BaggingClassifier每次获取所有数据集
BaggingClassifier是一种集成学习算法，它通过对训练数据集进行有放回的随机抽样，生成多个子数据集，并使用这些子数据集训练多个基分类器。每个基分类器都是独立的，它们可以是相同的分类器算法，也可以是不同的分类器算法。
BaggingClassifier的优势在于通过集成多个基分类器的预测结果，可以提高整体的分类准确率和泛化能力。它可以减少过拟合的风险，并且对于噪声数据具有一定的鲁棒性。此外，BaggingClassifier还可以并行训练基分类器，提高训练效率。
BaggingClassifier的应用场景包括但不限于以下几个方面：
- 分类问题：BaggingClassifier在分类问题中表现出色，特别是对于复杂的数据集和高维数据集。
- 集成模型：BaggingClassifier可以作为其他集成学习算法的基础，如随机森林(Random Forest)和梯度提升树(Gradient Boosting Tree)等。
腾讯云提供了一些相关的产品和服务，可以用于支持BaggingClassifier的应用：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练、部署的功能，可以用于构建和训练BaggingClassifier模型。
- 腾讯云弹性MapReduce（https://cloud.tencent.com/product/emr）：提供了大数据处理和分布式计算的能力，可以用于高效地处理BaggingClassifier所需的大规模数据集。
- 腾讯云容器服务（https://cloud.tencent.com/product/tke）：提供了容器化部署和管理的平台，可以用于快速部署和扩展BaggingClassifier模型的推理服务。
需要注意的是，以上提到的腾讯云产品仅作为示例，其他云计算品牌商也提供类似的产品和服务，可以根据具体需求选择适合的解决方案。
相关·内容
1回答
如何执行引导验证？
、、、、
我正在研究一个二进制分类问题。
我对火车数据进行了交叉验证和网格搜索。后来，我在测试数据上验证了模型，如下所示
logreg=LogisticRegression(random_state=41)
logreg_cv=GridSearchCV(logreg,op_param_grid,cv=10,scoring='f1')
logreg_cv.fit(X_train_std,y_train)
y_pred = logreg_cv.predict(X_test_std)
但是，我遇到了术语bootstrap validation，它如何被用来避免由于分离不平衡(在测试数据中)而导
浏览 0提问于2020-01-02得票数 2
回答已采纳
我正在使用带有深度-1决策树的BaggingClassifier来尝试将我的数据分割成分类器可能更好的子集。如何查看包装过程选择的数据子集？下面是我使用的运行行：
clf = BaggingClassifier(DecisionTreeClassifier(max_depth=1),n_estimators=2000)
浏览 1提问于2017-06-21得票数 0
假设我决定使用集成方法--如果它有区别，我们将使用虹膜数据集。在现有的集成技术中，我们将侧重于并行方法，从这些方法中，我们将使用sklearn进行引导聚合。
Sklearn通过使用BaggingClassifier实现引导聚合，这(文档告诉我们)是“适合基本分类器…的集成元估计器”。在这些基本分类器中，让我们选择RandomForestClassifier，它本身就是“一个适合许多决策树分类器的元估计器”。
引导聚合，我们被告知，本质上有四种形式:包装，粘贴，随机子空间和随机补丁。在BaggingClassifier中，我们通过操纵BaggingClassifier的11个参数中的4个，即bo
浏览 2提问于2019-02-01得票数 2
回答已采纳
我正在测试一个简单的模型(knn)，并尝试将结果与Ensamble进行比较。
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
X = data.data
knn = KNeighborsClassif
浏览 2提问于2017-06-15得票数 1
回答已采纳
我不知道它为什么不叫乐团。也许是一些参数混乱？
森林覆盖类型数据：
X=形状(581012，54)
Y=形状(581012，)
from sklearn.ensemble import VotingClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn import model_selection
classifier_names = ["logistic regression", "li
浏览 0提问于2019-01-05得票数 1
我刚刚开始使用scikit-学习和学习BaggingClassifier。我有点搞不懂引导意味着什么。在科学学习网站上的意义是没有意义的。只是想要点帮助。谢谢。
浏览 0提问于2021-06-29得票数 0
回答已采纳
我已经训练了一个简单的随机森林算法和打包分类器(n_estimators = 100)。是否有可能绘制装袋分类器的准确性历史？如何计算100个样本中的方差？ 我刚刚打印了两种算法的精确值： # DecisionTree
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.90)
clf2 = tree.DecisionTreeClassifier()
clf2.fit(X_tr, y_tr)
pred2 = clf2.predict(X_test)
acc2 = clf2.score(X_test, y
