nginx部署前端

最新推荐文章于 2024-05-15 11:39:35 发布
置顶 最新推荐文章于 2024-05-15 11:39:35 发布
阅读量2.2k 收藏 10
点赞数 5
分类专栏： 应用技巧 文章标签： vue nginx 前端部署
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/douzhenwen/article/details/116070418
版权
本文介绍了在Windows 10操作系统上，如何使用nginx部署Vue前端项目的详细步骤。首先，从官方地址下载并启动nginx服务。接着，编译Vue项目，通过修改配置文件使静态文件生成在pdf目录中。然后，将编译后的静态文件移动到nginx的html目录，并配置nginx.conf以指向pdf目录。最后，重新加载配置并访问http://localhost/pdf/以确认部署成功。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

部署环境：win10

第一步：nginx下载

下载地址：http://nginx.org/en/download.html

nginx文件目录

点击nginx.exe启动程序开启nginx，默认端口为80

成功访问：http://localhost/

第二步：编译前端项目

前端采用vue框架进行开发，将项目编译成静态文件【html、css、js】

vue项目目录结构

修改位置1：config/index.js

vue默认打包生成的静态文件存放在dist目录中，修改配置将dist目录重命名

最低0.47元/天 解锁文章
ML之Scorecard：风控场景之金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡之详细攻略风控场景之金融评分卡模型之利用LoR模型权重变量系数正负符号结合p-value/P值大小实现变量筛选
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
06-19 2126
ML之FE：风控场景之金融评分卡模型之利用LoR模型权重变量系数正负符号结合p-value/P值大小实现变量筛选目录利用LoR模型权重变量系数正负符号结合p-value/P值大小实现变量筛选1、先根据LoR模型中各变量系数符号(而非大小)实现变量筛选1.1、在评分卡模型中，如何根据LoR模型中各特征的权重系数进行特征筛选1.2、变量系数的正负问题分析2、再根据p-value/P值进行变量筛选 如果所有变量的系数，均为正数，则模型有效； 如果有一些变量的系数，出现了负数，则说明有一些
评分卡模型开发-基于逻辑回归的标准评分卡实现
热门推荐
Erin的博客
08-03 5万+
由逻辑回归的基本原理，我们将客户违约的概率表示为p，则正常的概率为1-p。因此，可以得到： 此时，客户违约的概率p可表示为： 评分卡设定的分值刻度可以通过将分值表示为比率对数的线性表达式来定义，即可表示为下式： 其中，A和B是常数。式中的负号可以使得违约概率越低，得分越高。通常情况下，这是分值的理想变动方向，即高分值代表低风险，低分值代表高风险。 逻辑回归模型计算比率如下所示：
逻辑回归-评分卡模型
自我成长-博客
08-24 2652
【逻辑回归】 在建立评分模型时，我们通过使用逻辑回归进行建立模型对数据进行训练，模型给出一个分类好坏客户的一个概率值；并不是评分卡的分值。 【评分卡定义】 评分卡中好坏客户的定义，假设通过历史数据定义，近1年逾期次数为大于等于M2词作为违约客户，则将好坏客户通过数学公式表示。 假设P为坏客户的概率，则1-P则为好客户概率。 【逻辑回归–公式】 坏客户概率计算公式 好客户概率计算公式 好...
逻辑回归模型结果转为标准评分卡Ⅰ
L.Z.的博客
03-20 2万+
    在建立评分卡模型时，我们经常会使用逻辑回归来对数据进行建模。但在用逻辑回归进行预测时，逻辑回归返回的是一个概率值，并不是评分卡分数。下面为大家介绍如何将模型结果转换为标准评分卡。 1.评分卡定义 已知坏用户的概率为： 好用户的概率为： 我们可以计算好坏用户比值（坏用户与好用户之比，分子为坏用户），称为比率： 评分卡设定的分值刻度可以通过将分值表示为比率对数的线性表达式...
逻辑回归_评分卡分数转换
weixin_42471573的博客
05-24 2794
逻辑回归模型训练好后，我们需要把对每个变量的每个分箱（也就是数值段）转换成具体的分值，此文介绍分数的由来。
一：评分卡模型分数计算
qq_46137199的博客
02-07 4339
一：评分卡模型分数计算 公式 # odds计算公式 # 注意: 0为good, 1为bad odds = p/(1-p) # p为模型预测为bad的概率； odds越大，是bad的概率越高 # 由概率计算分数的公式 Score = A - B*log(odds, math.e) Score - PDO = A - B*log(2*odds, math.e) # 分数越高，bad概率越大 # 注意: PDO设置越大，对分数的影响越大 # 例如 odds：1/60 基准分数：400 PDO：40
LeetCode592——分数加减运算
weixin_43839163的博客
10-06 301
题目描述 给定一个表示分数加减运算表达式的字符串，你需要返回一个字符串形式的计算结果。 这个结果应该是不可约分的分数，即最简分数。 如果最终结果是一个整数，例如 2，你需要将它转换成分数形式，其分母为 1。所以在上述例子中, 2 应该被转换为 2/1。 示例 1: 输入:"-1/2+1/2" 输出: “0/1” 示例 2: 输入:"-1/2+1/2+1/3" 输出: “1/3” 示例 3: 输入:“1/3-1/2” 输出: “-1/6” 示例 4: 输入:“5/3+1/3” 输出: “2/1” 说明: 输入
