现成的轮播插件是很方便，如果只是对文本类的数据进行轮播就很容易满足需求。但是，实际开发中，表格中可能还嵌套了自己封装的组件，组件中又是通过echarts图表来实现的。这个时候，这些vue插件多多少少都会出现bug，真是令人头疼啊…思前想后，还是把最近查到的知识整理一下，方便以后查看。...

现成的轮播插件是很方便，如果只是对文本类的数据进行轮播就很容易满足需求。但是，实际开发中，表格中可能还嵌套了自己封装的组件，组件中又是通过echarts图表来实现的。这个时候，这些vue插件多多少少都会出现bug，真是令人头疼啊…思前想后，还是把最近查到的知识整理一下，方便以后查看。...

写在前面： 因为我在使用sklearn的过程中，看了很多其他人的实战代码，调用R2的方式都不同，所以给我搞得有点糊涂，不过我看了菜菜的sklearn课程以后，感觉清晰了一点，所以整理了这篇笔记。2.2 使用回归模型的.score属性2.3 使用cross_val_score交叉验证分数参考：sklearn菜菜的b站视频。...

一、MAE（Mean Absolute Error）平均绝对误差MAE（MeanAbsolute Error），即误差绝对值的平均值，可以准确反映实际预测误差的大小。MAE评估的是真实值和预测值的偏离程度，即预测误差的实际大小。MAE值越小，说明模型质量越好，预测越准确。二、MSE（Mean Squared Error）一般情况下，MSE比较少单独使用，因为不好理解，多数用在方差分析和参数估计等中

1. sklearn中与逻辑回归有关的API【注意】虽然逻辑回归名字中有“回归”，但是它是用来解决二分类、多分类问题的算法。它的名字应该叫做“对数几率回归”比较好。2. 代码实现from sklearn.datasets import load_breast_cancerfrom sklearn.model_selection import train_test_splitfrom sklearn

1. KNN算法1.1 定义如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。1.2 距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离还有曼哈顿距离、明科夫斯基距离（欧氏距离、曼哈顿距离都是明科夫斯基距离的一种特殊情况）1.3 K值的影响K值过大，受样本不均衡的影响；K值过小，容易受异常点的影响；2. sklearn中KNN的

1. 为什么需要归一化/标准化？原因： 特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其他的特征，即无量纲化。2. 归一化2.1 定义通过对原始数据进行变换把数据映射到(默认为[0,1])之间2.2 公式作用于每一列，max为一列的最大值，min为一列的最小值,那么X’’为最终结果，mx，mi分别为指定区间值默认mx为1

moment().format("YYYY-MM-DD HH:mm:ss"); //当前时间moment().subtract(10, "days").format("YYYY-MM-DD"); //当前时间的前10天时间moment().subtract(1, "years").format("YYYY-MM-DD"); //当前时间的前1年时间moment().subtract(3, "mon

1.2 安装并引入axios安装在main.js中引入接口用的黑马的，现在还可以用。由于存在跨域问题，所以还要配置一下vue.config.js文件，使用proxy跨域代理解决跨域问题。在vue项目的根目录中创建，与src平级。port是端口；open是终端运行结束后直接弹出浏览器；proxy是接口的真实根路径，解决跨域问题2.配置路由模块2.1 src/router/index.js配置在安装完

以下代码均在入口文件main.js中配置2.在响应拦截器中配置关闭loading效果3. 查看效果在Chrome的调试工具中，将网络速度改为“高速3G”，再刷新页面，这样看到的loading的效果更加明显。