2024年Web前端最全R语言基础期末大作业，一个前端妹子的面试笔记

紧跟潮流

大前端和全栈是以后前端的一个趋势，懂后端的前端，懂各端的前端更加具有竞争力，以后可以往这个方向靠拢。

这边整理了一个对标“阿里 50W”年薪企业高级前端工程师成长路线，由于图片太大仅展示一小部分

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

环节二： 编写一个函数，以自己的姓名命名，其中函数中的形式参数n是该函数的一个数值型参数，该函数用于打印1~n之间的水莲花数。调用此函数，打印出1000以内的水莲花数。（水莲花数又称阿姆斯特朗数，水仙花数是指一个整数，它的每个位上的数字的3次幂之和等于它本身。例如1^3 + 5^3+ 3^3 = 153）。此环节分值为：15分。注意：不使用自己名字作为函数名不得分。

代码：

运行截图：

环节三：以stackloss数据集中的stack.loss为因变量，分别得出对其他三个自变量的线性回归模型。创建一个2*2的画布，画出三个线性回归模型，要求每幅图中主标题为自己的姓名+因变量~自变量。针对每一个线性模型，自定义数据，封装后预测其值，并计算95%的置信区间。此环节分值为：30分。注意：不使用自己信息作为线性模型可视化标题不得分。

代码：

运行截图：

环节四：对iris数据集进行预处理，将数据集随机分为训练数据集和测试数据集，其中训练数据集占比80%，测试数据集占比20%。

对训练数据集使用朴素贝叶斯进行分类，构建分类器模型，其中分类器模型名字以自己名字命名。用测试数据集进行分类器的预测，并用混淆矩阵验证此朴素贝叶斯分类器的正确率。

对训练数据集构建决策树模型进行分类，决策树模型用自己名字+学号后三位命名，将构建出的决策树作图画出。用测试数据集进行决策树的预测并用混淆矩阵验证决策树分类的正确率。

对训练数据集构建支持向量机进行分类，构建SVM模型并用自己名字+学号后四位命名，用测试数据集进行预测并使用混淆矩阵验证构建出的SVM模型正确率。

总结

我在成长过程中也是一路摸爬滚打，没有任何人的指点，所以走的很艰难。例如在大三的时候，如果有个学长可以阶段性的指点一二，如果有已经工作的师兄可以告诉我工作上需要什么，我应该前面的三年可以缩短一半；后来去面试bat，失败了有5、6次，每次也不知道具体是什么原因，都是靠面试回忆去猜测可能是哪方面的问题，回来学习和完善，当你真正去招人的时候，你就会知道面试记录是多么重要，面试官可以从面试记录里看到你的成长，总是去面试，总是没有成长，就会被定义为缺乏潜力。

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

4830402686)]
[外链图片转存中…(img-Ue6ASlFc-1714830402687)]