逻辑函数

Vue Vue近几年来特别的受关注，三年前的时候angularJS霸占前端JS框架市场很长时间，接着react框架横空出世，因为它有一个特性是虚拟DOM，从性能上碾轧angularJS，这个时候，vue1.0悄悄 的问世了，它的优雅，轻便也吸引了一部分用户，开始收到关注，16年中旬，VUE2.0问世，这个时候vue不管从性能上，还是从成本上都隐隐超过了react，火的一塌糊涂，这个时候，angular 开发团队也开发了angular2.0版本，并且更名为angular，吸收了react、vue的优点，加上angular本身的特点，也吸引到很多用户，目前已经迭代到5.0了。 学习vue是现在前端开发者必须的一个技能。 前端js框架到底在干嘛，为什么要用 js框架帮助开发者写js逻辑代码，在开发应用的时候js的功能划分为如下几点： 渲染数据 操作dom（写一些效果） 操作cookie等存储机制api 在前端开发中，如何高效的操作dom、渲染数据是一个前端工程师需要考虑的问题，而且当数据量大，流向较乱的时候，如何正确使用数据，操作数据也是一个问题 而js框架对上述的几个问题都有自己趋于完美的解决方案，开发成本降低。高性能高效率。唯一的缺点就是需要使用一定的成本来学习。 Vue官网介绍 vue是渐进式JavaScript框架 “渐进式框架”和“自底向上增量开发的设计”是Vue开发的两个概念

参考资料(要是对于本文的理解不够透彻，必须将以下博客认知阅读，方可全面了解LR)： (1). https://zhuanlan.zhihu.com/p/74874291 (2). 逻辑回归与交叉熵 (3). https://www.cnblogs.com/pinard/p/6029432.html (4). https://zhuanlan.zhihu.com/p/76563562 (5). https://www.cnblogs.com/ModifyRong/p/7739955.html 一、逻辑回归介绍 　　逻辑回归（Logistic Regression）是一种广义线性回归。线性回归解决的是回归问题，预测值是实数范围，逻辑回归则相反，解决的是分类问题，预测值是[0,1]范围。所以逻辑回归名为回归，实为分类。接下来让我们用一句话来概括逻辑回归(LR): 逻辑回归假设数据服从伯努利分布，通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。 这句话包含了五点，接下来一一介绍： 逻辑回归的假设 逻辑回归的损失函数 逻辑回归的求解方法 逻辑回归的目的 逻辑回归如何分类 二、逻辑回归的假设 任何的模型都是有自己的假设，在这个假设下模型才是适用的。 逻辑回归的第一个基本假设是假设数据服从伯努利分布。 伯努利分布：是一个离散型概率分布，若成功，则随机变量取值1；若失败

1、前言   在平时工作开发中，大部分开发人员都花费大量的时间在维护其他人员的代码。很难从头开始开发新代码，很多情况下都是以他人成果为基础的，或者新增修改需求，自己写的代码也会被其他开发人员调用，所以写好一份高质量可维护的代码就显得十分重要。 2、什么是可维护代码 可维护代码需要遵循以下几个特点。 1. 可理解性 -其他人可以接手代码并理解它的意图和一般途径。 2. 直观性 -代码中的东西一看就明白，不管其操作过程有多复杂。 3. 可适应性 -代码以一种数据变化不要求完全重写的方法撰写。 4. 可扩展性 -在代码架构上已考虑在未来允许对核心功能进行扩展。 5. 可调试性 -当有地方出错时，代码可以给你足够的信息快速直接找出问题的所在。 3、代码约定   一种让代码变得可维护的简单途径是形成一套JavaScript代码的书写约定。由于JavaScript的可适应性，代码约定对它很重要。以下小节讨论代码约定的概论。 1.可读性   要让代码可维护，首先它必须可读。可读性的大部分内容和代码缩进相关的，代码整齐的缩进能一眼看出代码块是属于那个功能的，很常见的缩进大小为4个空格，现在大部分编辑器也支持一件格式化代码。可读性另一方面是注释，一般来说，有如下一些地方需要进行注释。 函数和方法 -每个方法或注释都应该包含一个注释，用于描述其目的和用于完成任务所可能使用的算法。 大段代码

