赵扶风subgrade框架学习日记：开发环境搭建及其初步使用

已于 2022-03-23 13:05:16 修改
阅读量1.1k 收藏
点赞数
分类专栏： 工作问题备忘录 学习心得 文章标签： java
于 2022-03-09 14:18:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41188880/article/details/123206155
版权

零、下载并安装Java

1. 下载安装包

2. 安装Java

安装流程 ：

  • 打开JDK的exe安装程序（JDK是Java的开发工具包）

在这里插入图片描述

  • 选择安装目录
    在这里插入图片描述

  • 安装JRE：这一步直接关闭窗口就行，不用安装，JDK自带JRE。如果需要安装，选择安装目录后点击下一步就行。
    在这里插入图片描述

3. 配置环境变量

  • 新建系统变量JAVA_HOME，变量值设置为JAVA的安装目录
    在这里插入图片描述

  • 新建系统变量CLASSPATH，变量值为.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;
    在这里插入图片描述

  • 在PATH路径里添加%JAVA_HOME%\bin和%JAVA_HOME%\jre\bin
    在这里插入图片描述

4. 验证安装

  • 在终端里输入命令java -version，如果结果像下图一样，则安装成功。
    在这里插入图片描述

5. Java 8官方教程

点击跳转到Java 8官方教程

一、下载并安装Git

1. 下载git

2. 安装git

  • 选择安装目录
    在这里插入图片描述

  • 选择配置
    在这里插入图片描述

  • 是否添加Git到开始菜单中。我这里直接默认下一步，如果不想添加的话，可以勾选下边的选择框。
    在这里插入图片描述

  • 选择git的文本编辑工具。这里我强烈安利一波VS Code，比vim好用多了。VS Code需要额外下载（下载地址：https://code.visualstudio.com/Download）。
    在这里插入图片描述

  • 设置主分支名称。以前git的主分支的英文名叫master，这个词在英文中是一个多义词，作名词时有奴隶主、大师、船长、硕士等含义。受“Black Lives Matter”运动影响，git提供了修改主分支英文名的功能。由于项目历史原因，这里依然延续使用master作为主分支的英文名。
    在这里插入图片描述

  • 允许第三方软件调用git
    在这里插入图片描述

  • 是否使用捆绑的openssh。这里我直接用的git自带的openssh，如果想要用自己的openssh请选择第二项并进行配置。
    在这里插入图片描述

  • 配置SSL证书库。git默认的证书库是一个crt文件，这里我直接选择用默认的。如果想使用Windows系统的证书库请选择第二项。
    在这里插入图片描述

  • 设置换行符，这里我直接用默认的。
    在这里插入图片描述

  • 配置虚拟终端，使用默认的即可。
    在这里插入图片描述

  • 设置默认代码拉取方式，建议使用第二种，当然具体问题要具体分析，使用rebase还是merge合并不能一概而论。git命令相关的学习资料会在本章末尾给出。
    在这里插入图片描述

  • 配置GCM（git凭据管理），默认启用即可。GCM具体用处请参看官网解说。
    在这里插入图片描述

  • 配置系统文件缓存和符号链接。建议只启用系统文件缓存，符号链接的启用需要一些特殊条件。启用系统文件缓存，git文件会占用内存以提升文件处理速度。如果机子内存不够，那就不建议开启了。
    在这里插入图片描述

  • 配置实验特性。顾名思义，实验特性，这些功能可能会出现bug，所以我就没启用。
    在这里插入图片描述

  • 点击install即可进行安装。

3. 验证安装

  • 选中运行git
    在这里插入图片描述

  • 在Git命令行中输入git --version，如果和下图一样，就是安装成功了。
    在这里插入图片描述

  • (o゜▽゜)o☆[BINGO!]

  • git终于安装完毕了，git安装步骤真跟老太太的裹脚布一样，又臭又长 ╮(╯▽╰)╭

4. Git命令学习

  • 最好的学习方式就是看git官方文档。
  • 开源中国的教程也不错。
  • 菜鸟教程的git教程比较适合新手，但是git知识点不全。

5. 远程Git仓库使用（以GitLab为例）

  • 我搭建了一个GitLab代码仓库，大家可以在这里实践git远程仓库相关的知识点。但请勿往本仓库中上传工作相关的代码，该GitLab所在的服务器为我个人所有，非公司服务器。相比Gitee和GitHub，我搭建的GitLab服务无项目容量限制和单文件大小限制 。
  • 为保证服务器存储空间（我只给GitLab服务器分配了50G空间），注册时请实名，我将不定期清理非实名用户。
  • GitLab地址：http://gitlab.jiermt.cn:8099
  • GitLab使用手册：http://gitlab.jiermt.cn:8099/help
  • GitLab添加SSH可以参考我这篇博客：GitLab添加SSH公钥
  • GitLab创建Docker镜像仓库（进阶学习，初学可略过）：http://gitlab.jiermt.cn:8099/help/container_registry/README.md

