kyrielii / blog-comment Goto Github PK

http://vnnyu.com/2017/06/11/32-react-01/

本文梳理一下用构建工具webpack构建React项目。 项目初始化首先，创建文件夹，初始化一个node项目：node init 一系列的确定后，得到一个node空项目，里面只有一个package.json文件。 安装webpack用npm安装webpack(这里的版本是1.13.2);npm install webpack --save-dev 创建一些文件，结构如下：-- /app---- m

http://vnnyu.com/2018/01/04/2018-new/

给大家拜个早年，总结一下实习这几个月的收(wa)获(guo)与(de)感(keng)想☺️. Section 0 时间线 8.22： 入坑 9 - 10： 房源详情页 10 - 11.10：真房源二期 12：房源 12月底：掌链小程序 2018.1： big-C Section 1 入坑房源项目(link-fang)的架构：Java + velocity(*.vm) + Jquery 特点：

http://vnnyu.com/2017/07/09/js-call-apply-bind/

深入研究一下这三个函数。参考资料：红宝书5.5章 引例一个简单的例子：var name = "window";o = { name: "object"};function sayName(){ console.log(this.name);}sayName(); // "window"sayName.call(o); // "object"var s

http://vnnyu.com/2017/02/28/09-ml02/

简述k-近邻算法（kNN,k-Nearest Neighbor）采用测量不同特征值之间的距离方法进行分类。 – kNN 优点 精度高、对异常值不敏感、无输入数据假定 缺点 计算复杂度、空间复杂度高 适用 数值型、标称型 原理存在一个样本数据集合（即训练样本集），并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数

http://vnnyu.com/2018/06/25/%E5%B0%8F%E7%A8%8B%E5%BA%8F%E5%9F%8B%E7%82%B9/

最近调研了小程序埋点方案，主要是曝光埋点和点击埋点。 点击埋点很好做，在点击事件里追加埋点发送即可，本文主要调研曝光埋点的实现。

http://vnnyu.com/2017/06/24/31-webpack/

webpack官网参考资料 创建初始化在项目文件夹下：npm init 安装webpacknpm install webpack --save-dev 配置npm脚本在package.json文件中的scripts添加："webpack": "webpack --progress --display-modules --colors --display-reasons

http://vnnyu.com/2017/02/26/07-ml00/

更新ing… 定义 描述 数据集(data set) 一组记录的集合，如西瓜数据（色泽=青绿；根蒂=蜷缩；敲声=浊响） 示例(instance) / 样本(smple) / 特征向量(feature vector) 关于一个事件或对象（西瓜）的描述的每条记录 属性(attribute) / 特征(feature) / 事件或对象在某方面的表现或性质的事项（色泽、根蒂、敲声）

http://vnnyu.com/2017/02/26/08-ml01/

机器学习综述监督学习这类算法必须知道预测什么，即目标变量的分类信息。我们给 学习算法 一个数据集（正样本），这个数据集由“正确答案”组成，机器可以从中推演出制定目标变量的可能结果。 监督学习 描述 分类问题 将实例数据划分到合适的分类中。例如：肿瘤检测问题。 回归问题 预测数值型数据。例如：房价问题。 监督学习算法 算法 描述（学到补充） K-近邻

http://vnnyu.com/2017/03/01/10-ml03/

简述决策树是基于树结构 来进行决策的，就像带有终止块的流程图，终止块表示分类结果。 – 决策树 优点 计算复杂度不高，输出结果易于理解。对中间值缺失不敏感，可以处理不相关特征数据 缺点 可能会产生过度匹配问题 适用 数值型、标称型 原理一颗决策树包含一个根结点、若干内部结点、若干叶子结点。叶结点对应于决策结果，其他每个结点对应一个属性测试；每个结点包含的样本集合根据属