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。
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。