二、下载并安装Maven

1. 下载maven

2. 安装maven

  • 解压Maven安装包，这里我的解压目录为D:\APP\Maven
    在这里插入图片描述

  • 配置环境变量
    在这里插入图片描述

  • 配置PATH路径
    在这里插入图片描述

3. 验证安装

  • 在终端中输入命令mvn -version，如果结果如下图，则安装成功。
    在这里插入图片描述

4. 配置maven个人仓库

  • 新建个人仓库所在的文件夹，这里我文件夹的目录为D:\APP\Maven\apache-maven-3.8.4\MavenRepos
    在这里插入图片描述

  • 打开 conf/settings.xml 配置文件并修改配置信息

1）# 在第50多行
<localRepository>你刚刚新建文件夹的地址</localRepository>   

2）#把默认源换成阿里的    
<mirror>
    <id>aliyunmaven</id>
    <mirrorOf>central</mirrorOf>
    <name>aliyun maven</name>
    <url>https://maven.aliyun.com/repository/public </url>
</mirror>

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5. 快速配置subgrade开发依赖

  • 点击下载我已经配好依赖版本仓库。

  • 将MavenRepos文件夹下所有的文件夹拖到你本地的个人仓库中。
    在这里插入图片描述

  • subgrade框架相关的依赖到此就配置完成了。其实这并不是最好的配置方式。最好的配置方式是从gitee上把源码git clone下来，rebase到依赖的版本，然后用mvn install:install命令进行安装。

  • PS：其实如果公司能有一个Maven公共仓库是最好了，这样只需要配置Maven源即可。

6. Maven学习

三、下载并安装Tomcat

1. 下载Tomcat

  • Tomcat目前有8、9、10三个版本比较流行，个人觉得网上9版本的论坛博客信息更多一些，因此安装时选用Tomcat 9。
  • Tomcat官网：点击下载

2. 安装Tomcat

  • 解压一下，Tomcat就安装完了。
    在这里插入图片描述

3. 验证安装

  • 打开Tomcat的bin目录，双击startup.bat，Tomcat就开始运行了。
    在这里插入图片描述

  • 浏览器访问localhost:8080，如果出现下面的画面，就意味着Tomcat正常运行了。
    在这里插入图片描述

4. Tomcat基础学习

5. 内网环境Tomcat配置HTTPS（进阶学习）

四、下载并安装IDEA

1. 下载并安装IDEA

  • 如何搞到能用的IDEA就请各位八仙过海各显神通了。如果有需要可以看看别人的方法，这里我不过多介绍，毕竟是违法的东西。

五、下载并安装NodeJS

1. 下载nodejs

2. 安装nodejs

  • 选择安装地址
    在这里插入图片描述
  • 剩下两部一直点击next即可。

3. 验证安装

  • 在命令行中输入node -v，如果结果如下图所示，则安装成功。
    在这里插入图片描述

4. 更换npm源并安装yarn

# 更换淘宝源
npm config set registry https://registry.npm.taobao.org

# 验证源是否更换成功
npm config get registry 

# 安装yarn
npm install -g yarn

# 验证安装
yarn --version

# 更换淘宝源
yarn config set registry https://registry.npm.taobao.org -g
yarn config set sass_binary_site http://cdn.npm.taobao.org/dist/node-sass -g

