标签: singular

我有txt文件,如下所示:

word, 23
Words, 2
test, 1
tests, 4

我希望它们看起来像这样:

word, 23
word, 2
test, 1
test, 4

我希望能够在Python中获取一个txt文件并将多个单词转换为单数.这是我的代码:

import nltk

f = raw_input("Please enter a filename: ")

def openfile(f):
    with open(f,'r') as a:
       a = a.read()
       a = a.lower()
       return a

def stem(a):
    p = nltk.PorterStemmer()
    [p.stem(word) for word in a]
    return a

def returnfile(f, a):
    with open(f,'w') as d:
        d = d.write(a)
    #d.close()

print openfile(f)
print stem(openfile(f))
print returnfile(f, stem(openfile(f)))

我也尝试过这两个定义而不是stem定义:

def singular(a):
    for line in …

例如,单数/复数语法的含义是什么ng-repeat="product in store.products"？

我最近开始使用Matlab,我试图绘制Imaginary函数的一部分.我可以看到我在某个地方犯了一个错误,因为我有图表显示我需要得到什么,而我正在得到别的东西.这是我需要得到的图表的链接,我得到的和我正在绘制的函数:

我知道这个函数在270 Hz左右的频率上有一个奇点,我不知道'quadgk'是否能解决积分.你们可能知道但是积分里面的θ功能是一个重量级的,我不知道这是否会导致问题？我在这里做错了吗？这是我写的matlab代码:

clear all
clc

ff=1:10:1000;

K1=(2*3)*log(2*cosh(135/6))/pi;
theta1=ones(size(ff));
theta1(ff<270)=0;

I1=zeros(size(ff));

for n = 1:numel(ff)
    f = ff(n);
    I1(n)= K1/f + (f/pi)*quadgk(@(x)(sinh(x/3)/(cosh(135/3)+cosh(x/3))-theta1(n))./((f^2)-4*(x.^2)), 0, inf);
end

plot(ff,I1, 'b');
hold on
axis([0 1000 -0.3 1])

我正在使用Rails 5,我刚刚Media使用脚手架工具创建了一个模型.

rails g scaffold media name:string

我有不同的名字和路线和视图等...

这是不正确的多元化,所以当我rake routes得到medium意想不到的路线,因此我在视图中遇到了不同的问题.

当我尝试使用时,<%= form_for @media do ..我抱怨了no method media_index_path.

我怎样才能解决它并且运行良好？

在此先感谢您的帮助.

我正在尝试对一年中工人缺勤天数的计数数据（因变量）进行建模。我有一组预测变量，包括有关工人、有关他们的工作等的信息，其中大多数是分类变量。因此，需要估计大量系数 (83)，但由于我有超过 600 000 行，我认为这应该不会有问题。此外，我的数据集中没有缺失值。

我的因变量包含很多零值，所以我想使用包zeroinfl的函数来估计零膨胀模型（泊松或负二项式） pscl，代码如下：

zpoisson <- zeroinfl(formule,data=train,dist = "poisson",link="logit")

但长时间运行后出现以下错误：

Error in solve.default(as.matrix(fit$hessian)) : system is computationally singular: reciprocal condition number = 1.67826e-41

我认为这个错误意味着我的一些协变量是相关的，但在检查成对相关性和方差膨胀因子（VIF）时似乎并非如此。此外，我还估计了其他模型，如 logit 和 Poisson 或负二项式计数模型，没有出现问题，而这些类型的模型对相关预测变量也很敏感。

您知道为什么该zeroinfl功能不起作用吗？这是否与我有太多的预测变量有关，即使它们不相关？我已经尝试使用该Boruta算法删除一些预测变量，但它保留了所有预测变量。

在此先感谢您的帮助。

下面的矩阵是奇异的，AFAIK 试图反转它应该导致

numpy.linalg.linalg.LinAlgError: Singular matrix

但相反，我确实得到了一些输出矩阵。请注意，输出矩阵是一个无意义的结果，因为它有一行 0（这是不可能的，因为矩阵的逆本身应该是可逆的）！

我是否在这里遗漏了与浮点精度或伪逆计算而不是真逆计算相关的内容？

$ np.__version__ 
'1.13.1'
$ np.linalg.inv(np.array([[2,7,7],[7,7,7],[8,7,7]]))
array([[  0.00000000e+00,   0.00000000e+00,   0.00000000e+00],
       [  3.43131400e+15,  -2.05878840e+16,   1.71565700e+16],
       [ -3.43131400e+15,   2.05878840e+16,  -1.71565700e+16]])```

对不起我的英语不好...

我有一个为西班牙开发的rails应用程序,因此,所有内容都是西班牙语,所以,我有一个搜索框在mysql数据库中搜索,所有行都是西班牙语,我想改进我的搜索,以允许用户以单数或复数形式搜索关键字,例如:

keyword: patatas
found: patata

keyword: veces
found: vez

keyword: vez
found: veces

keyword: actividades
found: actividad

在英语中,在单一化和复数化方法的帮助下,这可能相对容易...

where `searching_field` like '%singularized_keyword%' or `searching_field` like '%pluralized_keyword%'

但是,对于西班牙语....

一些帮助？

谢谢!

下面的代码显示了矩阵的奇点问题,因为我在Pycharm中工作了

raise LinAlgError("Singular matrix")
numpy.linalg.linalg.LinAlgError: Singular matrix 

我想问题是K但我无法理解究竟是怎么回事:

from numpy import zeros
from numpy.linalg import linalg
import math

def getA(kappa):
    matrix = zeros((n, n), float)
    for i in range(n):
    for j in range(n):
            matrix[i][j] = 2*math.cos((2*math.pi/n)*(abs(j-i))*kappa)
    return matrix


def getF(csi, a):
    csiInv = linalg.inv(csi)
    valueF = csiInv * a * csiInv * a
    traceF = valueF.trace()
    return 0.5 * traceF


def getG(csi, f, a):
    csiInv = linalg.inv(csi)

    valueG = (csiInv * a * csiInv) / (2 * f)
    return valueG …

我正在做一些用户检查我们的网站,下面是代码.如果只有一个帐户,我如何使用"用户"一词,如果> 1,我如何使用"用户".

码:

       $result = mysql_query("SELECT * FROM users WHERE user_id='$userid'");
       $num_rows = mysql_num_rows($result);

        echo "amount of users.";

假设你有一个像这样的功能

F = lambda x: sin(x)/x

评估F(0.0)会导致零除警告,并且不会给出预期的结果1.0.是否有可能编写另一个函数fix_singularity,当应用于上述函数时,它将提供所需的结果,这样就可以了

fix_singularity(F)(0.0) == 1.0

或者正式fix_singularity通过以下测试:

import numpy as np

def test_fix_singularity():

    F = lambda x: np.sin(x)/x

    x = np.array((0.0, pi))

    np.testing.assert_array_almost_equal( F(x), [nan, 0] )

    np.testing.assert_array_almost_equal( fix_singularity(F)(x), [1, 0] )

一种可能的实现是

def fix_singularity(F):
    """ Fix the singularity of function F(x) """

    def L(x):
        f = F(x)
        i = np.isnan(f)
        f[i] = F(x[i] + 1e-16)
        return f

    return L

有更好的方法吗？

编辑:另外我如何抑制警告:

Warning: invalid value encountered in divide