小编par*_*iso的帖子

Mayavi字体渲染中是否存在阻止更改字体大小的错误？我正在使用Mayavi2 GUI来更改体积图上轴标签的字体大小.

到那里我去:场景 - >标量场 - >颜色和图例 - >轴 - >标签文本(标签) - >字体大小

更改此数字不会影响图像中字体的大小.这是一个已知的错误？我在谷歌上没有看到它.如何更改mayavi数字的文字大小？

我使用matplotlib的mplot3d库绘制了4D数据(3D散点+颜色).为了帮助解析点云在空间中的分布情况,我想使用2D直方图/等值线图在3个平面(XY,XZ,YZ)中的每个平面上显示云的投影.

这是一个ax.plot用于做我想做的MWE (根据下面的链接).这在技术上是有效的,但我认为用ax.plot等高线图替换buck-shot 会更加视觉上令人愉悦:

import numpy as np

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# Prepare sample data - normally distributed
NSamples = 5000
vmin, vmax = -2, 2

X = np.random.normal(loc=-.1, scale=.5, size=(NSamples,))
Y = np.random.normal(loc=.1, scale=.25, size=(NSamples,))
Z = np.random.normal(loc=0, scale=1, size=(NSamples,))

# Create figure, add subplot with 3d projection
fig = plt.figure(figsize=(5,5))
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
ax.set_xlim(vmin, vmax)
ax.set_ylim(vmin, vmax)
ax.set_zlim(vmin, vmax)

# Plot the data cloud
ax.scatter(X, …

这个问题的灵感来自Mayavi 文档，它有很好的分节符，每个模块成员之间描述的函数名称。

我.rst现在看起来像：

SQLAlchemy Tables
**********************************

.. automodule:: ExperimentOrganizer.table_def
    :members:

（包含模块本身中的所有文档格式文本。）

有没有一种简单的方法来表明我想在每个成员之间插入节标题:members:？如果不是，Mayavi 的人是怎么做到的？

我希望熟悉Spark的人可以给我一个"直觉检查",看看我是否可能滥用SparkML框架,或者考虑到上下文(#rows,#feature),我所看到的性能是可以理解的.

简而言之,我有一个相当宽的小数据集(~150行)(~180个特征).我已经在Spark和Scikit-learn中编写了类似的Lasso训练代码,这导致相同的模型(相同的模型系数和LOOCVE).但是,Spark代码需要大约100倍的时间(sklearn需要大约5秒,接近600秒.

据我所知,Spark针对大型分布式数据集进行了优化,并且这种差异可以合理地归因于数据并行性隐藏的开销延迟,但这仍然感觉非常缓慢.

火花代码基本上是:

//... code to add a number of PipelineStages to a List<PipelineStage> (~90 UnaryTransformer stages), ending in a StandardScaler

// Add Lasso model
LinearRegression lasso = new LinearRegression()
                .setLabelCol(response)
                .setFeaturesCol("normed_features")
                .setMaxIter(100000)
                .setPredictionCol(response+"_prediction")
                .setElasticNetParam(1.0)
                .setFitIntercept(true)
                .setRegParam(0.2);

// stages is the List<PipelineStage> loaded with 90 or so UnaryTransformer steps
stages.add(lasso);

Pipeline pipeline = new Pipeline(stages);
DataFrame df = getTrainingData(trainingData, response);
RegressionEvaluator evaluator = new RegressionEvaluator()
                .setLabelCol(response)
                .setMetricName("mae")
                .setPredictionCol(response+"_prediction")
);

df.cache();

ParamMap[] paramGrid = new ParamGridBuilder().build();

CrossValidator cv = new …