineEdit_Show对象）的“enable”属性，使得该单行文本框变为灰色（该文本框仅用于显示结果）；勾选上第二个单行文本框（lineEdit_Input对象）的“readOnly”属性（限制用户不能直接在文本框中通过键盘输入内容）、将其的“alignment”水平属性设置为“ALignRight”。■

writing模块并点击链接，打开页面中的第一个就是关于此枚举类的细节。继续往下可以看到imread函数的原型及相关的说明链接；点击函数原型中的“Mat”超链接，可打开Mat类的帮助文档。★

模型的模糊推理（附源码）Python自然语言处理｜语料清洗（附视频）Python编程｜实现基于字典的通讯录CCF

介绍一些典型的页面转换算法，进行算法评价。在进程运行过程中，若其所要访问的页面不在内存，则需要将它调入内存。当内存没有空闲空间时，必须从内存空间中调出一页。这就产生了在诸页面中淘汰哪个页面的问题。调出页面的原则必须根据一定的算法进行，该算法称为页面置换算法，也叫页面淘汰算法。置换算法的好坏直接影响系统的性能。下面介绍几种常用的页面置换算法。01先进先出页面置换算法采用该算法，当需要置换一个页面时，总是置换最先进入内存的那个页面。先进先出算法是一种最简单的置换算法，实现时只需将调入内存的页面按先后顺序排成一个队列。当需要置换一个页面时，总是将年龄最大的那个页面淘汰出内存。假设某进程的最大页面数为3，页面走向为7，0，1，2，0，3，0，4，2，3，0，3，2，1，2，0，1，7，0，1，如图433所示。其页面失效的次数为15，页面失效率为3/4。先进先出（First

介绍页式存储管理的思想、方法以及重定位算法。01页式存储管理的思想采用“紧凑”技术把碎片连接成一个大的空闲区能够满足作业对连续内存空间的要求，这样就可以解决按区分配中存在的碎片问题。但这是以花费CPU的时间为代价换来的。这种办法只有在分配区的数目不太多，而且分配不太频繁的情况下采用才较为合适，那么如何寻找解决碎片问题的新途径呢？为此，很容易想到让程序不连续存放，例如，有一个作业要求运行，其程序的地址空间是3KB，而主存当前只有两个各为1KB和2KB的空闲区，显然各空闲区的长度都分别小于该程序的逻辑空间大小，而各空闲分区的总和与程序逻辑空间大小相同，这样考虑将程序分开存放，放在不相邻的两个区域中，这正是分页的思想。在分页存储管理中，主存被分成一些大小相等的物理块，程序的地址空间被分成一些逻辑页面，逻辑页与物理块大小相同。为程序分配内存空间时，程序和数据以页为单位分配内存块，将一个逻辑页存放在一个物理块中。为了便于实现动态地址变换，通常物理块的大小为2n个扇区，如1KB、2KB、4KB等。02页式存储管理的数据结构1.

最具有代表性的避免死锁的算法是Dijkstra的银行家算法，由于该算法可能用于银行现金贷款而得名。一个银行家把他的固定资金贷给若干顾客，只要不出现一个顾客借走所有资金后还不够，银行家的资金应是安全的。银行家需要一个算法保证借出去的资金在有限时间内可以收回。假定顾客分成若干次进行贷款，并在第一次贷款时说明他的最大借款额。具体算法如下：（1）