/**
 * 检查值是否是`Function`对象
 * Checks if `value` is classified as a `Function` object.
 *
 * @param {*} value The value to check.
 * @returns {boolean} Returns `true` if `value` is a function, else `false`.
 * @example
 * isFunction(() => {})
 * // => true
 *
 * isFunction(function* gen(){})
 * // => true
 *
 * isFunction(async () => {})
 * // => true
 *
 * isFunction(new Proxy({}, {}))
 * // => false
 *
 * isFunction(new Map())
 * // => false
 */

const funcTag = "[object Function]"
const genTag = "[object GeneratorFunction]"
const asyncTag = "[object AsyncFunction]"

function isObject(value) {
  var type = typeof value
  return value != null && (type === "object" || type === "function")
}

function baseGetTag(value) {
  //在任何值上调用Object原生的toString()方法，都会返回一个[Object NativeConstructorName] 格式的字符串。
  //每个类在内部都有一个[[Class]]属性，这个属性中就指定了上述字符串中的构造函数名
  return Object.prototype.toString.call(value)
}

function isFunction(value) {
  if (!isObject) {
    return false
  }

  var tag = baseGetTag(value)
  return tag === funcTag || tag === genTag || tag === asyncTag
}

export default isFunction


 

class A:

def __call__(self, *args, **kwargs):

pass

 

def test():

pass

a = A()

 

#判断是否可调用

print(callable(test))

print(callable(a))

 

#判断是否拥有'__call__'属性

print(hasattr(test, '__call__'))

print(hasattr(a, '__call__'))

 

#判断是否是函数

from inspect import isfunction

print( (test))

print(isfunction(a))

返回值是Ture False

<script type="text/javascript">
    //判断是否为函数
    try {
        if(typeof FunName === "function") { //是函数    其中 FunName 为函数名称
            alert("is function");
        } else { //不是函数
            alert("not is function");
        }
    } catch(e) {}
</script>

 

t元j
一、什么是凸函数
对于一元函数\(f(x\))，如果对于任意\(t\epsilon[0,1]\)均满足：\(f(tx_1 + (1-t)x_2) \leq tf(x_1) + (1-t)f(x_2)\)，则称\(f(x)\)为凸函数(convex function)
如果对于任意\(t\epsilon(0,1)\)均满足：\(f(tx_1 + (1-t)x_2) < tf(x_1) + (1-t)f(x_2)\)，则称\(f(x)\)为严格凸函数(convex function)
我们可以从几何上直观地理解凸函数的特点，凸函数的割线在函数曲线的上方，如图1所示：从$f(x_1)$连一条线到右侧的虚线，利用三角形边的比例性质可以推出中间虚线与上面直线交点的值
上面的公式，完全可以推广到多元函数。在数据科学的模型求解中，如果优化的目标函数是凸函数，则局部极小值就是全局最小值。这也意味着我们求得的模型是全局最优的，不会陷入到局部最优值。例如支持向量机的目标函数\(||w||^2/2\)就是一个凸函数。
二、如何来判断一个函数是否是凸函数呢？
对于一元函数\(f(x)\)，我们可以通过其二阶导数\(f''(x)\) 的符号来判断。如果函数的二阶导数总是非负，即\(f''(x) \geq 0\) ，则\(f(x)\)是凸函数
对于多元函数\(f(X)\)，我们可以通过其Hessian矩阵(Hessian矩阵是由多元函数的二阶导数组成的方阵)的正定性来判断。如果Hessian矩阵是半正定矩阵，则是\(f(X)\)凸函数
三、Jensen不等式
对于凸函数，我们可以推广出一个重要的不等式，即Jensen不等式。如果 f 是凸函数，X是随机变量，那么\(f(E(X)) \leq  E(f(X))\)，上式就是Jensen不等式的一般形式
我们还可以看它的另一种描述。假设有 n 个样本\(\{x_1,x_2,...,x_n\}\)和对应的权重\(\{\alpha_1,\alpha_2,...,\alpha_n\}\)，权重满足\(a_i \geqslant 0,\sum\alpha_i = 1\)，对于凸函数 f，以下不等式成立：
\(f(\sum_{i=1}^{n}\alpha_ix_i) \leq \sum_{i=1}^{n}\alpha_if(x_i)\)