Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >electron开发app

electron开发app

作者头像
sofu456
发布于 2019-07-09 06:13:07
发布于 2019-07-09 06:13:07
2.2K00
代码可运行
举报
文章被收录于专栏:sofu456sofu456
运行总次数:0
代码可运行

新建electron项目

npm init 后填写项目基本信息生成package.json文件

package.json中

  • “main"指定文件"main.js”,
  • “script"制定"start"为"electron .”------->npm run start

index.html文件

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<html>
    <head></head>
    <body></body>
</html>

main.js文件

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var electron = require('electron')
var app = electron.app
app.on("ready",()=>{
    win = new electron.BrowserWindow({width:"800",height:"600"})
    win.loadURL("index.html")
})

package.json中添加依赖库

npm install 模块名称 --save 或者 --save-dev –save是对生产环境所需依赖的声明(开发应用中使用的框架,库) –save-dev是开发环境所需依赖 比如:jq,react,vue都需要放到这里面 –save-dev是对开发环境所需依赖的声明(构建工具,测试工具) 比如:babel,webpack,都放到当前目录

vscode调试配置

addconfiguration添加nodejs electron main配置

配置vue.js

npm install -g vue-cli安装vue命令行 vue init webpack 项目名称初始化vue配置

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018年12月05日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【机器学习基础】xgboost系列丨xgboost建树过程分析及代码实现
前面我们通过对论文中的公式详细解读,一步步推导了XGBoost的优化目标以及建树方法。下面我们就来动手实践,拿真实的数据来手动计算,并且使用python来实现一个简易的XGBoost。
黄博的机器学习圈子
2021/01/11
1.3K0
【机器学习基础】xgboost系列丨xgboost建树过程分析及代码实现
【机器学习】随机森林、GBDT、XGBoost、LightGBM等集成学习代码练习
对比了六大模型,可以看出,逻辑回归速度最快,但准确率最低。而LightGBM,速度快,而且准确率最高,所以,现在处理结构化数据的时候,大部分都是用LightGBM算法。
黄博的机器学习圈子
2023/01/10
1.1K0
神经网络中的分位数回归和分位数损失
在使用机器学习构建预测模型时,我们不只是想知道“预测值(点预测)”,而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。例如当需要进行需求预测时,如果只储备最可能的需求预测量,那么缺货的概率非常的大。但是如果库存处于预测的第95个百分位数(需求有95%的可能性小于或等于该值),那么缺货数量会减少到大约20分之1。
deephub
2024/01/04
8720
神经网络中的分位数回归和分位数损失
新人赛《金融风控贷款违约》避坑指南!
本文以天池的金融风控赛为背景,梳理了金融风控的整个实践流程,帮助大家避坑学习。赛事的场景是个人信贷,要求选手根据贷款申请人的数据信息预测其是否有违约的可能,以此判断是否通过此项贷款,这个问题在现实的风控场景中很常见,属于典型的分类问题。另外,准入模型,评分卡模型皆是属于这个范畴。
Datawhale
2020/10/23
3.1K0
新人赛《金融风控贷款违约》避坑指南!
机器学习笔记之机器学习算法XGBoost
在上一篇Boosting方法的介绍中,对XGBoost有过简单的介绍。为了更还的掌握XGBoost这个工具。我们再来对它进行更加深入细致的学习。
Jetpropelledsnake21
2021/03/04
2.5K0
机器学习笔记之机器学习算法XGBoost
XGBoost中的参数介绍
在运行XGBoost之前,必须设置三种类型的参数:通用参数、提升器参数和学习任务参数。
用户3578099
2024/03/25
4150
XGBoost中的参数介绍
机器学习大牛最常用的5个回归损失函数,你知道几个?
大数据文摘出品 编译:Apricock、睡不着的iris、JonyKai、钱天培 “损失函数”是机器学习优化中至关重要的一部分。L1、L2损失函数相信大多数人都早已不陌生。那你了解Huber损失、Log-Cosh损失、以及常用于计算预测区间的分位数损失么?这些可都是机器学习大牛最常用的回归损失函数哦! 机器学习中所有的算法都需要最大化或最小化一个函数,这个函数被称为“目标函数”。其中,我们一般把最小化的一类函数,称为“损失函数”。它能根据预测结果,衡量出模型预测能力的好坏。 在实际应用中,选取损失函数会受到
