小编Seg*_*ted的帖子

我一直在寻找一种在我的测试方法中使用多个DataProviders的方法.我的方案如下:

假设我们有一个DataProvider类:

@Test
public class ExampleDataProvider {

   /**
     * Returns the list of shape codes.
     * 
     * @return the collection shape codes.
     */
    @DataProvider(name = "ShapeCodes")
    public static Object[][] getShapeCodes() {
        return new Object[][] { new Object[] { Shape.Square }, 
            new Object[] { Shape.Triangle }
        };
    }

    /**
     * Returns the list of color codes.
     * 
     * @return the collection of color codes.
     */
    @DataProvider(name = "ColorCodes")
    public static Object[][] geColorCodes() {
        return new Object[][] { new Object[] { Color.Green …

有没有办法根据列名拆分pandas数据框？作为一个例子,考虑数据框有以下列df = ['A_x', 'B_x', 'C_x', 'A_y', 'B_y', 'C_y'],我想创建两个数据框X = ['A_x', 'B_x', 'C_x']和Y = ['A_y', 'B_y', 'C_y'].

我知道有可能这样做:

d = {'A': df.A_x, 'B': df.B_x, 'C': df.B_x}
X = pd.DataFrame (data=d)

但这不是理想的,因为在我的情况下,我有2200列df.有更优雅的解决方案吗？

我已经阅读了@codehaus exec-maven-plugin usage的文档。我知道 exec:java 允许用户在他们声明的同一 VM 中执行 java 程序。我是 maven 的新手，我的目标是了解 和 之间的区别mvn exec:exec，mvn exec:java以便我可以更好地应用它们。

我正在处理大型稀疏二进制矩阵。我使用Scipy稀疏矩阵实现压缩了它们。Jaccard distancefrom的计算scipy.spatial.distance不支持对稀疏矩阵的直接运算，所以要么：

1. 将整个稀疏矩阵转换为密集矩阵，然后将每一行作为向量进行操作，这会占用大量内存

   或者

2. 遍历稀疏，抓取每一行使用getrow()并操作。

   或者

3. 编写我们自己的实现来处理稀疏矩阵。

为了正确看待事情，这里是示例代码：

import scipy.spatial.distance as d
import numpy as np
from scipy.sparse import csr_matrix

# benchmark performance 
X = np.random.random((3000, 3000))
# binarize
X[X > 0.3] = 0
X[X>0] = 1
mat =  csr_matrix(X)

a = np.zeros(3000)
a[4] = a[100] = a[22] =1
a = csr_matrix(a)

def jaccard_fast(v1,v2):
    common = v1.dot(v2.T)
    dis = (v1 != v2).getnnz()
    if common[0,0]:
        return 1.0-float(common[0,0])/float(common[0,0]+dis)
    else:
        return 0.0
    
def benchmark_jaccard_fast(): …

我正在尝试构建一个非常简单的多层感知器(MLP)keras:

model = Sequential()
model.add(Dense(16, 8, init='uniform', activation='tanh'))
model.add(Dropout(0.5))
model.add(Dense(8, 2, init='uniform', activation='tanh'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

model.fit(X_train, y_train, nb_epoch=1000, batch_size=50)
score = model.evaluate(X_test, y_test, batch_size=50)

我的训练数据形状:X_train.shape给出(34180, 16)

标签属于具有shape:y_train.shapegive的二进制类(34180,)

所以我的keras代码应该生成具有以下连接的网络:16x8 => 8x2

这会产生形状不匹配错误:

ValueError: Input dimension mis-match. (input[0].shape[1] = 2, input[1].shape[1] = 1)

Apply node that caused the error: Elemwise{sub,no_inplace}(Elemwise{Composite{tanh((i0 + i1))}}[(0, 0)].0, <TensorType(float64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(50, 2), …

我找不到关于中severity指示内容的良好文档/说明nodetool gossipinfo。正在寻找详细的说明，但找不到合适的说明。