bootstrap面试的知识点.docx
- 文档编号:26665791
- 上传时间:2023-06-21
- 格式:DOCX
- 页数:10
- 大小:21.57KB
bootstrap面试的知识点.docx
《bootstrap面试的知识点.docx》由会员分享,可在线阅读,更多相关《bootstrap面试的知识点.docx(10页珍藏版)》请在冰豆网上搜索。
bootstrap面试的知识点
bootstrap面试的知识点
篇一:
前端面试题
1、DOM里添加、删除、替换、复制、创建节点的方法;
2、写一个简单的闭包,并说说你的理解;
3、div水平垂直居中的方法;
4、jQuery对象与dom对象相互转换的方法
5、Bootstrap里那个属性可以让一个div居中?
6、DIV和SPAN的区别
7、网页设计布局的类型有哪些?
8.指定时间周期执行的JS函数是?
怎么取消?
9.描述CSShack技巧
中$(document).ready()作用和传统JavaScript中的方法有什么区别?
11.简单说下HTML5和CSS3你使用过的技术
篇二:
整理总结的一些前端面试题
整理总结的一些前端面试题HTML面试题
和HTML有什么区别?
HTML是一种基本的WEB网页设计语言,XHTML是一个
基于XML的置标语言
最主要的不同:
?
?
?
?
XHTML元素必须被正确地嵌套。
XHTML元素必须被关闭。
标签名必须用小写字母。
XHTML文档必须拥有根元素。
2.前端页面有哪三层构成,分别是什么?
作用是什么?
?
结构层Html表示层CSS行为层js;
3.你做的页面在哪些流览器测试过?
这些浏览器的内核分别
是什么?
?
Ie(Ie内核)火狐(Gecko)谷歌(webkit,Blink)
opera(Presto),Safari(wbkit)
4.什么是语义化的HTML?
?
直观的认识标签对于搜索引擎的抓取有好处,用正确的标
签做正确的事情!
?
html语义化就是让页面的内容结构化,便于对浏览器、搜
索引擎解析;
在没有样式CCS情况下也以一种文档格式显示,并且是容
易阅读的。
搜索引擎的爬虫依赖于标记来确定上下文和各个
关键字的权重,利于SEO。
?
使阅读源代码的人对网站更容易将网站分块,便于阅读维护
理解。
为什么只需要写!
DOCTYPEHTML?
?
HTML5不基于SGML,因此不需要对DTD进行引用,但
是需要doctype来规范浏览器的行为(让浏览器按照它们
应该的方式来运行);而基于SGML,所以需要
对DTD进行引用,才能告知浏览器文档所使用的文档类型。
作用?
标准模式与兼容模式各有什么区别?
?
!
DOCTYPE声明位于位于HTML文档中的第一行,处于
html标签之前。
告知浏览器的解析器用什么文档标准解析
这个文档。
DOCTYPE不存在或格式不正确会导致文档以兼
容模式呈现。
?
标准模式的排版和JS运作模式都是以该浏览器支持的最高
标准运行。
在兼容模式中,页面以宽松的向后兼容的方式显
示,模拟老式浏览器的行为以防止站点无法工作。
有哪些新特性、移除了那些元素?
如何处理HTML5新标签的浏览器兼容问题?
如何区分HTML和
HTML5?
?
HTML5现在已经不是SGML的子集,主要是关于图像,
位置,存储,多任务等功能的增加。
?
?
?
绘画canvas用于媒介回放的video和audio元素本地离线存储localStorage长期存储数据,浏览器关闭后
数据不丢失;
?
?
sessionStorage的数据在浏览器关闭后自动删除语意化更好的内容元素,比如article、footer、header、
nav、section
?
?
表单控件,calendar、date、time、email、url、search新的技术webworker,websockt,Geolocation
移除的元素
?
纯表现的元素:
basefont,big,center,font,s,strike,
tt,u;
?
对可用性产生负面影响的元素:
frame,frameset,
noframes;
支持HTML5新标签:
?
