VSCodeUserSetup-x64-1.47.3 使用

  1. 下载: https://code.visualstudio.com/
    在这里插入图片描述
    在这里插入图片描述

  2. 安装
    2.1 接受协议
    在这里插入图片描述

2.2 可以更换安装地址
在这里插入图片描述
在这里插入图片描述

下一步 , 安装就可以了
环境变量会配置好
在这里插入图片描述

  1. vscode 打开方式
    3.1直接快捷键打开模式

在这里插入图片描述

3.2命令行打开
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. 命令面板
    在vscode中输入ctrl+shift+p
    在这里插入图片描述

  2. 代码编辑快捷键

         快速格式化: alt+shift+f
         复制当前行代码:alt+shift+ 上下箭头
         单行注释: ctrl+/
         块注释:  选中后  alt+shift+a
         删除代码: 光标所在行ctrl+shift+k
         移动到行首:home(笔记本若home与←共用,按住fn+home)
         移动到行尾:end笔记本若home与→共用,按住fn+end)
         移动到文档的开头和末尾:fn +↑   或者fn+↓
         回到光标上次的位置: ctrl+u 
         批量修改变量名: 按住alt键,逐一点击你要修改的变量名,然后你是加1,还是怎么操作。
                  ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200804175050927.png)
    

在这里插入图片描述
在这里插入图片描述
也可以选中你要统一操作的块,然后alt+shift+i ,也可以批量操作

  1. 插件

汉化:

在这里插入图片描述


自动重命名标签

在这里插入图片描述

主题

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
运行js 的方式一:
在这里插入图片描述
在这里插入图片描述
若出现如上错误,

  1. 安装上node.js :https://nodejs.org/en/
  2. 如下图这样执行“在这里插入图片描述
    运行js 的方式二:
    安装插件 :
    在这里插入图片描述
    在这里插入图片描述

打开在浏览器

在这里插入图片描述
在这里插入图片描述

项目管理

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

本地服务器:

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

若做服务器端开发的时候,真机测试必须使用http协议方式访问


**

vscode icon

**
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述


**

快速对类和函数注释 按两次ctrl+alt+d

**

在这里插入图片描述
在这里插入图片描述


支持sql语句

在这里插入图片描述
项目中新建一个.sql 文件,当打开时,会让你安装mysql 扩展,直接install就可以
在这里插入图片描述
再次在刚的.sql文件中,输入insert 后就会看到如下效果:
在这里插入图片描述


gitignore

: git中使用 ,一般情况下git会将整个项目提交,若有不想提交的需要手动添加文件路径到新建的.gitignore 中,若安装这个这个插件可以直接选择文件后,加入到.gitignore 中
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

引入文件分析:计算文件的大小

在这里插入图片描述

快速将截图粘贴到markdown文件

在这里插入图片描述
代码片段 :事先定义一堆代码,然后通过一个关键字触发这段代码 简写
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

用的时候直接写log,选择你的那个描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
vue 代码高亮
在这里插入图片描述

  • 4
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
三类样本如下: 类别1:(-0.42,0.58,0.089)、(0.27,-0.45,-0.087)、(-0.39,0.17,-0.901)、(-0.13,0.31,0.61)、(-0.41,0.12,0.81)、(0.16,0.09,0.61)、(-0.23,0.15,0.057)、(0.27,0.3,0.87)、(-0.16,-0.07,0.21)、(-0.04,-0.17,0.81) 类别2:(-0.72,-0.82,-0.69)、(-1.47,-1.38,-0.12)、(0.18,-0.11,-0.77)、(-0.11,-0.3,-0.22)、(-0.46,-0.03,-0.22)、(-0.08,-0.23,-0.11)、(0.31,-1.08,-0.32)、(0.0,-0.13,-0.34)、(-0.43,-0.52,0.65)、(0.09,-0.21,0.05) 类别3:(1.22,1.27,0.89)、(0.69,1.27,0.99)、(1.03,0.94,0.55)、(1.16,1.03,0.64)、(0.51,0.39,-0.49)、(1.19,0.79,-0.03)、(0.49,0.99,0.91)、(0.99,0.87,1.18)、(0.59,0.63,0.27)、(1.0,0.61,0.68) 根据Fisher线性判决的原理,我们需要进行以下步骤: 1. 计算每一类样本的均值向量和协方差矩阵 2. 计算总体均值向量和总体协方差矩阵 3. 计算投影向量w 4. 对测试样本进行分类 代码如下: import numpy as np import matplotlib.pyplot as plt # 定义三类样本 class1 = np.array([[-0.42,0.58,0.089],[0.27,-0.45,-0.087],[-0.39,0.17,-0.901],[-0.13,0.31,0.61],[-0.41,0.12,0.81],[0.16,0.09,0.61],[-0.23,0.15,0.057],[0.27,0.3,0.87],[-0.16,-0.07,0.21],[-0.04,-0.17,0.81]]) class2 = np.array([[-0.72,-0.82,-0.69],[-1.47,-1.38,-0.12],[0.18,-0.11,-0.77],[-0.11,-0.3,-0.22],[-0.46,-0.03,-0.22],[-0.08,-0.23,-0.11],[0.31,-1.08,-0.32],[0.0,-0.13,-0.34],[-0.43,-0.52,0.65],[0.09,-0.21,0.05]]) class3 = np.array([[1.22,1.27,0.89],[0.69,1.27,0.99],[1.03,0.94,0.55],[1.16,1.03,0.64],[0.51,0.39,-0.49],[1.19,0.79,-0.03],[0.49,0.99,0.91],[0.99,0.87,1.18],[0.59,0.63,0.27],[1.0,0.61,0.68]]) # 计算每一类样本的均值向量和协方差矩阵 mean_class1 = np.mean(class1, axis=0) mean_class2 = np.mean(class2, axis=0) mean_class3 = np.mean(class3, axis=0) cov_class1 = np.cov(class1.T) cov_class2 = np.cov(class2.T) cov_class3 = np.cov(class3.T) # 计算总体均值向量和总体协方差矩阵 total_mean = np.mean(np.concatenate((class1, class2, class3), axis=0), axis=0) total_cov = np.cov(np.concatenate((class1, class2, class3), axis=0).T) # 计算投影向量w Sw = cov_class1 + cov_class2 + cov_class3 w = np.dot(np.linalg.inv(Sw), (mean_class1 - mean_class2 + mean_class3)) # 对测试样本进行分类 x1 = np.array([-0.7, 0.58, 0.089]) x2 = np.array([0.047, -0.4, 1.04]) g1 = np.dot(w.T, x1) - np.dot(w.T, total_mean) g2 = np.dot(w.T, x2) - np.dot(w.T, total_mean) if g1 > g2: print("x1属于类别1") else: print("x1属于类别2") if g2 > g1: print("x2属于类别2") else: print("x2属于类别1") # 画出图像 plt.scatter(class1[:, 0], class1[:, 1], color='r', label='class1') plt.scatter(class2[:, 0], class2[:, 1], color='b', label='class2') plt.scatter(class3[:, 0], class3[:, 1], color='g', label='class3') plt.plot([-w[1], w[1]], [w[0], -w[0]], color='k', label='Fisher') plt.legend() plt.show()

“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