浏览 15提问于2019-04-15得票数 0
回答已采纳
1回答
数据点被很好分类的概率
、、、
我有标记和未标记数据的混合，最后一个我想使用半监督学习对其进行分类。假设我已经有了一个算法，它在预测训练子样本的标签时给了我最好的准确性。我想用这个算法来预测未加标签的子样本的标签。在半监督学习中，伪标记数据被添加到标记(训练)数据中。我只想从伪标记数据中选择那些被很好分类的概率高于0.8的点，并重复该过程，直到所有未标记的数据都以高概率进行了伪标记。我怎样才能做到这一点呢？有没有代码或内置函数可以帮助我计算这样的概率？
浏览 24提问于2020-04-16得票数 0
假设我想训练使用DecisionTreeClassifier的BaggingClassifier
dt = DecisionTreeClassifier(max_depth = 1)
bc = BaggingClassifier(dt, n_estimators = 500, max_samples = 0.5, max_features = 0.5)
bc = bc.fit(X_train, y_train)
我想使用GridSearchCV来找到BaggingClassifier和DecisionTreeClassifier的最佳参数(例如来自DecisionTreeClassifier的
浏览 0提问于2017-11-30得票数 19
回答已采纳
1回答
from sklearn.ensemble import AdaBoostClassifier, BaggingClassifier, RandomForestClassifier
import numpy as np
import random
from sklearn.svm import SVC
X=np.random.rand(1000,2)
Y=[random.randint(0,1) for x in range(0,1000)]
svm=BaggingClassifier(SVC(kernel='rbf', random_state=123, gamma=.0
浏览 3提问于2017-12-22得票数 0
回答已采纳
有没有办法一个接一个地partial_fit BaggingClassifier的每个estimator？如下所示： estim = BaggingClassifier(base_estimator=MLPClassifier(), n_estimators=33)
for model in estim:
model.partial_fit(X, Y) 在我的实际代码中，每个estimator的每个partial_fit都是用不同的数据完成的。
浏览 18提问于2020-04-11得票数 0
回答已采纳
我使用scikit-learner中的svm模型来预测MNIST中的手写。
然而，我得到的结果是混乱的。当使用训练好的模型预测已经在学习过程中使用的训练集时，准确率为100%
在处理测试数据时，我只获得了大约11%的准确率。
除了过度拟合之外，我找不到原因。过度拟合对结果有这么大的影响吗？
# coding:utf-8
from numpy import *
from sklearn import svm
from sklearn.externals import joblib
def loadData(fileName):
fr = open(fileName)
numFea
浏览 9提问于2015-06-30得票数 0
我正在尝试使用Sklearn中的BaggingClassifier来定义多个base_estimator。据我所知，会有类似这样的东西。
clf = BaggingClassifier(base_estimator=[SVC(), DecisionTreeClassifier()], n_estimators=3, random_state=0)
但是这里的BaggingClassifier不接受列表作为它的base_estimator。我假设我可以切换到StackingRegressor(estimators=)来手动定义多个估计器。但列出100个估计器将是一件痛苦的事情，更不用说会有许多基
浏览 0提问于2021-04-30得票数 0
1回答
是否有可能看到由BaggingClassifier()形成的单个基分类器？我正在使用的代码是sklearn库中的示例代码，用于通过打包进行预测：
from sklearn.svm import SVC
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import make_classification
X, y = make_classification(n_samples=100, n_features=4,
n_informative=2, n_redun
浏览 14提问于2022-04-05得票数 0
回答已采纳
2回答
在字典中使用括号更新值
、、、
我正在尝试使用for循环替换字典中的值。但这有点特殊，因为它在括号内有值。
我的问题是:如何更新字典括号中的值？
需要
使用模型(例如，RandomForestClassifier).和BaggingClassifier )相应地更新分类器的BaggingClassifier
Initialization
n_estimator = [5, 10, 20]
models = {'Bagging': BaggingClassifier(random_state=12345),
'RandomForest': RandomForestClass
浏览 47提问于2019-03-04得票数 -1
回答已采纳
有没有办法在包含多个MLPClassifier()的BagginClassifier()中使用partial_fit()？我的问题是二进制分类，就像这样： clf = MLPClassifier()