大数据文摘
2018/06/29
1.4K0
逻辑回归模型及变体实现
logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。类logistic模型的相似性在于,所有这些模型中都存在logistic损失的变体,如等式1所示。
里克贝斯
2021/09/08
8250
逻辑回归模型及变体实现
kaggle实战-基于机器学习肾脏病预测
kaggle实战:机器学习建模预测肾脏疾病 本文是针对kaggle上面一份肾脏疾病数据的建模 原数据集地址: https://www.kaggle.com/datasets/mansoordaku/
皮大大
2023/08/25
8540
从0开始实现一个Adaboost分类器(完整代码)
日前,通俗易懂的推导了三种集成学习的原理及主要公式,今天本文基于Python从0开始手动实现一个Adaboost分类器,文中提供完整代码。
luanhz
2020/11/19
2.3K0
从0开始实现一个Adaboost分类器(完整代码)
用于时间序列概率预测的共形分位数回归
QR 估算的是目标变量的条件量值,如中位数或第 90 个百分位数,而不是条件均值。通过分别估计不同水平预测变量的条件量值,可以很好地处理异方差。虽然大多数情况下量化值可以提供准确的预测区间,但当模型假设被违反时,量化值预测可能会不准确。
数据STUDIO
2024/05/10
4780
用于时间序列概率预测的共形分位数回归
Tensorflow边框检测入门【Bouding Box Regression 】
要学习目标检测算法吗?任何一个ML学习者都希望能够给图像中的目标物体圈个漂亮的框框,在这篇文章中我们将学习目标检测中的一个基本概念:边框回归/Bounding Box Regression。边框回归并不复杂,但是即使像YOLO这样顶尖的目标检测器也使用了这一技术!
用户1408045
2019/09/17
1.1K0
Tensorflow边框检测入门【Bouding Box Regression 】
MLK | 一文理清集成学习知识点(Boosting&Bagging)
相信这个环节的内容大家都会比较熟悉的,因为我们经常用到的XGBoost、GBDT就是集成模型,今天这里就给大家系统地梳理一下知识点和原理,做到了然于胸。
Sam Gor
2019/12/06
6290
对数几率回归 —— Logistic Regression
首先,在引入LR(Logistic Regression)模型之前,非常重要的一个概念是,该模型在设计之初是用来解决0/1二分类问题,虽然它的名字中有回归二字,但只是在其线性部分隐含地做了一个回归,最终目标还是以解决分类问题为主。
IT派
2018/07/30
1.1K0
对数几率回归 —— Logistic Regression
机器学习-理解Logistic Regression
本文讨论了Logistic回归的基础知识及其在Python中的实现。逻辑回归基本上是一种监督分类算法。在分类问题中,目标变量(或输出)y对于给定的一组特征(或输入)X,只能采用离散值。
XXXX-user
2019/09/19
7540
机器学习-理解Logistic Regression
Tree - Gradient Boosting Machine with sklearn source code
This is the second post in Boosting algorithm. In the previous post, we go through the earliest Boosting algorithm - AdaBoost, which is actually an approximation of exponential loss via additive stage-forward modelling. What if we want to choose other loss
风雨中的小七
2019/09/08
4240
【机器学习】集成学习代码练习
课程完整代码:https://github.com/fengdu78/WZU-machine-learning-course
黄博的机器学习圈子
2022/05/25
4610
Regression model evaluation回归模型评估
We learned about quantifying the error in classification, now we'll discuss quantifying the error for continuous problems. For example, we're trying to predict an age, not a gender.
到不了的都叫做远方
2019/12/18
6910
python实现线性回归之弹性网回归
恰好为岭回归罚函数和Lasso罚函数的一个凸线性组合.当α=0时,弹性网回归即为岭回归;当 α=1时,弹性网回归即为Lasso回归.因此,弹性网回归兼有Lasso回归和岭回归的优点,既能达到变量选择的目的,又具有很好的群组效应。
西西嘛呦
2020/08/26
1.8K0
python实现线性回归之弹性网回归
万字长文,演绎八种线性回归算法最强总结!
回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析、时间序列模型以及发现变量之间的因果关系。
数据STUDIO
2021/06/24
3.5K0
推荐阅读
相关推荐
【机器学习基础】xgboost系列丨xgboost建树过程分析及代码实现
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档