1、在控制台获取上次操作返回的值在控制台可以通过$_获取上次执行返回的值，通过这个方法调试代码会方便很多2、在控制台打印当前选中的dom元素鼠标点中需要打印的dom元素，在控制台输入$0 即可打印出选中元素3、编辑页面上的文本控制台输入document.body.contentEditable="true"或者document.designMode='on'使页面内容可编辑，一般在调试文本长度判断页面布局是否串行很实用4、console.table()打印数据以表格的形式打印数据，这将看起来更清晰5、newWork重新发起XHR请求平时工作在和后端联调中，我们使用最多的就是netWork来查看
一.Vue3.0生命周期对照表image.png二.在setup中使用provide和inject事实上之前还学过的Provide和Inject，CompositionAPI也可以替代之前的Provide和Inject的选项。image.png二.一.在父组件/爷爷组建中使用provide我是父组件//1.引入vue内置的provide函数import{provide}from"vue";importSonfrom"./Son.vue"exportdefault{name:"fatherCom",components:{Son},setup(){constname="huzhenchu";le
5.6决策树--CART算法CART是二叉结构树。多叉可以转换成二叉，表示是和非在CART算法中分类树是怎么形成的，要先确定特征选择的标准，之前是信息熵，引申出信息增益，都是表示不同特征下的分类能力，CART算法用的是基尼指数，同样是度量不同特征的分类能力基尼指数机器学习中用来度量不确定性，基尼指数越大，不确定性越高现实中不知道样本属于某个类别的概率pk是多少，是估计值：pk^=|Ck|（表示属于Ck这个类的个数）/|D|（样本量），得到了第k类的概率估计值如果给定某个特征，基尼指数怎么定义如果给定特征A后，将样本划分为两类（D1和D2），可以分别计算D1和D2的基尼指数，加权求和，就可以得到
论文Single-cellprofilingofvascularendothelialcellsrevealsprogressiveorgan-specificvulnerabilitiesduringobesityhttps://www.nature.com/articles/s42255-022-00674-x#Sec58s42255-022-00674-x.pdfhttps://github.com/Osynchronika/sc_EC_obesity_atlas大部分作图的数据都有，可以试着用论文中提供的数据复现一下论文中的图论文中figure2和figure3中有很多种柱形图，争取把
本章详细介绍了本系统的需求分析。本系统旨在实现一个用户不仅能方便地查看电影信息，而且能获取自己感兴趣的推荐电影的系统。本系统的功能应当是较为完善的，推荐结果应当较为精准化，推荐效率应当高效，并且面对不断增长的电影数据和用户数据应当有着良好拓展性。此外，本系统应当以web页面为最终呈现方式，以便于用户在PC端或移动端等设备上随时访问本系统。2022年12月增加Spark大屏统计驾驶舱、Web后台管理系统当前爬虫+三种机器学习推荐算法+用户画像可视化+虚拟机集群足够毕设了交互层提供了用户与系统之间交互的途径，通过简洁直观的web页面将系统展示给用户。业务逻辑层主要用于实现交互层的功能，根据业务逻辑
怎样检验学习成果，让知识真正变成自己的呢？这我觉得是大多数的学习者困惑的问题，同时也是大多数学习者想解决的问题。以前，我们在学校的时候，很少有这个困惑，因为每学期会有有各种测试、考试，在一定时间断内就可以检验自己学没学会，会就是会，不会就是不会。回到我们平日所学，并不完全在于知识记没记住，而在于这个知识是不是有用，是否嵌入到真实的生活中，那如何才能把所学知识变成自己生活里能用的东西呢？有以下几个方法：1、嵌入法如何将所学，嵌入进你的日常生活？就是会造句，在平日日常对话里使用了，就算嵌入了。需要是这个造句是有场景，有对话感的句子。举个简单的例子：我们知道生物上有个概念，叫“光合作用”，你可能把书
认知升级的过程是从感性到理性，从感官通道升级到逻辑通道的过程。眼见未必为实许多时候眼睛遮蔽了我们认知世界的真相。只有感官经验不可能是知识知识具有普遍抽象的特点感官无法经验抽象的概念感官➕经验≠知识感知结构决定了知识结构认知有两个向度：内容和结构所谓认知升级，不是认知内容的增多，而是认知结构的升级。知识是用先验的逻辑形式来整顿经验信息，形成普遍适用的抽象知识。逻辑就是理性的眼睛思想的力量：思想清明是目光清明的前提不要追求无边的博学，而要寻求思想的整顿，寻求思想功夫的过程，才是获得知识力量的源泉。目前自然界的万事万物拆解到最小是夸克夸克（英语：quark）是一种参与强相互作用的基本粒子，也是构成物
这里是佳奥！R实战部分的学习进入后期，我们继续高级方法的学习。主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。首先，我们将回顾R中可用来做PCA或EFA的函数，并简略看一看相关分析流程。然后，逐步分析两个PCA示例，以及一个扩展的EFA示例。最后，本篇简要列出R中其他拟合潜变量模型的软件包，包括用于验证性因子分析、结构方程模型、对应分析和潜在类别分析的软件包。1R中的主成分和因子分析本篇我们
昨天，闲聊，谈到了数学问题，说得更具体一些，是概率问题。最简单的抛硬币问题。正面朝上和反面朝上的概率应该是一样的，各占50％。抛两次硬币，应该有三种结果，两次全是正面朝上，两次全是反面朝上，正面反面各占一次，概率分别是25％、25％和50％。于是，有些同志以为，如果第一次是反面朝上，那么第二次正面朝上的概率就应该比反面朝上的概率大。其实不是那回事儿。每一次抛硬币，正面朝上与反面朝上的概率都是一样大，各占50％。哪怕是抛了十次都是反面朝上，第十一次抛的时候，正面朝上和反面朝上的概率都是一样大。类似的事情，还有以前听过无数次躲炮弹的理论。说两发炮弹不可能落到同一个弹坑里，所以，躲到弹坑里可以躲过炮
场景： el-upload上传图片，读取文件成base64的时候，console报错： Failedtoexecute'readAsDataURL'on'FileReader':parameter1isnotoftype'Blob'报错代码：/***File转base64*@paramfile*@returnbase64**/exportfunctiongetBase64(file){returnnewPromise((resolve,reject)=>{constreader=newFileReader();letfileResult="";reader.readAsData