model = BaggingClassifier(base_estimator=clf)
model.partial_fit(x, y, classes=[0, 1]) 它让我不断地给出这个错误： AttributeError: 'BaggingClassifier' object has no attribute 'partial_fit'
浏览 28提问于2020-04-11得票数 0
回答已采纳
我在scikit中得到了一个BaggingClassifier错误-学习0.22.2.post1。我使用python 3.8.2。
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import BaggingClassifier
bag_clf = BaggingClassifier(
DecisionTreeClassifier(
random
浏览 4提问于2020-04-25得票数 0
回答已采纳
我试图做一个研究如何提高一些模型的准确性，我想使用包装kNN与Cross_Evaluation。守则如下：
import pandas as pd
import numpy as np
import time
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.ensemble import BaggingClassifier
from sklearn.metrics import confusion_matrix, accuracy_score, f1_score, precis
浏览 4提问于2021-10-16得票数 0
回答已采纳
我的项目中有大约200个BigQuery数据集。我想删除它们，因为我正在做一些清理活动。我看到命令bq rm -r -f -d <var>project_id:dataset</var>，它用于单个数据集，我每次都需要运行它。有没有办法删除项目中的批量数据集？
浏览 1提问于2020-03-31得票数 0
我需要提取在sklearn.ensemble.BaggingClassifier中训练的每个模型的概率。这样做的原因是为了估计XGBoostClassifier模型周围的不确定性。 为此，我创建了一个继承自sklearn.ensemble.BaggingClassifier的扩展类，并添加了一个允许获得这些概率的新方法。请注意，此问题与ModuleNotFoundError: No module named 'sklearn.utils._joblib'不同 我展示了到目前为止我已经实现的代码，如下所示： 必要的模块 from sklearn.ensemble import
浏览 24提问于2019-05-23得票数 0
回答已采纳
我不知道如何使用sklearn中的BaggingClassifier。假设我有一个形状为(10,5)的输入数据帧和一个形状为(10，1)的目标数据帧：
traininginputs:
Date A B
2015-01-02 5 1
2015-01-02 6 2
2015-01-02 4 3
2015-01-
浏览 0提问于2017-04-27得票数 0
我想用sklearn.ensemble.BaggingClassifier作为估计器运行CatBoostClassifier，但问题是有一些明确的特性，这是导致这样的错误的原因：
CatBoostError：'data‘是浮点数字类型的非参数数组，它意味着没有分类特征，但是'cat_features’参数指定非零个数的分类特征。
clf = CatBoostClassifier(task_type='GPU',
n_estimators=8000,
ear
浏览 5提问于2019-12-07得票数 0
1回答
我有一个在我的应用程序中经常使用的模型(其中的数据几乎永远不会改变，除非开发人员想要改变一些东西)。我想缓存这个查询集，看看它对我的视图速度有什么影响，但我真的不能理解它。
我使用的是redis，缓存设置如下：
m = MyModel.objects.all()
cache.set('m', m, timeout=None)
然后我得到了这样的结果：
c = cache.get('m')
for x in range(1,200):
o = c.get(pk=x)
..。这当然会导致200个数据库查询。
如何将所有内容都存储在缓存中，以便每次查找都能从缓
浏览 1提问于2017-10-03得票数 0
我正在使用在我的数据上安装1000个估计器。我想知道是否有可能缓存这个类的.fit()方法，以便在脚本第一次运行后就可以简单地缓存.fit()方法的输出？
以这为例：
import numpy as np
from sklearn.ensemble import BaggingClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
rng = np.random.RandomState(42)
X, y = make_clas
浏览 2提问于2021-12-09得票数 1
我想使用scikit-learn的GridSearchCV来优化使用支持向量分类器(SVC)的BaggingClassifier。我希望网格搜索可以搜索BaggingClassifier和SVC的参数。
我尝试过这样的设置：
svc_pipe = Pipeline([
('svc', SVC(probability=True)),
])
pipe = Pipeline([
('bag', BaggingClassifier(svc_pipe, no_estimators=50)),
])
params = {
'bag__b
浏览 0提问于2018-03-22得票数 2
