java学习 demo1

java语言也没学过 打算边做项目边学,算是自己学习过程的记录吧!
如果想学习的话 不建议看我的博客 都是我自己能看懂的随笔。
1.先了解mybatis
MyBatis和Hibernate一样,是一个优秀的持久层框架。已经说过很多次了,原生的jdbc操作存在大量的重复性代码(如注册驱动,创建连接,创建statement,结果集检测等)。框架的作用就是把这些繁琐的代码封装,这样可以让程序员专注于sql语句本身。

MyBatis通过XML或者注解的方式将要执行的sql语句配置起来,并通过java对象和sql语句映射成最终执行的sql语句。最终由MyBatis框架执行sql,并将结果映射成java对象并返回。

(1)在我把相应的mybatis包引入的时候报错
在这里插入图片描述
然后去网上搜索,https://blog.csdn.net/LJH_laura_li/article/details/104850229这个不行,因为检查了我的settings.xml里面有相应的镜像。
https://stackoverflow.com/questions/61909247/dependency-org-springframework-bootspring-boot-starter-web2-3-0-release-not 这个也试了 也不行
最后靠某位解决方法下面的评论解决了。
在这里插入图片描述
(2)还要连接相应的数据库,点加号以后会有输入数据库用户,密码,还有数据库名称
在这里插入图片描述
但是我数据库连接以后,发现没有自己刚刚导入的数据
好了,点击这个地方,在schemas里面选择自己的数据库名称
在这里插入图片描述
在这里插入图片描述
还有,没有下载tomcat,所以报错http invaild
在这里插入图片描述

2.前面已经把一些数据导入数据库了
导入数据库的包,在resources这个文件夹下面的properties,一般这段代码直接copy,改一下数据库的用户名和密码就可以
在这里插入图片描述

我们创建entity文件夹,把导入数据库的相应的表头写一下
在这里插入图片描述
然后生成get方法:Alt+Insert,然后选getter and better生成
在这里插入图片描述
在这里插入图片描述
然后写接口,就像c++里面先声明类的成员函数,至于具体实现到上一层
在这里插入图片描述
在resources下面建立mapper-xml配置文件
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个使用Java实现的简单机器学习示例,演示了如何使用Weka库进行分类任务: ```java import weka.classifiers.Classifier; import weka.classifiers.Evaluation; import weka.classifiers.functions.LinearRegression; import weka.core.Instances; import weka.core.converters.ConverterUtils.DataSource; public class MachineLearningDemo { public static void main(String[] args) throws Exception { // 加载数据集 DataSource source = new DataSource("path/to/your/dataset.arff"); Instances data = source.getDataSet(); if (data.classIndex() == -1) { data.setClassIndex(data.numAttributes() - 1); } // 训练分类器 Classifier classifier = new LinearRegression(); classifier.buildClassifier(data); // 评估分类器 Evaluation eval = new Evaluation(data); eval.crossValidateModel(classifier, data, 10, new Random(1)); System.out.println(eval.toSummaryString("\nResults\n======\n", false)); } } ``` 注意,这个示例代码需要一个数据集文件(格式为.arff),用于训练和测试分类器。你需要将`"path/to/your/dataset.arff"`替换成你自己的数据集文件路径。 这个示例中使用了Weka库中的线性回归算法进行分类任务。你可以根据自己的需求选择不同的机器学习算法。同时,这个示例中使用了交叉验证进行评估,你也可以使用其他的评估方式。 总之,Java是一个非常适合机器学习的编程语言,它可以与各种机器学习库集成,为机器学习任务提供强大的支持。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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