IE8/IE7/IE6支持通过方法产生
的标签,
?
?
可以利用这一特性让这些浏览器支持HTML5新标签,浏览器支持新标签后,还需要添加标签默认的样式:
8.请描述一下cookies,sessionStorage和localStorage的区别?
?
cookie在浏览器和服务器间来回传递。
sessionStorage
和localStorage不会
?
?
?
sessionStorage和localStorage的存储空间更大;sessionStorage和localStorage有更多丰富易用的接口;sessionStorage和localStorage各自独立的存储空间;
9.如何实现浏览器内多个标签页之间的通信?
?
调用localstorge、cookies等本地存储方式
CSS面试题
1.简要说一下CSS的元素分类
?
?
块级元素:
div,p,h1,form,ul,li;行内元素:
span>,a,label,input,img,strong,em;
隐藏元素的几种方法(至少说出三种)
?
Opacity:
元素本身依然占据它自己的位置并对网页的布局
起作用。
它也将响应用户交互;
?
Visibility:
与opacity唯一不同的是它不会响应任何用户交
互。
此外,元素在读屏软件中也会被隐藏;
?
Display:
display设为none任何对该元素直接打用户交
互操作都不可能生效。
此外,读屏软件也不会读到元素的内容。
这种方式产生的效果就像元素完全不存在;
?
?
Position:
不会影响布局,能让元素保持可以操作;Clip-path:
clip-path属性还没有在IE或者Edge下被完
全支持。
如果要在你的clip-path中使用外部的SVG文件,浏览器支持度还要低;
清除浮动的几种方法(至少两种)?
?
?
?
使用带clear属性的空元素使用CSS的overflow属性;使用CSS的:
after伪元素;使用邻接元素处理;
居中(包括水平居中和垂直居中)
内联元素居中方案
水平居中设置:
1.行内元素
?
设置text-align:
center;
布局
?
设置display:
flex;justify-content:
center;(灵活运用,支持
Chroime,Firefox,IE9+)
篇三:
关于bootstrap的思想的讨论
关于bootstrap的思想的讨论
1楼rtist
看了p> bootstrap的思想并不是再抽样,而是plug-inprinciple;再抽样仅仅是实现这个思想的一种手段。
所以bootstrap也并不一定非要抽样B次,只要可以plug-in,有时候一次也不用抽就可以得到精确结果。
但是不可否认,样本的重复利用的确是一个incrediblyamazing的方法,而且经常counter-intuitive。
最难理解的(对我来说)就是,信息都蕴含在样本中,再抽样究竟能提不提供样本之外的新的信息;如果不能,怎么抽得到的都是原来样本里面的信息;如果能,新信息从哪儿来?
2楼keynes
Ithinktheinformationcontainedinasampleisnotalwaysfullyexploitedbyaparticularstatistic.Thatis,astatistictypicallyonlyusespartofinformationinthedataandtheprincipleofdata-reductionisoneofsuchexamples.Tousebootstrap(maybeotherresamplingmethodsaswell),wehavetoimposesomeextraassumptions,suchlikethesample(thedataathand,sotospeak)isrepresentativeandinformativeofthepopulationsothatwecantreattheformerasthelatter.
Notquiteclearwhatdoyoumeanbythestatementthatthebootstrapismainlyaplug-inmethod.Wouldyoumakeitmoreclearanddetailed?
Thanks.
3楼rtist
Idon'tthinkso,asbootstrapoftenworksoncompletesufficientstatisticstoo.Soit'snotthattheoriginalstatisticalwayslosesinformationthatallowsbootstraptoexploitfurther.
It'sstillcounter-intuitivetome.Mycurrentunderstanding(subjecttochangeinthefuture)isthatweoftenmakereasonableassumptionsthatgiveustheextra-information,sothatbootstrapoftenworksbyusingtheinformationintheassumptions.
