(function() {})();、XX=XX||{};的定义及作用!

最近做项目遇到了这个问题,顺便记录下来!

网上找了下资料理解理解,给出我的理解如下:

问题1:

(function() {})():这function() {}表示的是一个匿名函数,而()则包裹着function() {},()表示的是拥有最高级的优先执行权,即会优先执行function() {}这个匿名函数。最后的(),则表示的是执行完function() {}后,立即调用这个function() {}匿名函数。

比如:

如果function() {} 比作 function xx() {},()则表示xx(),即调用了定义后的xx函数。

案例:

(function(){
alert(0)
})();

结果:弹框显示0;

(function(){
alert(0)
});

结果:不弹框显示0;

问题2:

XX=XX||{};//表示声明一个叫XX的命令空间(定义一个全局变量--在javascript中,没有使用var声明的变量都被当成全局变量来处理)。

XX.kk=(function(){

XX.yy=function(){//声明一个叫XX.yy的命名空间(通过全局变量的增加属性的方式把闭包里的对象传到全局变量中,实现代码封装的效果

return "xxx";

};

var data1="";

(function(){

data1="xxx";

})();

return {data1:data1};

})();

-----------调用

alert(XX.yy());

alert(XX.kk.data1);

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
# -*- coding: utf-8 -*- """ Created on Fri Apr 23 21:10:25 2021 例题:我们把(2,0),(0,2),(0,0)这三个点当作类别1; (3,0),(0,3),(3,3)这三个点当作类别2, 训练好SVM分类器之后,我们预测(-1,-1),(4,4)这两个点所属的类别。 @author: Administrator """ import numpy as np from sklearn.svm import SVC import matplotlib.pyplot as plt data = np.array([[2,0,1],[0,2,1],[0,0,1],[3,0,2],[0,3,2],[3,3,2]]) x = np.array(data[:, 0:2]) y = np.array(data[:,2]) model = SVC(kernel='linear') model.fit(x,y) # ============================================================================= # print(model.dual_coef_) #决策函数中支持向量的系数 # print(model.coef_) #赋予特征的权重(原始问题中的系数)。这仅适用于线性内核 # print(model.intercept_) # 决策函数中的常量 # print(model.support_) #支持向量索引 # print(model.n_support_) #每一类的支持向量数目 print(model.support_vectors_) #支持向量 # ============================================================================= Cp = [[-1,-1],[4,4]] pre = model.predict(Cp) #对Cp中的点进行类别预测 print(pre) plt.scatter(x[:, 0], x[:, 1], c=y, s=30, cmap=plt.cm.Paired) # plot the decision function ax = plt.gca() xlim = ax.get_xlim() ylim = ax.get_ylim() # create grid to evaluate model xx = np.linspace(xlim[0], xlim[1], 30) yy = np.linspace(ylim[0], ylim[1], 30) YY, XX = np.meshgrid(yy, xx) xy = np.vstack([XX.ravel(), YY.ravel()]).T Z = model.decision_function(xy).reshape(XX.shape) # plot decision boundary and margins ax.contour(XX, YY, Z, colors='k', levels=[0], alpha=1, linestyles=['-']) # plot support vectors ax.scatter(model.support_vectors_[:, 0], model.support_vectors_[:, 1], s=100, linewidth=1, facecolors='none', edgecolors='k') plt.show()代码解释
最新发布
05-26

“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