单元测试在测试过程中是比较重要的一环，但是也是很多团队缺失的一环，单元测试的意义是什么？单元测试的实施过程中会有怎样的坑？为什么一些团队没有单元测试呢？是由测试来做单元测试还是开发来做单元测试呢？ 单元测试的定义及意义 首先是最经典的测试金字塔，其实针对测试金字塔有很多种搭建方式，例如： 从常用的测试技术类型来看： 单元测试->接口测试->UI测试，这可能是比较常见的测试金字塔（ unit->api->ui ） 从系统分层测试（或测试阶段）来看： 单元测试->组件测试->集成测试->系统测试 这只是从测试金字塔角度去谈测试的方法，也可以说是测试的分类，当然如果是严格意义上的测试分类又有很多（例如以是否测试代码：黑盒，白盒，灰盒；是否运行：静态测试，动态测试等等） 那单元测试的定义是什么？ 单元测试是对软件中的最小单元进行测试和验证，通俗来讲就是代码中的一个函数或一个类，单元测试一定是白盒测试。 为什么提到测试金字塔，因为单元测试不仅是测试阶段的第一环，也是测试金字塔的基础，那代表着什么？ 从重要程度来说，单元测试作为地基，承担着保证稳定性的作用，最终决定整个软件质量的不是功能完整，功能实现没有问题，而是实现功能的代码逻辑是否正确，程序是否健壮 从开发测试成本来说，我们知道在开发测试整个环节，越晚发现问题，解决问题的成本越高；越晚发现问题，代表着测试开发流程要不断重复

以下方法均在python解释器中进行了测试，读者复制代码时，记得去掉注释符。 #!/usr/bin/env python # -*- coding: utf-8 -*- # ******************************一：函数的定义和目的****************************** # 函数的格式如下： # def 函数名(参数1，参数2，参数3....参数n): # 函数体 #定义： # 1："def"为函数的开始，在声明建立函数时一定要用def;def所在的这一行被称为函数头； # "test"为函数名称，注意名称最好要有一定意义，比如可以从名称看出来函数作用； # "(a,b)"为参数列表，通常称为形参； # ":"注意冒号，表示函数头结束； # 2: "c = a + b"从这一行起就是函数体，函数体是缩进了4个空格的代码块 # 3："return" 是函数的关键字，意思是返回一个值；return作用：1：返回一个值；2：结束函数的运行，并返回到调用这个函数的地方 # 4:"res = add_fun(2,3)"调用函数，并传入两个参数（实参） # def add_fun(a,b): # c = a + b # return c # res = add_fun(2,3) # 目的： # 1：降低编程难度 2：代码重用 3：实现特定功能 # *

在说逻辑回归前，还是得提一提他的兄弟，线性回归。在某些地方，逻辑回归算法和线性回归算法是类似的。但它和线性回归最大的不同在于，逻辑回归是作用是分类的。 还记得之前说的吗，线性回归其实就是求出一条拟合空间中所有点的线。逻辑回归的本质其实也和线性回归一样，但它加了一个步骤，逻辑回归使用sigmoid函数转换线性回归的输出以返回概率值，然后可以将概率值映射到两个或更多个离散类。 如果给出学生的成绩，比较线性回归和逻辑回归的不同如下： 线性回归可以帮助我们以0-100的等级预测学生的测试分数。线性回归预测是连续的（某个范围内的数字）。 Logistic回归可以帮助预测学生是否通过。逻辑回归预测是离散的（仅允许特定值或类别）。我们还可以查看模型分类背后的概率值。 一.从回归到分类的核心 --Sigmoid Function 之前介绍线性回归的时候，它的函数是这样样子的： h(x)=θ0 + θ1 * x1 + θ2 * x2 + θ3 * x3 ... 但这样的函数是没办法进行分类的工作的，所以我们要借助一下其他函数，那就是Sigmoid Function。 我们先来看看这个Sigmoid Function长什么样，Sigmoid Function的数学公式是这样子的： 如果表示在平面坐标轴上呢，那它长这个样子。 这个Sigmoid Function可以将线性的值，映射到[0-1]这个范围中