5. Linux安装nodejs（感兴趣的可以看一下）

可以参考我的另一篇博客：《工作日记：Ubuntu安装npm、nodejs和yarn》

六、下载并安装MySQL

1. 学习MySQL

2. Docker创建MySQL容器（感兴趣的可以看一下）

七、下载并安装Redis

1. 学习Redis

八、subgrade框架入门学习：新建Demo项目

1. 项目目标

  • 创建一个最简项目。从数据库取出数据后在前端展示。

2. 创建后台微服务

  • 本章节尚未编写完成。

3. 创建web接口服务

  • 本章节尚未编写完成。

4. 创建前端服务

  • 本章节尚未编写完成。

5. 部署各项目到生产环境（以Linux为例）

  • 本章节尚未编写完成。

九、subgrade框架进阶学习

1. subgrade框架最佳后台实践

2. subgrade框架最佳web后台服务实践

3. subgrade框架最佳web前端实践

十、相关知识学习网站推荐

/*
                       .::::.          ***********************
                     .::::::::.        *      THE END        *
                    :::::::::::        ***********************
                ..:::::::::::' 
              '::::::::::::'
                .::::::::::
           '::::::::::::::..
                ..::::::::::::.
              ``::::::::::::::::
               ::::``:::::::::'        .:::.
              ::::'   ':::::'       .::::::::.
            .::::'      ::::     .:::::::'::::.
           .:::'       :::::  .:::::::::' ':::::.
          .::'        :::::.:::::::::'      ':::::.
         .::'         ::::::::::::::'         ``::::.
     ...:::           ::::::::::::'              ``::.
    ````':.          ':::::::::'                  ::::..
                       '.:::::'                    ':'````..
*/
达娃里氏
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
一文速学-XGBoost模型算法原理以及实现+贷款违约预测模型Python项目实战
master_hunter的博客
04-03 8198
集成模型Boosting补完计划第三期了，之前我们已经详细描述了AdaBoost算法模型和GBDT原理以及实践。通过这两类算法就可以明白Boosting算法的核心思想以及基本的运行计算框架，余下几种Boosting算法都是在前者的算法之上改良得到，尤其是以GBDT算法为基础改进衍生出的三种Boosting算法：XGBoost、LightGBM、CatBoost。大家应该都对XGBoost算法模型熟悉但是对GBDT模型一无所知，看过之前GBDT的读者应该对GBDT模型有了一个很清楚的认知，对于理解XGBoos
CatBoost算法模型实现贷款违约预测
master_hunter的博客
10-17 1043
此篇文章为整个Boost(提升方法)集成算法模型的终章，前几篇文章依次结合详细项目案例讲解了共四个常用的集成算法模型，每一篇文章都包含实战项目以及可运行代码。仅通过看一遍文章不去实践是很难掌握集成算法模型的，其中很多思想和优化参数的方法需要长期使用才能掌握，集成学习的方法在全球各大机器学习、数据挖掘竞赛中使用的非常广泛，其概念和思想也是风靡学术界和工业界，所以有此需求的朋友推荐细读实践。之前我们已经详细描述了AdaBoost算法模型和GBDT原理以及实践。
金融风控训练营--Task 06 学习赛：贷款违约预测 学习笔记
dream__me的博客
12-15 162
文章目录前言一、赛题理解1.1 实验环境1.2 理解题目1.3 数据信息1.4 评价指标二、探索性数据分析三、建模调参&模型融合四、学习思考与总结 前言 本学习笔记为阿里云天池龙珠计划金融风控训练营的学习内容，学习链接为： https://tianchi.aliyun.com/specials/activity/promotion/aicampfr 一、赛题理解 1.1 实验环境 1.2 理解题目 比赛要求参赛选手根据给定的数据集，建立模型，预测金融风险。 赛题以预测金融风险为任务，数据来自某信贷
如何准备机器学习数据集_机器学习演练第一部分：准备数据
cumei1658的博客
07-10 6100
如何准备机器学习数据集Cleaning and preparing data is a critical first step in any machine learning project. In this blog post, Dataquest student Daniel Osei’s takes us through examining a dataset, selecting colu...
机器学习算法实践：金融风控-贷款违约预测（9.27日更新）
qq_34639027的博客
09-15 922
机器学习算法实践：金融风控-贷款违约预测数据初识二级目录三级目录 数据初识 1、基本数据、数据含义 id 为贷款清单分配的唯一信用证标识 loanAmnt 贷款金额 term 贷款期限（year） interestRate 贷款利率 installment 分期付款金额 grade 贷款等级 subGrade 贷款等级之子级 employmentTitle 就业职称 employmentLength 就业年限（年） homeOwnership 借款人在登记时提供的房屋所有权状况 annualIncome
基于机器学习与深度学习的金融风控贷款违约预测
上山打老虎的博客
03-23 1万+
1、使用了柱状图，零度矩阵，热度图，皮尔逊系数图等多种方式对数据进行可视化 2、使用了多种方式进行了特征工程。对部分特征采用了数据分箱，并选择部分数据做平均编码后选取一定时间范围进行特征交叉。此外，也根据特征的含义构造了新的特征。 3、根据群体稳定性指标（Population Stability Index，PSI）挑选特征入模，提高训练速度与准确率 4、借助自动学习库，辅助完成模型的挑选 5、尝试了多种模型（XGBoost，LightGBM，Catboost，神经网络，决策树，逻辑回归，SVM）进行预测。
