我有一个程序,可以创建如下所示的类:
MyClass = Class.new do
def initialize; end
# ...
end
但我想从字符串中动态命名MyClass.因为它是一个类的名称,我想对该字符串进行分类,例如(感谢Rails方法):
"hello_world".classify # => "HelloWorld"
我不知道在纯Ruby中是否有一种方法.
谢谢
我正在尝试使用21列和大量行对数据集进行分类.我已经达到了可以将数据作为csv导入并打印出单独列的程度.我还有两件事要做.首先,我希望能够打印出特定的数据点.例如,位于第2行第4列的数据点.第二个任务是根据第4列和第5列对数据行进行分类.这些列是纬度和经度.而我正在尝试获取世界特定部分的行.所以我的想法就是这样
if 60 > row[4] > 45 and 165 > row[1] > 150:
即(如数学运算(9> x> 5))
我不确定上述程序的正确方法是什么.
我已将代码粘贴到底部.我是python编程的新手,所以随时指出错误.
import csv
path = r'C:\Documents and Settings\eag29278\My Documents\python test code\test_satdata.csv'
with open(path, 'rb') as f:
reader = csv.reader(f, delimiter=',')
for row in reader:
print row [0]
#this prints out the first column
var1 = []
for row in f:
if 60 > row[4] > 45 and 165 > row[1] > 150:
var1.append(row)
print var1
更新1
好吧所以我更新了代码,但是当我运行模块时,我得到了这个输出..
2010 2010 2010 2010 2010 2010 …
我是这个主题的新手,尝试了一些关于逃避本地最小值的不同事情.我使用随机学习率和动量,但对于一小部分的训练,它会卡住并且无法学习任何东西(有时候会在开始时,有时候是中间),即使是随机的起始权重和偏差.
我尝试了几种不同的设置来教授XOR,例如:
1)Faster learning but with a bigger chance of locally trapped.
(learns in less than 1200 iterations total)
2)Slow learning but with evading local minimum better.
(learns under 40k iterations total)
3)Very steep learning with ~%50 chance of pit-fall(learns under 300 iterations total)
问题:是否有几名学生参加培训并选择最值得学习的学生？或者我们是否需要专注于为单一设置获得%100的成功率？
例:
3 students (XOR candidates) learning in parallel:
-First student is learning fast(learns first, tells others to stop to save cycles)
-Other two are slow learners to increase success rate of training
假设我们有一个简单的培训案例和SVM的培训目标
from sklearn import svm
>>> X = [[0, 0], [2, 2]]
>>> y = [0.5, 2.5]
>>> clf = svm.SVR()
>>> clf.fit(X, y)
SVR(C=1.0, cache_size=200, coef0=0.0, degree=3,
epsilon=0.1, gamma=0.0, kernel='rbf', max_iter=-1, probability=False,
random_state=None, shrinking=True, tol=0.001, verbose=False)
>>> clf.predict([[1, 1]])
array([ 1.5])
我们怎么能用无线性'rbf'内核得到决策边界？我们可以通过clf.suppport_vectors获得支持向量.然而,支持向量和决策边界方程之间的对应关系是什么？
谢谢,
我正在研究多层感知器，一种神经网络。当我读到反向传播算法时，我看到一些作者建议在计算特定层的所有错误后立即更新权重，但另一位作者解释说我们需要在获得所有层的所有错误后更新权重。正确的做法有哪些？
第一种方法：
function void BackPropagate(){
ComputeErrorsForOutputLayer();
UpdateWeightsOutputLayer();
ComputeErrorsForHiddenLayer();
UpdateWeightsHiddenLayer();
}
第二种方法：
function void BackPropagate(){
ComputeErrorsForOutputLayer();
ComputeErrorsForHiddenLayer();
UpdateWeightsOutputLayer();
UpdateWeightsHiddenLayer();
}
感谢一切。
在尝试使用以下命令安装 scikit-learn 时：
python -m pip install sckit-learn
它抛出一个错误：
找不到满足安装要求的版本（从版本:) 找不到匹配的安装发行版
虽然，site_packages文件夹install.py中存在。
如何消除这个问题？
myli = range(-2,2)
m = list(filter(lambda x: True if abs(x) < 1 else False, myli))
print(m)