DataScience：风控场景之金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡之详细攻略
06-19
评分卡通过将复杂的统计模型（如逻辑回归LoR）转换为直观的分数，使得决策者能快速评估客户的信用风险。以下是将逻辑回归模型结果转化为评分卡的详细步骤和知识点： 1. **评分卡模型的构建基础**： - 评分卡模型...
Python机器学习金融风控信用评分卡模型源码+数据，信用评分卡模型-逻辑回归模型
04-18
它通过将线性回归的输出转换为概率值，使得结果易于解释且符合信用评分卡的逻辑。 在项目文件夹`CREDIT_SCORING_CARD_MODEL-master`中，我们可以期待找到以下关键组成部分： 1. **data**: 这个文件夹通常包含训练...
逻辑回归评分卡分数映射
lc434699300的博客
03-31 3494
本文转自https://github.com/xsj0609/data_science/tree/master/ScoreCard 一、评分卡逻辑  　信贷业务评估的是客户的客户违约率（Percent of Default）即PD，是[0,1]的概率，比如2%即100个客户中有2个违约，简称为p。  　评分卡中不直接用客户违约率p，而是用违约概率与正常概率的比值，称为Odds，即 Odds=p1...
逻辑回归算法--根据两门考试成绩判断是否被录取
08-10
一个简单的案例，根据两门考试成绩来预测能否被学校录取。代码+数据
python大赛评分_python评分卡之分数计算
weixin_36440677的博客
12-28 3185
#计算分数函数def get_score(,woe,B):scores=[]for w in woe:score=round(*w*B,0)scores.append(score)return scores#根据变量计算分数def compute_score(series,cut,score):list = []i = 0while i < len(series):value = serie...
标准评分卡分数计算原理_学习评分卡Gini指标？这篇看完就够了！
weixin_42470359的博客
01-12 2344
一：模型分数效用指标对于训练出来的Score Model，需要一系列指标对Model进行关于稳定性、区分能力等效用来度量。2. GINI（基尼系数）KS指标理解起来很方便，运用场景也非常多，但大家对于Gini这个指标经常是一知半解。Gini系数是国际上通用的，用以衡量一个国家或地区居民收入差距的常用指标，所以，运用在评分模型中它也是表征评分模型的区分能力。Gini的计算公式（虽然我知道没几个人愿意...
评分卡-分数转换与推导（详细推导与应用）
ywj_1991的博客
04-15 7469
本文讲解评分卡的分数转换
逻辑回归与评分卡
weixin_45762552的博客
02-01 630
逻辑回归就是这样的一个过程：面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别）回归模型中，y是一个定性变量，比如y=0或1，logistic方法主要应用于研究某些事件发生的概率。
逻辑回归评分卡计算
Jacquelin_1的博客
09-27 1077
训练集 train = data[data.obs_mth != '2018-11-30'].reset_index().copy() 跨时间验证集 val = data[data.obs_mth == '2018-11-30'].reset_index().copy() 训练模型 x = train[feature_lst] y = train['bad_ind'] val_x = va...
用逻辑回归制作评分卡
lichengxiang的博客
03-05 2068
我们发现，不是所有的特征都可以使用这个分箱函数，比如说有的特征，像家人数量，就无法分出20组。于是我们将可以分箱的特征放出来单独分组，不能自动分箱的变量自己观察然后手写.接下来对所有特征按照选择的箱体个数和手写的分箱范围进行分箱。
6 逻辑回归评分卡
最新发布
weixin_34280060的博客
05-15 741
业务逐渐稳定后，人工审核是否会去掉 - 一般算法模型上线后，在高分段和低分段模型表现较好，中间的用户可能需要人工参与审核 - 模型表现越来越好之后，人工审核的需求会逐步降低，但不会去掉。② 前4箱的样本占总人数的20%，捕捉负样本占所有负样本的56.4%，如拒绝分数最低的20%的人，可以捕捉到56.4%的负样本。ROC曲线:描绘的是不同的截断点时，并以FPR和TPR为横纵坐标轴，描述随着截断点的变小，TPR随着FPR的变化。当这个用户非逾期的概率是逾期的概率的2倍时，加50分。
风控学习：基于逻辑回归构建一张简单的评分卡
zzpl139的博客
11-07 729
1.数据集来源为kaggle，因为是一个demo，且需要验证结果，所以仅取其训练集； 2.本项目主要为了说明构建一张简单的基于逻辑回归的评分卡（A卡，也就是贷前）的过程，所以省略了EDA的部分，仅仅做一个简单的流程说明
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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