首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

初识visifire图表「建议收藏」

在使用过jschart之后,觉得对俺们中国人不是很友善,短时间内是不会支持中文,没法用,也就这样就认识了visifire图表,第一次浏览他的网站就被他的华丽迷上了。 从他的网站上download下来,压缩包里面已经包含了samples。 首先必须在自己的机器上面安装微软的siverlight控件,否则你是不能浏览图表的,这个好办,到微软的网站上下载就可以了。 安装好siverlight,再打开samples中的firstchart.htm,你就可以看见那个漂亮的柱状图了。可是一旦你把他发布到你的网站上去,呵呵!!打开这个网页居然是一片空白。 费了老大的劲,才搞定,原来是IIS设置导致visifire的图表显示一片空白。visifire图表要工作,必须要他bin目录下的文件支持,其中有一个visifire2.js比较好理解,因为你的网页文件必须要引用他,其中还有一个SL.Visifire.Charts.xap文件,导致visifire显示空白的原因就在这,因为被IIS咔嚓掉了,我们需要在iis的mime类型中注册 .xap为application。 设置后,再打开网站,效果出来了。 现在可以定定心研究一下他的结构了。 1.首先要引入这个js文件:<script type=”text/javascript” src=”Visifire2.js”></script> 2.声明一个div层作为容器:

3.生成图表 var vChart = new Visifire2(“SL.Visifire.Charts.xap ” , 500 , 300 ); vChart.setDataXml(chartXmlString); vChart.render(“VisifireChart”); 基本上和我前面提到的jschart差不多。其中最重要的就是 chartxmlstring,这个就是我们要表现的数据,下面是这个图表例子中的数据,采用xml语言规范,抽象出结构为: <vc:chart> <vc:chart.titles> <vc:title text=”图表的标题”/> </vc:chart.titles> <vc:chart.axesx> <vc:axis title=”x轴标签”/> <vc:chart.axesy> <vc:axis title=”y轴标签”/> </vc:chart.axesy> <vc:dataseries renderas=”pie” axisytype=”primary”> <vc:DataSeries.DataPoints> <vc:DataPoint AxisXLabel=”xlabel标记” YValue=”Y轴值” /> <vc:DataPoint AxisXLabel=”xlabel标记” YValue=”Y轴值” /> </vc:dataseries.datapoints> </vc:dataseries> </vc:chart> 了解了他的数据结构,我们做一个图表就简单了,需要修改的就是 <vc:DataPoint AxisXLabel=”xlabel标记” YValue=”Y轴值” />这里.我们大多数情况的时候都是从数据库中调取数据,那如何处理呢! visifire chart的帮助文档里面有一个实例文件,不过感觉不是很很好. 我希望的结果应该是 varchar.setdataxml(xml.xml),里面是一个xml文件,或者是一个动态程序文件.前几天使用jschart,可以这样使用的,也不知道visifire可不可行. 图表样式很多,其实好多参数我们根本不用去记,只需要到他的网站上进入设计界面,即可以来个所见即所得的图表,然后将代码拷贝过来就可以了,绝对傻瓜式. 以前用过dundas的图表控件,觉得效果不错,但是现在一用visifire,觉得好像更好些。

02

深度学习中的损失函数

与回归任务不同,分类任务是指标签信息是一个离散值,其表示的是样本对应的类别,一般使用one-hot向量来表示类别,例如源数据中有两类,分别为猫和狗,此时可以使用数字1和数字2来表示猫和狗,但是更常用的方法是使用向量[0,1]表示猫,使用向量[1,0]表示狗。one-hot的中文释义为独热,热 的位置对应于向量中的1,所以容易理解独热的意思是指向量中只有一个位置为1,而其他位置都为0。那么使用独热编码表征类别相较于直接用标量进行表征有什么好处呢,从类别的区分性来说,两者都可以完成对不同类别的区分。但是从标量数字的性质来说,其在距离方面的诠释不如one-hot。例如现在有三个类别,分别为猫,狗和西瓜,若用标量表示可以表示为label猫=1,label狗=2,label西瓜=3,从距离上来说,以欧氏距离为例,dist(猫,狗)=1,dist(狗,西瓜)=1,dist(猫,西瓜)=2,这样会得出一个荒谬的结论,狗要比猫更像西瓜,因此用标量来区分类别是不明确的,若以独热编码表示类别,即label猫=[1,0,0],label狗=[0,1,0],label西瓜=[0,0,1],容易验证各类别之间距离都相同。

02
领券