js函数(2)

本文深入解析JavaScript中的箭头函数、自执行函数、回调函数、高阶函数及递归调用等概念,通过实例演示如何使用这些函数进行高效编程,同时介绍了数组分页的实现方法。

箭头函数

let a = (aa, bb) => aa + bb
等价于
function a (aa,bb){
        return aa+bb
}

自执行函数

只执行一次

(function () {
               console.log(111111111);
        })()
//回调函数:讲一个函数作为参数传入到另一个参数中执行
//高阶函数:参数为函数或者返回值为函数的函数成分为高阶函数 
        let a = function () {
            console.log();
        }

        function test(b) {
            b()
        }
        test(a)

递归调用

 function calc(n) {
            if (n === 1) return 1
            let res = n + calc(n - 1)
            return res
        }
        console.log(calc(20));

实现数组的分页

 let arr = []
  for (let i = 1; i < 102; i++) {
    arr.push(i)
 function getPageList(pageIndex, pageSize) {
 console.log('共有' + Math.ceil(arr.length / pageSize) + '页');
 let start = (pageIndex - 1) * pageSize //(页数-1)*每页的个数
 let end = start + pageSize //(页数-1)*每页的个数+每页的个数
   console.log(arr.slice(start, end));
 }
   console.log(getPageList(3, 6));

arguments.callee()//指向本函数,与函数名无关

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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