android框架_xxx.prop编译顺序及原理_007

xxx.prop编译顺序及原理
格式 key = value

xxx.prop
ADDITIONAL_DEFAULT_PROPERTIES
展开,如键重复取第一次取到的,后面重复的就忽略,通常定义 ro.zygote 之类的特别重要属性

PRODUCT_DEFAULT_PROPERTY_OVERRIDES
紧跟在 ADDITIONAL_DEFAULT_PROPERTIES 之后,优先级靠后

由于这两个规则是取第一次取到的,因此先定义优先级最高。

ADDITIONAL_BUILD_PROPERTIES
同样是重复时先定义先有效

PRODUCT_PROPERTY_OVERRIDES
这个紧跟在 ADDITIONAL_BUILD_PROPERTIES 之后,就是说其优先级比较低

PRODUCT_OEM_PROPERTIES
默认有3个值不能被定义,会被滤掉ro.product.brand \ ro.product.name \ ro.product.device
 

最后定义在 

PRODUCTS.device/yunovo/magc6580_we_l_y/yunovo_magc6580_we_l.mk.PRODUCT_PROPERTY_OVERRIDES 

这样的完整属性只有两个,一个是PRODUCT_PROPERTY_OVERRIDES

一个是 PRODUCT_PROPERTY_OVERRIDES
一个是 PRODUCT_DEFAULT_PROPERTY_OVERRIDES
其余的 ADD 开头的没有定义到特别属性里


生效规则:
PRODUCT_OEM_PROPERTIES 导入单独文件
并在原文件最后一行添加 import /oem/oem.prop $(prop)


首先插入 TARGET_BUILD_TYPE 等动态决定的值,比如时间等,这个是由Makefile里echo动态写入的
其次插入 ADDITIONAL_BUILD_PROPERTIES 值,一样通过 echo动态插入
其次处理 INSTALLED_ANDROID_INFO_TXT_TARGET 文件特殊值追加到最后


最后滤掉 PRODUCT_SYSTEM_PROPERTY_BLACKLIST 定义的黑属性

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码主要用于对输入数据进行三种不同的模型拟合,然后计算模型系数并进行比较和分析。具体每行代码的含义如下: ``` python linear_fit = LinearRegression().fit(x, y) ``` 使用线性回归模型对输入数据 x 和 y 进行拟合,并将拟合结果保存在 linear_fit 变量中。 ``` python logit_fit = LogisticRegression().fit(x, y.ravel()) ``` 使用逻辑回归模型对输入数据 x 和 y 进行拟合,并将拟合结果保存在 logit_fit 变量中。需要注意的是,这里将 y 转换为一维数组,以满足逻辑回归模型的输入要求。 ``` python prob_fit = GaussianNB().fit(x, y.ravel()) ``` 使用高斯朴素贝叶斯模型对输入数据 x 和 y 进行拟合,并将拟合结果保存在 prob_fit 变量中。同样需要将 y 转换为一维数组。 ``` python coef_mat = np.column_stack((prob_fit.theta.T, logit_fit.coef_, linear_fit.coef_)) ``` 将三种模型的系数按列方向拼接成一个矩阵 coef_mat,并将其保存在变量中。其中,prob_fit.theta.T 表示高斯朴素贝叶斯模型的均值向量,logit_fit.coef_ 表示逻辑回归模型的系数向量,linear_fit.coef_ 表示线性回归模型的系数向量。 ``` python print(coef_mat) ``` 输出拼接后的系数矩阵 coef_mat,用于查看模型系数的取值。 ``` python prop_mat = np.column_stack((prob_fit.theta_.T / logit_fit.coef_, prob_fit.theta_.T / linear_fit.coef_, logit_fit.coef_ / linear_fit.coef_)) ``` 计算三种模型系数之间的比例,并将比例矩阵 prop_mat 保存在变量中。其中,prob_fit.theta_.T 表示高斯朴素贝叶斯模型的方差向量,用于计算与其他模型系数的比例。 这段代码主要用于分析和比较三种不同的模型在给定数据上的表现,并通过系数比例来进一步分析模型的特点和差异。

“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