杨宝峰
中共党员，1978年10月出生，1997年7月参加工作，2007年6月主持日照银行银海支行工作，2013年6月起任日照银行副行长，2021年8月起任日照银行行长。该同志政治素质高，理想信念坚定，具有强烈的事业心、责任感和较强的创新思维、管理水平。杨宝峰荣获“日照市劳动模范”“日照市十大杰出青年”“日照市优秀共产党员” “市直港城先锋共产党员”；连年被评为总行级“先进工作者”，多次获得“十佳行员”、“突出贡献奖”。
王炯，中原银行行长。
王炯，1960年3月出生，上海财经大学金融学专业，经济学硕士。历任中信上海公司副总经理，中信上海（集团）有限公司总经理、董事长。
中原银行总行位于河南省郑州市。截止2022年5月，中原银行总资产突破1.2万亿，在国内城市商业银行中排第八名，下辖18家分行，700余家营业网点。以“扎根中原、深耕中原、依靠中原、服务中原”的战略定位。
国营企业，银行行长就是你的老板，也是很多行业的财神爷；不过你下定决心不和他玩了炒他鱿鱼，可以到劳动仲裁告他，不过不要指望有什么对你有利的结果，顶多自己出出气罢了。
银行一把手都是行长，
信用社也是银行的一种，
你直接叫XX行长就可以了。
1 会计系或金融系本科以上学历；
2 在银行工作五年以上。
其他的就是:
1、关系：如果你只想当一个支行的行长，你必须有总行的亲戚或省分行的亲戚，而且亲戚必须很亲近，这样你的机会会大一点。没关系你也得找关系。
2、金钱：你要舍得花钱，用处在下不好明示，你自己考虑。
3、群众基础：你和同事关系可以一般，但不能让大家恨你，别人恨你，打你的小报告那你可惨。
4、业绩：做出点业绩，不要太好，但排名不能太后，排名太后，想提你都难。
5、坐柜台一定不能太出色：如果坐柜台你太出色，那你永远坐柜台吧，当一个客户经理出人头地的机会是坐柜台的十倍。
基本如此，刚刚进银行时，都有你这种想法。
银行行长竞聘考试是众多银行高管梦寐以求的机会，也是一项严格的选拔过程。在这场竞争激烈的考试中，如何成为顶尖候选人呢？本文将为您介绍一些成功参与银行行长竞聘考试的关键要素。
准备充分是参加任何考试成功的基础。在银行行长竞聘考试中，您需要系统学习银行业务知识、了解银行运作模式、掌握相关法律法规等。可以通过阅读银行管理方面的书籍、参加相关培训课程来提升自己的知识水平。
另外，还需要了解当前银行业发展的趋势和挑战，关注国内外金融市场的动态，了解各类金融产品和衍生品的特点，这些都能够为您在考试中表现出色提供支持。
作为一名银行行长，优秀的领导才能是不可或缺的。银行行长需要协调各部门，做出正确的决策，并能够指导和激励员工。因此，培养和发展自己的领导才能是很重要的。
您可以参与一些领导力培训课程，学习如何更好地领导团队，提高协调能力和决策能力。另外，深入了解银行业的组织结构和运营模式，学习如何在复杂的工作环境中进行管理和领导。
在银行行长竞聘考试中，与他人的合作和沟通能力至关重要。为了建立良好的人际关系，可以参加一些行业活动和专业组织，积极参与行业研讨会和论坛。
此外，还可以通过与其他银行高管交流，扩大社交圈子，与他们分享自己的经验和见解。建立良好的人际关系，能够为您在考试中展现自己的影响力和合作能力。
银行行长通常需要与各界人士进行沟通，包括政府官员、客户以及其他金融机构的高管。因此，拥有良好的沟通和表达能力是必不可少的。
您可以通过参加演讲培训、写作课程等来提高自己的沟通表达能力。在银行行长竞聘考试中，展示自己的清晰思维和良好的表达能力将为您加分不少。
作为一名银行行长，控制风险是一项重要的职责。在考试中，您需要展示自己在风险管理方面的能力。
可以通过了解银行业风险管理的理论和实践，学习如何评估和应对各类风险。此外，积极参与银行的项目和业务，亲身体验业务风险和控制手段，这将对您在考试中的发挥有很大帮助。
银行行长竞聘考试只是您职业生涯中的一个里程碑，保持学习态度是长期成功的关键。银行业发展迅速，行业政策法规不断变化，您需要不断更新自己的知识和技能。
可以定期参加各类培训课程或进修学习，学习最新的银行管理理论和实践。同时，阅读相关书籍和研究报告，关注行业动态和学术研究成果，保持对行业的敏感度和洞察力。
成为一名顶尖的银行行长候选人需要在多个方面具备优秀的素质和能力。准备充分、发展领导才能、建立良好的人际关系、增强沟通表达能力、控制风险能力以及保持学习态度，这些都是成功参与银行行长竞聘考试的关键要素。
同时，这些要素也是成为一名出色的银行行长的基石。无论是否能够成功通过竞聘考试，这些素质和能力都将有助于您在银行业发展中取得更多的机会和成功。
同志们，在新年到来之际，我作为行长向大家送上美好的祝福，祝大家新春愉快，合家幸福，感谢大家在过去一年里对我们银行的支持和帮助，能够把我们银行的各项工作完成的这么出色，大家都是付出了很大的努力的，我希望大家在新的年里各项工作中努力进步，把我们的银行做得更好
欧剑飞
中国邮政储蓄银行股份有限公司石门县支行行长
中国邮政储蓄银行股份有限公司石门县支行（曾用名：中国邮政储蓄银行有限责任公司湖南省常德市石门县支行），成立于2008年，位于湖南省常德市，是一家以从事货币金融服务为主的企业。
罗茂高：行长，法人代表，同时也是党委书记。贵州银行遵义分行前生是遵义市商业银行（成立于2001年6月5日），其前生是遵义市商业银行。贵州银行成立于2012年10月11日。是由遵义商业银行，安顺商业银行，六盘水商业银行三地组成，总部设在贵阳。
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