回答已采纳
在baseestimator=RandomForestClassifier中使用BaggingClassifier与在sklearn中使用RandomForestClassifier有何不同
浏览 1提问于2015-01-30得票数 3
1回答
我想打开到mysql数据库的连接，并使用不同的查询检索数据。每次获取数据时，是否都需要关闭连接，或者是否有更好的方法来多次查询并仅在结束时关闭连接？
目前我这样做：
db = dbConnect(MySQL(), user='root', password='1234', dbname='my_db', host='localhost')
query1=dbSendQuery(db, "select * from table1")
data1 = fetch(query1, n=10000)
query2=dbS
浏览 2提问于2014-01-16得票数 3
回答已采纳
1回答
特征重要性打包分类器和列名
、、、、
我已转介这两个职位：
请不要把这个标记为副本。
我试图从打包分类器中获取特征名(它没有内置的特性重要性)。
我有下面的示例数据和代码，这些数据和代码是基于上述链接的相关职位的。
import numpy as np
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)
clf = BaggingClassifi
浏览 2提问于2022-03-16得票数 2
回答已采纳
1回答
随机林袋和节点尺寸
、、、、
我必须为一个练习做一个随机森林分类器，这个练习是为参数特别指定的，我引用我的语言。
袋内百分比: 25% 50% 85%
一个节点的维数: 10%，50%，80%
对于分类器，我使用了scikit-learn，我不知道哪一个参数可以用来设置包内百分比和尺寸数。
浏览 1提问于2019-10-10得票数 0
回答已采纳
1回答
使用RDLC生成认卡
、、、
我有一份类似这份的RDLC报告。
在这里，我可以打印每个学生每次一张录取卡。我可以收集所需的数据，根据学生名册没有，学术日历和当前的会议，并将其传递给rdlc报告打印。
现在的问题是，如果我想打印/生成所有学生的录取卡，而不是每次打印一张录取卡，我现在该怎么办？我可以得到所有学生的数据，但我不知道如何在报告中表示他们，以实现这一目标。
浏览 3提问于2014-06-16得票数 1
回答已采纳
我的查询是被发送到数据库一次，然后在一个镜头中得到所有结果的列表，然后循环通过，还是每次都必须从DB请求下一行？
实际上，减少预期返回的行数是否意味着对DB的连接/调用减少，这意味着我的DB能够同时处理更多的连接，还是数据库连接的数量不取决于返回的行数？
浏览 3提问于2015-05-25得票数 0
回答已采纳
1回答
错误：
warning: class label 1 specified in weight is not found
warning: class label 1 specified in weight is not found
warning: class label 1 specified in weight is not found
warning: class label 1 specified in weight is not found
warning: class label 1 specified in weight is not found
warning: class l
浏览 2提问于2015-08-19得票数 1
1回答
我正在使用SAS中的一个数据库，该数据库经常更新。我希望宏自动加载给定年份的最新数据集。数据集涵盖2015-2018年，每年都有一个不同的更新版本，以数据集的名义说明，即2015_version9。使用我的当前代码，每次数据集更改其版本和名称时，都需要手动更新宏。
浏览 1提问于2022-01-05得票数 0
回答已采纳
每次执行SQL查询时，通常都会得到适合屏幕的结果。如果我想看到更多的结果，我必须选择Fetch Last Page
我的问题是，当我选择Fetch Last Page时，它现在是命中数据库了，还是仅仅是最初的查询运行，结果存储在客户端的某个地方？
浏览 1提问于2017-10-27得票数 0
回答已采纳
1回答
我正在为我的项目在Android中实现存储库模式，但我的主要问题是如何控制用户从网络中删除的数据。
让我们以为例。
可能的解决办法：
删除所有Repos并在每次为该用户获取时插入新列表。
删除所有Repos，并在每次为该用户获取新列表时插入新列表，如果上次获取的时间是3分钟或更早
当应用程序启动时，删除所有Repos表(因此，当应用程序关闭并再次打开时，它将显示真实的数据)。
实现类似于强制更新(刷和刷新)的内容，并删除所有Repos并再次插入。
你认为如何解决这个问题？
干杯！！
浏览 1提问于2018-07-24得票数 1
1回答
在一个两类分类问题中，在Python中使用标准的袋子分类器时，有没有什么方法来选择要选择的正和负训练实例的数量？
logreg = BaggingClassifier(linear_model.LogisticRegression(C=1e3),max_samples=1, max_features=1);
有时，打包算法只选择正样本，并且代码会给出运行时错误。
浏览 2提问于2015-02-05得票数 4
在AppEngine中执行查询时，您可以使用Query或GqlQuery对象从数据存储区获取数据。我想知道这些对象是缓存它们的结果集，还是每次都获取数据。例如，在需要多次循环结果的情况下：
query = GqlQuery('SELECT * '
'FROM User '
'WHERE favorite_color = :1',
'pink')
for user in query:
