小编ele*_*ora的帖子

我使用以下代码在3d中绘制通过原点的随机平面.

from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#Number of hyperplanes
n = 20
#Dimension of space
d = 3

plt3d = plt.figure().gca(projection='3d')
for i in xrange(n):
    #Create random point on unit sphere
    v = np.random.normal(size = d)
    v = v/np.sqrt(np.sum(v**2))
    # create x,y
    xx, yy = np.meshgrid(range(-5,5), range(-5,5))
    z = (-v[0] * xx - v[1] * yy)/v[2]
    # plot the surface
    plt3d.plot_surface(xx, yy, z, alpha = 0.5)
plt.show()

但看看图片我不相信他们是统一选择的.我究竟做错了什么？

我有以下输入文件:

"Name",97.7,0A,0A,65M,0A,100M,5M,75M,100M,90M,90M,99M,90M,0#,0N#,

我正在阅读它:

#!/usr/bin/env python

import pandas as pd
import sys
import numpy as np

filename = sys.argv[1]
df = pd.read_csv(filename,header=None)
for col in df.columns[2:]:
    df[col] = df[col].str.extract(r'(\d+\.*\d*)').astype(np.float)

print df

但是,我得到了错误

    df[col] = df[col].str.extract(r'(\d+\.*\d*)').astype(np.float)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/generic.py", line 2241, in __getattr__
    return object.__getattribute__(self, name)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/base.py", line 188, in __get__
    return self.construct_accessor(instance)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/base.py", line 528, in _make_str_accessor
    raise AttributeError("Can only use .str accessor with string "
AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in …

考虑一个正方形3乘3的非负整数网格.对于每一行i,整数之和设置为r_i.类似地,对于每列j,该列中的整数之和设置为c_j.因此,问题的实例由6非负整数描述.

是否存在一种有效的算法来计算在给定行和列和约束的情况下有多少不同的整数赋值给网格？

很明显,人们可以枚举所有可能的非负整数矩阵,其值最大sum r_i并检查每个矩阵的约束,但这将非常慢.

例

假设行约束1 2 3和列约束3 2 1.可能的整数网格是:

?????????????????????????????????????????????????????????????????????????
?0 0 1?0 0 1?0 0 1?0 1 0?0 1 0?0 1 0?0 1 0?1 0 0?1 0 0?1 0 0?1 0 0?1 0 0?
?0 2 0?1 1 0?2 0 0?0 1 1?1 0 1?1 1 0?2 0 0?0 1 1?0 2 0?1 0 1?1 1 0?2 0 0?
?3 0 0?2 …

我在scikit中使用随机森林分类法学习两个类的不平衡数据集.我更担心假阴性而不是假阳性.是否有可能修复假阴性率(比如说,1%)并让scikit以某种方式优化假阳性率？

如果这个分类器不支持它,那么还有另一个分类器吗？

我有一些CSV文件,我在熊猫中读到了:

#!/usr/bin/env python

import pandas as pd
import sys

filename = sys.argv[1]
df = pd.read_csv(filename)

不幸的是,这些文件的最后一行通常是损坏的(逗号数量错误).目前我在文本编辑器中打开每个文件并删除最后一行.

是否可以删除加载CSV的同一个python/pandas脚本中的最后一行,以节省必须采取这个额外的非自动步骤？

有没有免费的方法来查看android上的postscript文件？我无法在网上找到解决方案,但肯定有很多人必须要这样做.

在C中你可以测试是否使用NaN加倍isnan(x).然而,许多在线地方,包括例如这个SO答案,说你可以简单地使用x!=x.

是x!=x在任何C说明书中这是保证测试,如果x为NaN的方法？我自己找不到它,我希望我的代码能够与不同的编译器一起工作.

有一个难题,我正在编写代码来解决如下.

考虑长度为n的二进制向量,该向量最初全为零.你选择了一个向量并将其设置为1.现在一个进程开始设置从任何1位到$ 1 $的最大距离的位(如果有多个位,则选择最远位的任意选择).这种情况反复发生,规则是没有两个1位可以彼此相邻.当没有更多空间放置1位时它终止.目标是将初始1位放置,以便在终止时将尽可能多的位设置为1.

说n = 2.然后,无论我们在哪里设置该位,我们最终都会设置一个位.

对于n = 3,如果我们设置第一位,我们最终得到101.但是如果我们设置中间位,我们得到的010不是最佳的.

对于n = 4,无论我们设置哪一位,我们最终得到两组.

对于n = 5,设置第一个给出10101,最后设置三个比特.

对于n = 7,我们需要将第三位设置为1010101.

我已经编写了代码来找到最佳值,但它不能很好地扩展到大n.我的代码在n = 1000附近开始变慢,但我想解决n大约100万的问题.

#!/usr/bin/python
from __future__ import division
from math import *

def findloc(v):
    count = 0
    maxcount = 0
    id = -1
    for i in xrange(n):
        if (v[i] == 0):
            count += 1
        if (v[i] == 1):
            if (count > maxcount):
                maxcount = count
                id = i
            count = 0

#Deal with vector ending in 0s
    if (2*count >= maxcount …

我正在使用构建决策树

clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, Y_train)

一切正常.但是,我如何探索决策树？

例如,如何找到X_train中的哪些条目出现在特定的叶子中？

我想第一次运行keras.我安装了以下模块:

pip install keras --user
pip install tensorflow --user

然后尝试运行https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py.

但它给了我:

AttributeError: 'module' object has no attribute 'control_flow_ops'

这些是我正在使用的版本.

print tensorflow.__version__
0.11.0rc0
print keras.__version__
1.1.0

我能做些什么才能让keras与tensorflow一起运行？