JianCe是一个简简单单的学习结果检测的小工具，通过设置一组在线试题（题型包括：单选、多选、判断、简答）来检验学习结果。
JianCe 简测
检验学习成果，简单测试一下。
功能
- 主题风格切换。
- 手机电脑多端自适应。
- 答题进度。
- 答题的时间控制，倒计时展示。
- 答题得分计算，最终显示。
- 结果页面显示错题的时候问题和答案同时显示。
界面预览：
准备答题
亮色主题随心切换，答题结果、评分，错题展示。
安装依赖
项目依赖很简单：
"dependencies": { "axios": "^1.3.4", "pinia": "^2.0.33", "vue": "^3.2.47", "vue-router": "^4.1.6" },
终端进入项目的根目录，先安装项目的依赖：
npm install
启动
npm run dev
编译打包
npm run build
添加和编辑题库
题库的编写使用json文件。
public/data 为题库及目录文件存放目录
public/data/navigation.json 题库目录，这里索引了所有的测试题连接
public/data/test.json 是一组测试题
目录json编辑很简答了，看下json的结构就可以了解了。
测试题目前有四种，下边是一组测试题的案例：
{ "title": "题库的标题", "description": "题库的描述题库的描述题库的描述", "questions": [ { "type": "单选题", "question": "如何开始学习JavaScript？", "options": ["死记硬背","疯狂刷题","勇于实践","埋头苦干"], "answer": "勇于实践" }, { "type": "多选题", "question": "如何开始学习Python？", "options": ["死记硬背","疯狂刷题","勇于实践","埋头苦干"], "answer": ["疯狂刷题","勇于实践"] }, { "type": "判断题", "question": "JavaScript是世界上最好的编程语言？", "answer": "错误" }, { "type": "简答题", "question": "为什么叫JavaScript？", "answer": "JavaScript 在刚诞生的时候，它的名字叫 “LiveScript”。但是因为当时 Java 很流行，所以决定将一种新语言定位为 Java 的“弟弟”会有助于它的流行" } ] }
写在最后
JianCe检测 是我为了测试孩子学习情况所编写的小玩意，当然也可以用来检测其他任何类型知识的学习结果的。希望大家喜欢，欢迎提交代码。
-
摘 要 随着人们生活水平的提高，更多家庭对于生鲜蔬果有了更好的标准与需求，现有的一些线上生鲜系统虽然能够帮助人们快捷的购买，但其运输与配送等环节所带来的成本使得商品价格相对线下要高，为了能够降低运输成本，故设计并实现一款基于微信小程序的“天天生鲜“社区团购系统，消费者通过该系统能够实现以社区为单位的线上团购活动以及线下配送，从而解决上述配送与价格问题。商家可通过该系统上架商品，统计社区团购数量从而
-
分析检测的首要任务是定性和定量，定性可以说是有和无的问题，定量是提供待测物质含量范围的一个过程，这当中包含了任何定性定量都有不确定度的含义。而普遍采用的标准曲线已然是分析检测中的常规工作，本篇内容以讲解加问答的形式探讨标准曲线使用过程中的难点和误区，结合数据处理版面关于标准曲线的问题交流，以期答疑解惑、共同精进。 内容提要 本文内容共分为【四个部分】 1、标准曲线的本质：系列浓度待测物质与响应的关
-
我训练了一个模型，在测试集上的测试结果是可以的。现在，我已经将模型保存为“训练模型”，并将一个新的实验转化为一个新的数据集，以便在我没有实际值的情况下进行预测。 通常，训练过的模型给我一个每个实例的评分标签结果。但是现在，打分的标签结果是空的。另外，当我将得分结果转换为CSV时，得分标签列是空的。 更奇怪的是，当我查看score Visualize选项卡的统计数据时，我确实看到了得分值的统计数据。
-
Python 是一种跨平台的计算机程序设计语言。 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
-
我们有一些ML模型在Azure ML Studio平台上运行（初始拖动） 好消息/坏消息是我们要训练的数据非常小（数据库中有几百条记录）。这是非常不完美的数据，做出了非常不完美的回归预测，所以误差是可以预料的。那很好。对于这个问题，这很好。因为问题是，当我测试这些模型时，预测太完美了。我不明白我做错了什么，但我显然做错了什么。 （在我看来）明显值得怀疑的事情是，要么我在测试数据上进行训练，要么通过
-
常检测是一种机器学习任务，包括发现所谓的异常值。 “异常值是一种数据集中的观测值，似乎与该组数据的其余部分不一致。”-- Johnson 1992 “异常值是一种观测值，与其他观测值有很大差异，引起人们怀疑它是由不同的机制产生的。”-- Outlier/Anomaly Hawkins 1980 异常检测设定的类型 监督 AD 标签可用于正常和异常数据 类似于稀有类挖掘/不平衡分类 半监督 AD（新
-
本文向大家介绍JQuery学习总结【二】，包括了JQuery学习总结【二】的使用技巧和注意事项，需要的朋友参考一下 一：JQuery知识点 *:JQuery的dom操作 *：动态创建dom节点 比如动态创建表格等，在js里面进行完成。 *删除节点 这里面的删除就是将其放在了一个地方，并不是真的删除，之后可以使用。 *：document方法 1:.val()可以获取到文本框里面的值，若括号里面有值则
-
有四种类型的znode： PERSISTENT-持久化目录节点 客户端与zookeeper断开连接后，该节点依旧存在 PERSISTENT_SEQUENTIAL-持久化顺序编号目录节点 客户端与zookeeper断开连接后，该节点依旧存在，只是Zookeeper给该节点名称进行顺序编号 EPHEMERAL-临时目录节点 客户端与zookeeper断开连接后，该节点被删除 EPHEMERAL_SEQ