小编jor*_*mit的帖子

使用.fit_generator()or训练图像分类器.fit()并将字典传递给class_weight=作为参数。

我在 TF1.x 中从未出错，但在 2.1 中，我在开始训练时得到以下输出：

WARNING:tensorflow:sample_weight modes were coerced from
  ...
    to  
  ['...']

将某物从 强制...到是什么意思['...']？

了解关于这一警告源tensorflow的回购是在这里，摆放的意见是：

尝试将 sample_weight_modes 强制为目标结构。这隐含地取决于模型将其内部表示的输出展平的事实。

我!pip install chart_studio在 jupyter notebook 中运行。

然后在运行此代码时：

import numpy as np
import pandas as pd

import cufflinks as cf
import chart_studio.plotly as py

from chart_studio.plotly import iplot

import plotly.graph_objects as go
chart_studio.tools.set_credentials_file(username=xx, api_key = xxx)

我回来了：

No module named 'chart_studio'

我尝试过语法更正，但没有任何乐趣。有什么建议？

如何在我的电子应用程序中将电子构建器的自动更新功能与 Amazon S3 一起使用？

也许已经实施它的人可以提供比电子制造商文档中提供的更多细节？

我使用的是最新版本的pycharm pychram pro 2.19.1.2，. 这个版本应该有 jupyter 笔记本支持。我在 kaggle 上有一些个人内核，我想知道如何直接从 pycharm IDE 编辑我的内核，而不是每次我想在内核中运行代码时使用上传笔记本从我的 PC 上传。我尝试使用内核链接配置 jupyter srever，如图所示

我正在使用 Binance API 来使用 Python 3.6 制作我的交易机器人。和CCXT 库（在这里您可以找到文档）。

他们在其网站上拥有的一项非常有用的功能是能够以当前余额的一定比例下订单：

例如，如果我看着在BTC/USDT加密硬币对，我有50 USDT我的账户，我可以买之间进行选择N的数量BTC或使用100%的帐户的USDT用于购买，因此购买的最高金额BTC，我可以。

我多次阅读文档，但我找不到以任何方式使用 API 执行这些“余额百分比”订单的选项：我唯一能做的就是将 a 传递float给订单函数。这就是我现在下订单的方式：

amount = 0.001
symbol = "BTC/USDT"

def buyorder(amount, symbol): # this makes a market order taking in the amount I defined before, for the pair defined by "symbol"

    type = 'market'  # or 'limit'
    side = 'buy'     # or 'sell'
    params = {}      # …

我想在 google colaboratory 中使用 kaggle API。安装的客户端是1.5.4，服务器是1.5.6。运行 install 和 upgrade kaggle via 后pip，系统仍然调用1.5.4版本

我尝试使用 pip 安装和升级 kaggle 包。不起作用。我也尝试重新启动会话/运行时。

!pip install kaggle/pip install kaggle --upgrade

Requirement already up-to-date: kaggle in /usr/local/lib/python3.6/dist-packages (1.5.6)
Requirement already satisfied, skipping upgrade: requests in /usr/local/lib/python3.6/dist-packages (from kaggle) (2.21.0)
Requirement already satisfied, skipping upgrade: certifi in /usr/local/lib/python3.6/dist-packages (from kaggle) (2019.9.11)
Requirement already satisfied, skipping upgrade: tqdm in /usr/local/lib/python3.6/dist-packages (from kaggle) (4.28.1)
Requirement already satisfied, skipping upgrade: python-dateutil in /usr/local/lib/python3.6/dist-packages (from kaggle) (2.6.1)
Requirement already satisfied, skipping …

我希望能够将我的数据点可视化为一周中的每一天、一年中的每一周和每月。我能够每年可视化我的数据。但是当我调整每月和每周的代码时，x 轴仍然是每年。

我有8年的住院记录。我的数据被组织成 2 列。第 1 列是我的“日期”列，从 2010-03-10 开始到 2017-12-31 结束。第 2 列是我的值列。本专栏列出了我是否有患者前来接受治疗。第 2 列中的值为 0 或 x 数字。例如 0 表示我没有患者 x 表示我有 x 名患者。当我尝试以图形方式表示这些数据时，它只计算我每周拥有的最大 x 数。

df=pd.read_csv('Data 3.csv', parse_dates=["Dates"], index_col="Dates")
# create the plot space upon which to plot the data
fig, ax = plt.subplots(figsize = (10,10))

# add the x-axis and the y-axis to the plot
ax.plot(df.resample('Y').sum()['Total # Events'],color = 'blue')

# rotate tick labels
plt.setp(ax.get_xticklabels(), rotation=45)

# set title and labels for axes
ax.set(xlabel="Years",
ylabel="Total # of …

在Python API中没有给出比其他更多的信息seed=参数传递到numpy.random.seed：

种子（int）– 用于生成折叠的种子（传递给 numpy.random.seed）。

但是有什么xgboost使用特点numpy.random.seed呢？

• xgboost即使在更改种子时，使用所有默认设置运行仍会产生相同的性能。
• 我已经能够验证colsample_bytree这样做了；不同的种子产生不同的性能。
• 有人告诉我它也被subsample和其他colsample_*功能使用，这似乎是合理的，因为任何形式的采样都需要随机性。

xgboost依赖的其他功能是什么numpy.random.seed？

我在 pandas 文档页面上发现了以下内容pd.cut()：

离散成三个大小相等的箱。

>>> pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3)
... 
[(0.994, 3.0], (5.0, 7.0], (3.0, 5.0], (3.0, 5.0], (5.0, 7.0], ...
Categories (3, interval[float64]): [(0.994, 3.0] < (3.0, 5.0] ...

为什么返回的类别以括号开头(但以方括号结束]？这是否表示 Python 中的特殊对象？起初我以为这是一个拼写错误，但我的控制台给出了相同的结果。

我得到了一个与index = datetime和相结合的数据框column = {'currentprice'}

index               currentPrice
2015-03-26 10:09:01 75.75
2015-03-26 10:11:57 75.70

现在我想每3分钟获取一次增量值（作为示例），我可以得到一个这样的数据框：

index               delta
2015-03-26 10:09:01 -0.05
2015-03-26 10:11:57 0.10
...

我该怎么办？