# perform setup ...
浏览 0提问于2012-05-15得票数 0
回答已采纳
我在一个“葡萄酒”数据集上使用了决策树算法，这个数据集在1到10的范围内预测葡萄酒的质量，其中1是最差的，10是最好的，示例代码如下
import pandas as pd
data=pd.read_csv("wine.csv")
x=data.drop(columns="quality")# x has all the feature columns
y=data.quality# y has the label column
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,ra
浏览 17提问于2020-06-03得票数 0
所以，我在使用Power BI方面很新，所以我在构建使用现场数据网关的报告时遇到了一些问题。我的目标是在Power中构建不同的报告(比如4份报告)，它们都是从同一个web数据库中获取信息的。问题是，每次有人访问这个在线数据库，我的公司必须支付少量的钱。
报告每天刷新一次，准确地说是凌晨2点，使用的是现场数据网关。我的观点是:室内数据网关是每天凌晨2点访问该数据库一次，并刷新所有报告，还是只访问一次用于“exery report”(意指凌晨2点访问4次)？
如果有什么不清楚的地方，就警告我，我试着提供更多的信息。谢谢!
浏览 0提问于2018-04-20得票数 0
回答已采纳
每次我从其中一个参数组合中选取一个值时，通过向SQL DB发送查询来自动更新通过填充连接到所选数据集的数据集。
包含数据集的可用值列表不会更改。
我需要的是，每个查询将超过只有当报告是初始的，而不是每次我改变参数值。
谢谢。
浏览 0提问于2017-02-05得票数 0
下面的代码展示了使用网格搜索方法调整袋子算法的参数。在每次执行代码时，我都会得到不同的best_parameters结果，即使我已经设置了每个模型决策树和打包集成的种子和random_state。有什么建议吗？
# Bagged Decision Trees for Classification
import pandas
from sklearn import model_selection
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from s
浏览 0提问于2018-09-23得票数 0
我在一个页面上有一个网格视图，该页面由代码后面的LINQ查询填充。没有什么特别的，但是，确实使用了分页(使用pageIndex changed事件)。
所有的工作都很好，但是，在我们的开发环境中运行时遇到了一个问题，因为在数据库中有很多数据。
所以我的问题是，LINQ只在数据绑定时枚举，而网格视图的页面大小为20，LINQ是否每次绑定数据时都获取所有记录？在处理大量记录时，如何将LINQ查询的结果绑定到网格视图？
浏览 1提问于2011-07-28得票数 1
我正在用LogisticRegression跑套袋。由于后者使用正则化，因此必须对特征进行缩放。由于套袋从原始培训数据集中获取一个样本(与替换)，应该在此之后进行缩放。缩放原始数据集，然后取一个样本就会导致数据泄漏。这类似于CV是如何使用scaling (Mis)的:对整个数据集进行缩放，然后将其提供给CV是错误的。
它似乎没有内置的工具，以避免数据泄漏与袋(见下面的代码)，但我可能是错的。任何帮助都将不胜感激。
from sklearn.ensemble import BaggingClassifier
single_log_reg = LogisticRegression(solver=
浏览 7提问于2022-05-22得票数 0
回答已采纳
当在scikit学习中使用DecisionTreeClassifier时，可以很容易地获得决策树和重要特征。然而，如果我和装袋功能，例如BaggingClassifier，我不能获得它们中的任何一个。
因为我们需要使用BaggingClassifier来拟合模型，所以我不能返回结果(打印树(图)、feature_importances_等)与DecisionTreeClassifier相关。
