6 Reactjs 不使用ES6

本文详细介绍了如何使用JavaScript类和create-react-class方法定义React组件,包括声明默认Props、设置初始化State以及方法自动绑定等内容。

通常情况下你可以用普通的 JavaScript 类定义一个组件:

class Greeting extends React.Component {

  render() {

    return <h1>Hello, {this.props.name}</h1>;

  }

}

如果你不使用 ES6 ,你可以使用 create-react-class 方法代替:

var createReactClass = require('create-react-class');

var Greeting = createReactClass({

  render: function() {

    return <h1>Hello, {this.props.name}</h1>;

  }

});

 

声明默认 Props

在函数和 ES6 classes(类) 中,defaultProps 被定义为组件本身的属性:

class Greeting extends React.Component {

  // ...

}

 

Greeting.defaultProps = {

  name: 'Mary'

};

 

在 createReactClass() 中,你需要在所传递的对象中定义 getDefaultProps() 方法:

var Greeting = createReactClass({

  getDefaultProps: function() {

    return {

      name: 'Mary'

    };

  },

  // ...

});

 

设置初始化 State(状态)

在 ES6 classes(类) 中,你可以在构造函数通过给 this.state 赋值来定义初始状态:

class Counter extends React.Component {

  constructor(props) {

    super(props);

    this.state = {count: props.initialCount};

  }

  // ...

}

 

在 createReactClass() 函数中,你可以提供一个指定的 getInitialState 方法来返回初始状态:

var Counter = createReactClass({

  getInitialState: function() {

    return {count: this.props.initialCount};

  },

  // ...

});

 

自动绑定

在以 ES6 classes(类) 方式声明的 React 组件中,方法遵循与普通 ES6 的 class 中相同的语义。也就是说方法不会自动绑定 this 到实例中,你必须在构造函数中显式的使用 .bind(this) :

class SayHello extends React.Component {

  constructor(props) {

    super(props);

    this.state = {message: 'Hello!'};

    // 将handleClick方法绑定到当前类,这样handleClick 的this就指向当前类了

    this.handleClick = this.handleClick.bind(this);

  }

 

  handleClick() {

    alert(this.state.message);

  }

  ...

}

在 createReactClass() 中,并不需要这么做,因为方法可以自动绑定。

var SayHello = createReactClass({

  getInitialState: function() {

    return {message: 'Hello!'};

  },

 

  handleClick: function() {

    alert(this.state.message);

  },

 

  render: function() {

    return (

      <button onClick={this.handleClick}>

        Say hello

      </button>

    );

  }

});

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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