For
4楼keynes
Well,"sufficient"justmeansthatthestatisticcontainenoughinformationforthepurposeofpointestimationoftheparameterofinterest.Itdoesnotsaythatallinformationisusedup.Neitheritpreventsfromexploitingotherinformationcontainedinthesample.
5楼rtist
ThisisalsopointthatIwasthinkingofwhenIwaswritingthelastpost.
Itsoundsreasonable,butitdidn'tcompletelypersuademetobelieveitatthetime
asIcouldnotfigureoutjustwhatisthe"other"information.Arewetreatingthesdofsomestatisticasanewparametertoestimate?
Probably.
6楼stataxtheplug-inprinciple,seeEfron'sreview:
/retype/zoom/052ea6f008a1284ac9504335?
pn=2&x=0&y=0&raww=530&rawh=114&o=png_6_0_0_135_113_596_129__&type=pic&aimh=&md5sum=4ae27d4324a455ddce9b0572c12622c4&sign=145ff3de07&zoom=&png=0-1796&jpg=0-0"target="_blank">点此查看
我也一直觉得这个问题很玄乎。
从bootstrap的词源上看,落水者解鞋自救,“自助”,类比montecarlo,montecarlo是通过实验来发现实际问题的结构,因此叫模拟,但这种模拟是基于假设的模型以进行的。
bootstrap如果与此类比,就不是基于假设的结构,而是用真实的样本来进行模拟了。
这样也许会提供一些新的信息,从大量重复中,发现一些隐藏的结构。
7楼keynes
IntheMonteCarlosimulation,thetruedatageneratingprocessisspecifiedwhileinthebootstrapweassumethesamplecanbetreatedasthepopulationfromwhichthesamplewasdrawn.Ithink"theotherinformation"comesfromthisassumption,whichmaybestrongthough.
8楼Statsfu
Actually,Ijustreadonepaperaboutbootstrap.Itsaysthatbootstrappingistosamplefrom,MCistosamplefromrealdistribution.Ihavenoideawhybootstrappingissopowerful.ItlooksIneedtoreadmoreaboutit.MyteachersaysJunShao'sbookisagoodone.
9楼谢益辉
我那篇小文章中确实有一个小错误,Bootstrap抽的样本量不一定非要和原来相同,甚至有些情况下抽的样本量必须和n不同(比如o(n)等)
plug-inprinciple我还不太清楚,不过看楼上的一些帖子倒是又提出了一个新问题,即:
新的信息从哪里来?
我觉得Bootstrap首先要认为现在手头的样本的代表性是足够好的,不然对一组差样本再怎么Resample都没用;Bootstrap真的提出了“新”的信息么?
我觉得没有,至少在哲学角度上是这样:
)
10楼rtist
天啊,我们的观点好像互换位置了。
。
。
呵呵
11楼rtist
刚才重新翻了翻笔记和课本,整理一下思路:
假定x1,...,Xn为iid随机变量,并有分布函数F。
我们关心关于该分布的某个参数t=t(F)。
plug-in原则的最常见的应用,就是用t'=t(Fn)来作为参数t的一个估计值,这里经验分布函数Fn被用来替换参数t中的真正的分布函数F。
这个原则的极为简单的例子就是用样本均值来作为期望的估计值。
假定我们现在同时关心t'=t(Fn)的某一特征,比如关心它的偏倚b,根据定义可得
b=E(t')-t=E(t(Fn))-t(F)=integralt(Fn)dF-t(F).
注意这里t是已知函数、F是未知函数,b是一个未知的常量,也是分布函数F的另外一个特征——换句话说,b是另外一个我们所关心的参数(类似于我在4楼所说的最后一句话)!
既然b是另外一个参数,那么就可以像前面估计参数t那样来估计它——还像以前一样用plug-in原则,用经验分布函数Fn替换真正的分布函数F,即用
b'=integralt(Fn)dFn-t(Fn)
作为b的一个估计值。
这里F在上面b公式里出现两次,所以两个F都用Fn所代替。
这个b'就是b的bootstrap偏倚估计值!