2.5 LEFT JOIN查询 该测试主要用于测试LEFT JOIN与JOIN的处理逻辑上的差异，具体查询处理逻辑如下所示： JOIN:prepare阶段 setup_tables()：同2.1测试。 setup_fields()：同2.1测试。 setup_conds()：同2.4测试。 JOIN:optimize阶段 simplify_joins()：类似2.4测试。不同之处在于由于LEFT JOIN 使用的数据表不能为 NULL表，这是由是否有where条件过滤决定的。所以该过程会将LEFT JOIN外链接查询转化为多表联合查询操作，从而忽略LEFT JOIN的链接操作。 optimize_cond()：同2.1测试。 make_join_statistics()：同2.4测试。 choose_plan()：同2.1测试。 greedy_search()：同2.1测试。 best_extension_by_limited_search()：同2.4测试。 get_best_combination()：同2.4测试。 JOIN:exec阶段 以下同2.4测试。 Left join 嵌套（ join ）查询 ， 执行SQL： SELECT student.std_id, std_name, std_spec, std_***, std_age, cur_name, cur

2、复合查询 在进行复合查询时，为了体现外连接（left join、right join）和一般联合查询的区别，对student表增加了几条记录，而这几条记录在std_cur和course中都没有对应的记录。 2.1 多表联合查询 多表联合查询的逻辑处理过程如下所示： JOIN:prepare阶段 setup_tables()：对查询涉及的表，逐个查看是否存在，设置变量相应的值，为查询准备。 setup_fields()：对查询的字段进行检查，不同于之前1.1的检查，该过程中如果不指定具体数据表的字段的话，将会对所有查询的数据表进行检查。 setup_conds()：检查查询的where条件中字段是否存在，同样如果不指定具体数据表的字段，将会对所有查询的数据表进行检查。(sql_base.cc:8379) JOIN:optimize阶段 simplify_joins()：如果可以将外连接简化为内连接处理，那么简化为内连接处理。此外，如果查询为内连接或者外连接查询使用的表拒绝 NULL值，那么将ON条件添加到where条件中，将表的连接操作转化为联合查询处理。在该测试中，由于没有显示的JOIN ON操作，因此不做以上处理。 optimize_cond()：优化查询的where条件，对等值条件调用build_equal_items()（sql\sql_select.cc:8273

SystemVerilog是一种 硬件描述和验证语言 （HDVL），它 基于IEEE1364-2001 Verilog硬件描述语言（HDL），并对其进行了扩展，包括扩充了数据类型、结构、压缩和非压缩数组、 接口、断言等等 ，这些都使得 SystemVerilog在一个更高的抽象层次上提高了设计建模的能力 。SystemVerilog由Accellera开发，它 主要定位在芯片的实现和验证流程上，并为系统级的设计流程提供了强大的连接能力 。下面我们从几个方面对SystemVerilog所作的增强进行简要的介绍，期望能够通过这个介绍使大家对SystemVerilog有一个概括性的了解。 1. 接口（Interface） Verilog模块之间的连接是通过模块端口进行的。为了给组成设计的各个模块定义端口，我们必须对期望的硬件设计有一个详细的认识。不幸的是，在设计的早期，我们很难把握设计的细节。而且，一旦模块的端口定义完成后，我们也很难改变端口的配置。另外，一个设计中的许多模块往往具有相同的端口定义，在Verilog中，我们必须在每个模块中进行相同的定义，这为我们增加了无谓的工作量。 SystemVerilog提供了一个新的、高层抽象的模块连接，这个连接被称为 接口（ Interface ） 。接口在关键字 interface 和 endinterface 之间定义，它独立于模块

在实际的开发需求可能会遇到一些无法用蓝图实现的功能，或者实现起来比较麻烦，更或者是一些长期不动的逻辑而不想创建在蓝图中，那么就需要将一些逻辑写在C++里，这些逻辑可能是比如玩家的Input，基本上不会变的，可以写在C++里，今天我来创建一个获取本地时间的一个蓝图函数，首先创建一个C++ Class为Blueprint Library，创建好后，在头文件的GENERATED_BODY()下创建一个函数，代码如下： UFUNCTION ( BlueprintCallable , BlueprintPure , Category = "MDSBPLibrary" ) static FString GetCurrentOSTime ( int32 & MilliSeconds , int32 & Seconds , int32 & Minutes , int32 & Hours12 , int32 & Hours24 , int32 & Day , int32 & Month , int32 & Year ); 然后在CPP中写入以下代码： FString UMDSBPLibrary :: GetCurrentOSTime ( int32 & MilliSeconds , int32 & Seconds , int32 & Minutes , int32 & Hours12 , int32