WorkList

　　　　 让这两个select相互绑定，让roleOptions选取值后，worklist弹出得是roleOptions值 <el-select v-model="postForm.projectName" placeholder="请选择" @change="getList(postForm)"> <el-option v-for="item in roleOptions" :key="item.key" :label="item.label" :value="item.key"> </el-option> <el-select v-model="postForm" placeholder="请选择" value-key="id" @change="getList2(postForm)"> <el-option v-for="item in worklist" :label="item.productName" :value="item"> </el-option> 首先在created里面获取值，设res为null，传入getlist中； async created() { this.lastWorklist = await api_price_list({},this.queryParam); let res = null; this.getList(res) },

前言 上一篇写了推荐系统最古老的的一种算法叫协同过滤，古老并不是不好用，其实还是很好用的一种算法，随着时代的进步，出现了神经网络和因子分解等更优秀的算法解决不同的问题。 这里主要说一下逻辑回归，逻辑回归主要用于打分的预估。我这里没有打分的数据所以用性别代替。 这里的例子就是用歌曲列表预判用户性别。 什么是逻辑回归 逻辑回归的资料比较多，我比较推荐大家看刷一下bilibili上李宏毅老师的视频，这里我只说一些需要注意的点。 网络结构 逻辑回归可以理解为一种单层神经网络，网络结构如图： 激活函数选择 逻辑回归一般选sigmoid或者softmax 图的上半部分就是二元逻辑回归激活函数是sigmoid 图的下半部分是多元逻辑回归没有激活函数直接接了一个softmax 别问我啥是sigmoid啥是softmax，问就是百度。 损失函数选择 损失函数逻辑回归常用的有三种（其实有很多不止三种，自己查API喽）: binary_crossentropy categorical_crossentropy sparse_categorical_crossentrop 这里其实用binary更合适，但是我这里选的categorical_crossentropy，因为我懒得改了，而且我后面会做其他功能 梯度下降选择 梯度下降方式有很多，我这里选择随机梯度下降，sgd其实我觉得adam更合适，看大家心情了