可见,bootstrap在原则上没有任何新东西——不过就是用样本估计量替换了真实量(即经验分布替换真实的分布)!
plug-in原则用在参数t上得到估计量,用在另外一个参数b上就叫做bootstrap估计——换汤不换药,改了个名字而已!
那现在还有一个问题,b'中的那个积分怎么求?
如果问题简单的话,显然这个积分是可以求出解析解的。
如果真的可以求出来这个解析解,那么得到的b'就是精确的bootstrat估计。
可是通常情况下这个积分很难求,所以需要用其他方法来近似。
近似的方法就是MonteCarlo!
为什么可以用MonteCarlo呢?
MonteCarlo不是假定我们知道真正的数据生成机制、然后根据该机制随机生成新的数据来近似的么?
如6楼、7楼对此均有论述。
但是这里的trick是MonteCarlo应用在什么上!
我们现在想要的仅仅是得到b'的近似值,而b'的公式里面的出现的是dFn,而不是像b的公式里面出现的dF。
也就是说,现在的MonteCarlo所要随即模拟的数据是来自于Fn的——我们恰恰知道Fn是什么,因为Fn不过是数据X1,...,Xn的一个函数,而观测数据都已经已知了(conditionedupon)。
所以,只要从Fn生成大量的随机数据,平均之后我们就也得到了b'中那个积分的近似值(大数定律)。
这个通过MonteCarlo进一步近似之后的估计值b''就是我们最最常见的bootstrap的形式!
那么怎么从Fn生成大量数据呢?
不用我多解释了,大家应该可以看出来这就是所说的再抽样——Fn就是一个多项分布的分布函数,有替换的再抽样就是从多项分布里面模拟数据!
可见,通常说的bootstrap其实不是真正的bootstrap,而仅仅是bootstrap的一个MonteCarlo近似值。
说到此,常见的bootstrap应该比较容易理解了——它包含两层内容,一个是使用plug-in原则,即用样本替换真值来得到参数估计;另一个就是通过大数定律让MonteCarlo模拟来得到plug-in估计值的近似值。
所以说bootstrap的主要思想就是plug-in原则,次要思想是大数定律,应用过程是MonteCarlo,MonteCarlo的表现形式才是再抽样——如顶楼所说,bootstrap的思想绝对不是再抽样。
顶楼所说的bootstrap有时候可能一次再抽样都不用,意思就是说个别情况下那个积分可以求出解析解,所以根本用不着MonteCarlo模拟,也就不用什么再抽样。
话说回来,回到最初的问题——新信息从哪儿来?
现在看,这好像是个似是而非的问题,问题本身就不甚合理。
如3楼所说的,最开始的时候,我们关心的是F的某一参数t,而后来我们关心的另外一个参数b!
对于不同的参数来说,无所谓信息量的大小了。
所以表面上的新信息其实是数据所包含的关于另一个新参数的信息,而不是对于旧参数的新信息。
按照这个理解来看,bootstrap估计的优劣,也取决于两个方面,一个是plug-in原则是否足够合理,另一个就是MonteCarlo模拟近似的优劣程度。
任何一个近似不好都会降低bootstrap估计效果。
这也就是在1~3楼里面我们说过的新的assumption。
这两个必备的assumption都要近似于满足,才能证明bootstrap的理论性质。
12楼statax
有很多简单的问题都有解释解的,但还是要用MonteCarlo,可见MonteCarlo不是找不到解释解时的替代物。
刚刚看到一句话:
Bootstrap的优点在于,我们不必知道数据的生成过程,这一点显著地有别于MonteCarlo13楼rtist
No.这个太矛盾了,都知道了解析解了,还要什么近似呢?
这里的MonteCarlo是从Fn模拟数据,Fn不是数据生成过程,F才是。
这里要conditioningondata的。
希望楼上再仔细看一遍我我所写的意思。
14楼redlou
精彩啊!
最近又看了一下Efron的那本书,感觉有收获了不少啊!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- bootstrap 面试 知识点