从零开始的前端需求实现记录 - 地图聚合(前言)

概述:本文章主要记录通过 高德地图 JS API 实现在 vue 环境下 地图的聚合效果

一,需求概述

项目中有个数据大屏的数据地图,要求在会根据地图缩放聚合内容。(PS:前端和后端看了都流泪)

二,开发环境

"node":"v14.17.1",

"vue": "2.5.17",

"webpack": "4.16.5",

"element-ui": "2.13.2",

"mockjs": "^1.1.0",

"vue-amap": "^0.5.10",

三,高德地图 JS API

本章介绍使用高德地图 JS API 开发地图应用之前的一些准备工作。

注册账号并申请Key

1. 首先,注册开发者账号,成为高德开放平台开发者

2. 登陆之后,在进入「应用管理」 页面「创建新应用」

3. 为应用添加 Key,「服务平台」一项请选择「 Web 端 ( JSAPI ) 」,设置域名白名单,可选(建议设置域名白名单)。

4. 添加成功后,可获取到key值安全密钥jscode自2021年12月02日升级,升级之后所申请的 key 必须配备安全密钥 jscode 一起使用)

注意:此次升级不会影响之前已获得 key 的使用;升级之后的新增的key必须要配备安全密钥一起使用,具体用法请您参看下文《JSAPI key和安全密钥设置和使用》(本次key升级新增安全密钥,是为了提升广大用户的对自己的key安全有效管理,降低明文传输被窃取的风险 。)

四,vue-amap

npm 安装

推荐 npm 安装。

npm install vue-amap --save

CDN

目前可通过 unpkg.com/vue-amap 获取最新版本的资源。

<script src="https://unpkg.com/vue-amap/dist/index.js"></script>

关于vue-amap的文档

官方文档地址: vue-amap文档https://elemefe.github.io/vue-amap/#/zh-cn/introduction/install

(PS:本人CV手癌多年,直接跳过前面内容的时候看到点聚合这一块的内容,发现vue-amap官方文档的内容让人一言难尽  --- 截图时间 :2022.1.6)

 经过不懈的搜索终于发现了一份带有示例的vue-amap文档

1.9.2.1 点坐标 – 聚合 - vue-amap 中文文档 - 文江博客引入插件 import VueAMap from 'vue-amap'; VueAMap.initAMapApiLoader({ key: 'YOUR C…https://www.wenjiangs.com/doc/quoe2pxv

(PS:示例代码CV就能跑)

五,需求分析

正片内容:本项目的需求实现偏向与下列示例

按索引聚合-海量点标记-示例中心-JS API 2.0 示例 | 高德地图API高德开放平台官网https://lbs.amap.com/demo/jsapi-v2/example/mass-markers/marker-indexcluster2

根据省和市的分化索引对地图的缩放进行聚合,

所以本文的工作主要为解构示例中原生代码结构并向vue-amap迁移逻辑

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
从零开始实现纵向联邦学习算法,我们可以按照以下步骤进行操作: 1. 获取数据集:首先,我们需要获取用于训练和测试的数据集。你可以从公开的数据集中获取数据,比如Boston Housing数据集。 2. 数据集切分:将获取到的数据集切分为纵向联邦的形式。这意味着将数据集分成多个部分,分配给不同的参与方,每个参与方只能访问自己分配到的数据。 3. 数据输入:在联邦学习中,每个参与方需将自己的数据提供给联邦学习平台。参与方可以使用FATE平台提供的API将数据输入到平台中。 4. 样本对齐:在纵向联邦学习中,不同参与方的数据可能存在差异。为了进行联邦学习,需要进行样本对齐,即确保不同参与方的数据在特征上保持一致。可以使用特征对齐的方法来实现样本对齐。 5. 模型训练:在联邦学习中,可以使用线性回归等模型来进行训练。每个参与方使用自己的数据进行模型训练,然后将训练好的模型参数上传到联邦学习平台上。平台会进行模型聚合,得到全局的模型参数。 6. 模型评估:在联邦学习中,模型评估是一个重要的步骤。可以使用测试集来评估训练好的模型在新数据上的性能。可以计算模型的准确率、均方误差等指标来评估模型的表现。 通过以上步骤,就可以从零开始实现纵向联邦学习算法。利用FATE平台,可以更加方便地进行数据切分、数据输入、样本对齐、模型训练和模型评估等操作。希望这个回答对你有帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值