这里是我的脚本：
seed = 7
n_iterations = 199
DTC = DecisionTreeClassifier(random_state=seed,
浏览 0提问于2017-07-26得票数 2
回答已采纳
我正在训练Logistic回归，并使用袋子。我想使用gridsearch CV来找到最好的超参数。我使用'__‘来表示基础估计器的一个超参数：
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import BaggingClassifier
param_grid = {
'base_estimator__C': [1e-15, 1e-10, 1e-8, 1e-4, 1e-3, 1e-2, 1, 5, 10, 20, 50, 100, 1000], # lambd
浏览 9提问于2020-06-01得票数 0
回答已采纳
2回答
在java中取批量数据到结果集中有没有性能问题？
rs = st.executeQuery("SELECT * from ABC")
表ABC有大量的数据(比如一百万)
当以每次1000行的小块迭代地获取数据并对其执行操作时，性能会有什么改进？
浏览 0提问于2014-02-12得票数 0
我有一个MySQL数据库，里面有大约10,000个地理点。
我也有一个Mapbox地图运行在一个网页上，它执行一个查询来获取数据，使其成为一个GeoJSON，然后绘制这些点。Mapbox在处理所有点方面没有任何问题。
但是，查询所有的点很慢，所以我不得不将查询限制为500点。我想出了如何使用MBRContains只请求边框中的点。
但是现在，每次我通过拖动或缩放来更改地图的边界框时，我都必须请求整个边界框，尽管数据的一部分可能已经知道了。我确信一定有一种更明智的方法来做到这一点，方法是创建某种缓存，并且只查询新数据。
我该怎么做呢？请求所有数据是昂贵的，所以我不能这样做，然后将它处理成一个R-
浏览 0提问于2018-06-14得票数 1
回答已采纳
我正在分页1万页中的150 k行。我的意思是，我带来了10k行的数据库，并对它们进行迭代，然后下一个10k，并做同样的，直到没有更多的行。问题是，当我带来更多的行时，我在任务管理器的performance中看到内存图的增加，在每次迭代中，查询执行会持续更长更长的时间，直到抛出一个OutOfMemoryException。
该查询由6个表组成。我使用EF 4将结果加载到列表中。
每次迭代结束时，我清除列表，将其设置为null并调用GC.Collect()，但这没有任何效果。
我能做些什么来释放我已经检查过的行的内存。
浏览 2提问于2014-07-30得票数 1
回答已采纳
我目前正在我的数据集上测试几种不同的集成方法。我听说，你也可以使用支持向量机作为基础学习者在推广和打包方法，但我不确定哪种方法允许它。特别是对于XGB，我尝试了树和支持向量机作为基础学习者，并得到了5个不同性能度量的完全相同的结果，这使我怀疑结果和/或该选项只能将树作为基础学习者。我在文档中没有找到多少信息，或者至少在所有的文档中都找不到。我会对AdaBoostClassifier()、BaggingClassifier()和XGBClassifier()感兴趣。有没有人知道细节，以及我是否可以在这里使用SVMs作为基础学习者？
浏览 0提问于2020-05-05得票数 1
回答已采纳
2回答
我有一个MySql数据库，我对它进行了一些潜在的大型查询。我从查询中获得的数据存储在PHP中的一个2D数组中，然后生成一个HTML表供用户查看。目前，我正在尝试为用户实现一种以各种方式对数据进行排序的方法。当然，我可以再次调用查询并告诉它以不同的方式排序，但我认为这可能不是一种非常有效的方式。我的想法是以某种方式缓存数据，然后在每次应该以新的方式对数据进行排序时调用javascript来获得结果。不幸的是我不知道该怎么做。:)
所以，我的问题是：
这样做好吗？如何实现此功能？
浏览 2提问于2010-01-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