【机器学习】金融风控贷款违约预测--数据分析处理
最新发布
nghhfgh的博客
04-23 1454
以金融风控-贷款违约预测为例，从原始数据到模型输入数据的完整简单处理
「机器学习」天池比赛：金融风控贷款违约预测
热门推荐
积一时之步，臻千里之遥程
03-29 2万+
https://zhuanlan.zhihu.com/p/255105477 https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.18.3b3022faqoVnOw&postId=129318 https://www.jianshu.com/u/63b7115ac4ee https://blog.csdn.net/qq_43401035/category_10383961.html 比赛地址：https://tia
人工智能课程设计毕业设计——基于机器学习的贷款违约预测
weixin_47058355的博客
12-12 3274
另外LightGBM通过使用基于直方图的决策树算法，只保存特征离散化之后的值，代替XGBoost使用exact算法中使用的预排序算法（预排序算法既要保存原始特征的值，也要保存这个值所处的顺序索引），减少了内存的使用，并加速的模型的训练速度。Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器，然后把这些弱分类器集合起来，构成一个更强的最终分类器，Boosting，也称为增强学习或提升法，是一种重要的集成学习技术，能够将预测精度仅比随机猜度略高的弱学习器增强为预测精度高的强学习器。
Dynamics Performance of Subgrade-Tunnel Transition on Chongqing-Suining Ballastless Track (2009年)
06-15
Experiments were conducted on China railway high speed electrical multiple units (EMUs) CRH2 and freight car C80 on Chongqing-Suining high-speed ballastless track. Based on the experimental results, ...
金融风控-贷款违约预测数据
10-16
赛题以预测用户贷款是否违约为任务，数据集报名后可见并可下载，...subGrade 贷款等级之子级 verificationStatus 验证状态 issueDate 贷款发放的月份 purpose 借款人在贷款申请时的贷款用途类别 postCode 借款人
An entropy-based multi-criterion group decision analysis method of selecting the optimum weak-subgrade treatment (2008年)
04-22
Proper treatment of weak subgrade soil is very important to building a highway of good quality. We proposed an entropy-based multi-criterion group decision analysis method for a group of experts to ...
灰色模型结合神经网络预测高速公路路基沉降.pdf
09-26
首先，使用灰色模型对路基沉降的发展趋势进行预测，然后使用神经网络对预测结果进行优化和修正。结果表明，采用这种组合方法可以提高预测的精度和泛化能力，满足高速公路路基沉降预测的需求。 灰色模型的优点是可以...
违约贷款数据集-违约贷款测试集训练集共100万条数据
02-18
包含了违约贷款测试集训练集共100万条数据，id： 贷款清单分配的唯一信用证标识 loanAmnt ：贷款金额 term ：贷款期限（year） interestRate ：贷款利率 installment ：分期付款金额 grade： 贷款等级 subGrade： ...
GitLab添加SSH公钥
达娃里氏的博客
03-10 4874
首先我们要创建密钥和公钥，我的环境是Windows，在终端输入命令：ssh-keygen -t rsa 成功结果： 前往C:\Users\用户名\.ssh查看密钥和公钥，可以看到已经生成。id_rsa是密钥，id_rsa.pub是公钥。 关于SSH的知识点可以参考这篇别人的博客：图解SSH原理 用记事本打开id_rsa.pub，复制里边的全部内容，粘贴到gitlab里。 添加完毕后我们就可以使用git命令远程操作gitlab远程代码仓库啦：） ...
数据库系统原理第一章学习心得
达娃里氏的博客
03-01 1710
数据库系统原理第一章学习心得 ** 2月24日第一节课学习记录：** ㅤㅤ学习数据库，我们首先要弄清楚的就是何为数据？解决了这个问题后，我们才能把数据拓展到“库”这个概念。根据百度百科的定义，数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。数据可以是连续的值，比如声音、图像，称为模拟数据。也可以是离散的，如符号、文字，称为数字数据。在计算机系...
个人的编程学习经验
达娃里氏的博客
04-25 1417
编程学习经验
数据库系统原理第五章学习心得
达娃里氏的博客
04-28 549
第五章学习心得     第五章我学习了数据库的完整性，了解了数据库完整性和安全性的区别，学习了实体完整性、参照完整性和用户自定义完整性，掌握了完整性约束命名子句的方法，掌握了触发器机制和方法。     数据库的完整性和安全性的区别在于，数据库的完整性是防止数据库中存在不符合语义的数据，也就是防止数据库中存在不正确的数据。而数据库的安全性是保护数据库防止恶意的破坏和非法的存取。     实体完整性要...
train4=train1[1:8000,] cor.test(subGrade~.,train4,train4[,c(2:6,8:47)])
05-27
这个代码的意思是将 train1 的前 8000 行数据赋值给 train4，然后对 train4 中的 subGrade 变量和其它所有变量之间的相关性进行 Pearson 相关系数检验。其中，train4[,c(2:6,8:47)] 表示选取 train4 数据框中第 2 列到第 6 列以及第 8 列到第 47 列所有数据。Pearson 相关系数检验用于衡量两个变量之间的线性相关程度，数值范围为 -1 到 1，数值越接近于 1 或 -1，表示两个变量之间的线性相关程度越强。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

达娃里氏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值