基本类型→ 存的是“值”。引用类型→ 存的是“地址”，通过地址找到堆里的对象。

🔹循环是机器思维：重复执行直到条件结束。🔹递归是数学思维：问题拆成更小的同类问题解决。对比维度递归（Recursion）循环（Loop）基本概念方法在执行过程中直接或间接调用自身。使用forwhiledo...while等结构反复执行一段代码。本质思想将大问题拆分成结构相似的小问题。重复执行某个操作直到条件不满足。终止条件必须有递归出口（否则会无限调用栈）。必须有循环条件（否则会进入死循环）。

组件就像“积木”一样，你可以用它来拼出一个完整的网页或 App。每个组件就是一个独立的小功能模块，可以反复使用。return <h1>你好，React！</h1>;这个就是一个最简单的组件，叫Hello<Hello />其实组件就像一个函数。概念通俗理解组件一个小积木，能反复用props组件传值state组件自己的数据嵌套组件里可以放组件Hooks给函数组件加功能的小工具。

如果你不想换主题，可以手动给注释设置一个你喜欢的颜色。

属性名作用示例axis限制拖动方向axis="x"只允许水平拖动；axis="y"只允许垂直拖动handle指定哪个子元素可拖动表示只有.title区域可以拖动bounds限定拖动范围表示只在父容器内可拖设置初始位置position设置固定位置（配合 onDrag 控制）用于受控组件onStartonDragonStop拖动事件回调可以打印位置，做自定义逻辑。

表示 GitHub 连接被。，说明 SSH 配置成功。一路回车，密钥将存储在。

决策树（Decision Tree）是一种机器学习模型，简单来说，它就像一个“选择题流程图”，通过一系列的判断（就像“yes or no”问题），一步步把数据分成不同的类别或者预测一个数值。内部节点（Internal Node）：中间的判断点，每个节点代表一个特征（属性）上的条件，比如“它会叫‘汪汪’吗？比如上面例子中的“它有四条腿吗？叶子节点（Leaf Node）：树的终点，代表最终的分类结果或

如果你不想换主题，可以手动给注释设置一个你喜欢的颜色。

朴素贝叶斯（Naive Bayes）是机器学习中一种基于概率的分类算法，它建立在贝叶斯定理的基础上，并引入了一个“朴素”的假设：特征之间是相互独立的。朴素贝叶斯的目标是计算给定特征 ( B ) 时，样本属于某个类别 ( A ) 的概率，然后选择概率最大的类别作为预测结果。( P(A|B) )：后验概率，即在给定条件 ( B ) 下事件 ( A ) 发生的概率。( P(B|A) )：似然概率，即在事

属性名作用示例axis限制拖动方向axis="x"只允许水平拖动；axis="y"只允许垂直拖动handle指定哪个子元素可拖动表示只有.title区域可以拖动bounds限定拖动范围表示只在父容器内可拖设置初始位置position设置固定位置（配合 onDrag 控制）用于受控组件onStartonDragonStop拖动事件回调可以打印位置，做自定义逻辑。