AS3常识

75 篇文章 0 订阅

数据类型概述 
简单数据类型 
Boolean(布尔)、int(有符整型)、Number(浮点)、String(字符串)、uint(无符整型) 
复杂数据类型 
Array(数组)、Date(日期)、Error(异常)、Function(函数)、RegExp(正则表达)、XML、XMLList 

基础数据类型 
1.布尔值 Boolean(初始化为false) 
2.数字:int uint Number 
int  有符号32位整数 -2(31次方) -  +(2(31次方)-1) 
uint 无符号32位整数 0 -  2(32次方)-1 
Number 64位浮点 
能用整数优先用int uint,有正负之分,用int。只处理整数,用uint,有小数,用Number。 



Null、NaN、undefined及各自应用对象:变量的默认值 
数据类型        默认值 
int             0 
uint            0 
Number          NaN 
String          null 
Boolean         false 
Array           null 
Object          null 
没声明          undefined 
*               undefined 



typeof、is、as 
typeof,用字符串返回对象类型,格式: typeof(对象) 
is    ,判断操作符左边的对象是否属于右边的类型,返回值为Boolean,格式:  对象 is 数据类型 
as    ,判断操作符左边的对象是否属于右边的类型,属于则返回数据,不属于则返回null,格式: 对象 as 数据类型 
typeof对象类型与返回结果对照表 
对象类型                返回结果 
Array                   object 
Boolean                 boolean 
Function                function 
int                     number 
Number                  number 
Object                  object 
String                  string 
uint                    number 
XML                     xml 
XMLList                 xml 

in
in    ,判断操作符左边的对象是否作为右边对象中的键(Key)或索引,返回值为Boolean 
比如: 
var a:Array = ["q","w","e"]; 
trace(2 in a);  //数组中有索引2,返回true 
trace(3 in a);  //数组中没有索引3,返回false 

形式参数数组 
函数中默认自动生成的arguments对象中保存有所有定义中的形参参数 
AS2.0中的arguments数组形参对象,存放所有传入的不定个数的形参参数。 
而在AS3.0中,argument则被严格限定存放形参定义中所定义个数的形参。 
arguments对象有一个length属性和一个callee方法。 
function 函数名(形参:数据类型,形参:数据类型){ 
        trace(arguments.length) 
        arguments.callee 
        //调用函数本体,一般用于创建递归 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
import pandas as pd from sklearn import metrics from sklearn.model_selection import train_test_split import xgboost as xgb import matplotlib.pyplot as plt # 导入数据集 df = pd.read_csv("./data/diabetes.csv") data=df.iloc[:,:8] target=df.iloc[:,-1]   # 切分训练集和测试集 train_x, test_x, train_y, test_y = train_test_split(data,target,test_size=0.2,random_state=7) # xgboost模型初始化设置 dtrain=xgb.DMatrix(train_x,label=train_y) dtest=xgb.DMatrix(test_x) watchlist = [(dtrain,'train')] # booster: params={'booster':'gbtree',         'objective': 'binary:logistic',         'eval_metric': 'auc',         'max_depth':5,         'lambda':10,         'subsample':0.75,         'colsample_bytree':0.75,         'min_child_weight':2,         'eta': 0.025,         'seed':0,         'nthread':8,         'gamma':0.15,         'learning_rate' : 0.01} # 建模与预测:50棵树 bst=xgb.train(params,dtrain,num_boost_round=50,evals=watchlist) ypred=bst.predict(dtest)   # 设置阈值、评价指标 y_pred = (ypred >= 0.5)*1 print ('Precesion: %.4f' %metrics.precision_score(test_y,y_pred)) print ('Recall: %.4f' % metrics.recall_score(test_y,y_pred)) print ('F1-score: %.4f' %metrics.f1_score(test_y,y_pred)) print ('Accuracy: %.4f' % metrics.accuracy_score(test_y,y_pred)) print ('AUC: %.4f' % metrics.roc_auc_score(test_y,ypred)) ypred = bst.predict(dtest) print("测试集每个样本的得分\n",ypred) ypred_leaf = bst.predict(dtest, pred_leaf=True) print("测试集每棵树所属的节点数\n",ypred_leaf) ypred_contribs = bst.predict(dtest, pred_contribs=True) print("特征的重要性\n",ypred_contribs ) xgb.plot_importance(bst,height=0.8,title='影响糖尿病的重要特征', ylabel='特征') plt.rc('font', family='Arial Unicode MS', size=14) plt.show()请问怎样设置这个代码的参数才合理,并且帮我分析一下哪里出了问题
最新发布
07-07

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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