用户头像
请先登录或注册

review 2022-12

生活 2022-12-28 15:40:59 #情绪 #生活 #大前端 #图片集 2666

重庆的疫情加上 11 月 26 日前后的动乱,当月末就有消息说全市高校都要大部分遣返。我原本是打算多呆一两天看看情况再回家,没想到在室友归心似箭的驱使下,学校刚发通知的那天晚上便光速打包打车返家了。

在学校最后几天的影像:

最后一顿饭:

最后一桶水:

最后一局斗地主:

润:

当晚推着两个箱子一个玩偶相当的狼狈,以至于没有精力拍照记录,便用开学时录的视频给行李参照一下。

 video/IMG_0928.mp4

                        

回到家的第一天:电脑水土不服。

不过图里的那句话蛮有意思的:电脑因出现问题而重新启动。请按一下按键,或等几秒钟以继续启动。         人生不也是如此,在不尽如意时不要陷入绝望。人生像植物一样,总会有一个无法避免的枯萎期,以为了来年更好的生长。

                        

串口开发

后几天,各市逐个宣布取消风控筛检,同时有消息说行程码将正式下线(最后于同月13日0时下线)。各地快递恢复正常,我也得以在5号拿到快递,正式开始串口调试工具的开发。

后面几天除了出门买点东西,基本都宅在家里。各地全面开放后阳的人属实太多了,想到其后遗症还是尽量避免吧。

                        

宅家

最近在看一部很喜欢的漫画,以至于莫名其妙就通宵达旦了。

以及圣诞氛围早早的开始:

无意买了几包桥头的小面预调料,味道出奇的不错。自从我高二之后便很少自己做饭了,怀恋之前驰骋厨界的日子。

太久没吃泡面,买了白象的老母鸡汤泡面当宵夜解馋,评价是重庆人吃面还是不能吃太清淡。

                        

🐑

没料到的是,吃完母鸡泡面睡到一半,便在凌晨五点浑身发烫被烧醒。用冰水湿敷后灌了一整瓶电解质水便又继续回床睡了,却不曾想一直到早上七点都没睡着。当时一直以为自己是流感,因为前些天家里爸妈都相继中招了。且在有症状的那天我爸测了抗原,我妈做了单检,皆是阴性。

所以他们双双安慰自己是流感,却不知道抗原通常在出现症状的一天后才易测出阳性,且如今大环境下变本加厉的核酸检测机构更是难以言说。

所以,在保护措施不当的环境下,全家喜提奥密克戎毒株。虽然我没打疫苗,但高烧也在当天便退了下去。

头两天是最难受的,浑身酸痛睡不好觉,好在清粥尚有食欲。

那几天嗓子犹如吞刀,冰的电解质水和草珊瑚片倒让我好受不少。

虽然重病但也不忘抢抗原。

听他人建议买了狗皮膏药试图缓解肌肉酸痛,评价是明显连着汗毛撕下时更痛。

来自我妈在奶嘴乐短视频平台看见的偏方,冰糖雪梨炖花椒。

                        

第四天,身体开始好转。

ok,病毒们尝尝这个。

最近基本都休息为主,没忙开发上的事情,便想着玩玩几年没碰的 Minecraft。

依然惬意。

                        

再往后,便已经可以出门溜达了,还去新房那监工了半天。

mini 版东方树叶还蛮可爱,喝起来很有桂林的记忆

说起来最近蛮喜欢喝绿茶,还搞了些雅安山顶上的毛峰和竹叶青,听当地人说竹叶青初春要卖到 4k 一斤,不知真假。

                        

圣诞节当晚,本来以为会顺利宅家安度,没想到当晚朋友突然驱车到楼下说聚一聚顺便一起去喝杯奶茶。

下图是她们在努力看清前面的路况.......

下图是真跟着她们驱车半小时去只喝了一杯奶茶......

                        

这两天拆了些快递,不得不夸一下养生堂桦树汁系列的产品。

know yourself 的帐本。

和可爱的小监工们!!!

                        

大前端

大前端开发方面,Svelte+Tailwind+daisyUI 真的很好使,狠狠地推荐一下!

当然,Svelte+Tailwind+Carbon Design System 会更有工业软件的味道:

顺带试了下前些天发布的 Sveltekit 1.0,重新设计了一个主页,开发起来也很得心应手。

                        

小学作业:线性回归

今天我妹突然来问我她的小学作业,题目如下:

通常根据既往数据简单预测未来数据,是用线性回归或指数平滑法建立模型,再使用模型进行预测。但小学很明显不会接触到这一点,加上我早把小学的知识忘得一干二净,也揣测不了出题老师的逻辑。但碍于顶着她清澈而愚蠢的目光,索性先让她找个收入差的众数加上了事,也就是 8000+1200=9200。

然后便用 JavaScript 写了一段基于趋势分析的线性回归模型解决代码:

// y = b0 + b1 * t
const linearRegression = (x, y) => {
  // 计算 x 的平均数、方差和 y 的平均数
  const xMean = x.reduce((a, b) => a + b) / x.length;
  const yMean = y.reduce((a, b) => a + b) / y.length;
  const xVariance = x.map(a => (a - xMean) ** 2).reduce((a, b) => a + b) / x.length;
  const xyCovariance = x.map((a, i) => (a - xMean) * (y[i] - yMean)).reduce((a, b) => a + b) / x.length;

  // 计算系数和常数项
  const b1 = xyCovariance / xVariance;
  const b0 = yMean - b1 * xMean;

  // 返回线性回归模型的函数
  return t => b0 + b1 * t;
};

// 数据,x 表示时间变量,y 表示人均可支配收入
const x = [1, 2, 3, 4, 5, 6];
const y = [3500, 4000, 5200, 6000, 7600, 8000];

// 建立线性回归模型
const model = linearRegression(x, y);
const prediction = model(7);

// 今年的人均可支配收入: 9126.67
console.log('今年的人均可支配收入: '+prediction.toFixed(2));

至此,模型为 y = 2306.67 + 974.29 * t。

评论加载中...