简单手写VUE响应式原理--助你更快理解响应式

文章探讨了响应式编程的概念,解释了当数据层改变时如何自动刷新视图层。它通过观察用户对对象属性的修改,记录这种关联,并在数据变化时触发对应的更新函数,实现数据和视图的同步。

需求背景:

        为什么数据层改变后,视图层不刷新呢?

        我能不能做到改变数据的同时,视图自己也更新呢?

        ...

随着这些疑问的产生,响应式应运而生。

顾名思义,响应式就是根据你产生的行为,及时的对你的这些行为做出回应。

那这个过程是如何做到的呢?

第一步:观察。

        用户定义一个对象 obj.age=1,

        同时用户定义了一个改变obj.age 属性值的函数

        但是每次用户都不一样,我们就需要观察

        每次修改obj.age的时候使用该函数触发,那么他们就产生了关联。

        我们通过观察的过程发现的

第二步:记录关联

        它们产生关联后,我们需要在系统能登记,要不然,谁来证明他们有关联的呢对吧?

        并且此时我们需要obj.age发生变化时,我们可以准确匹配到对应关联的函数

第三步:

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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