小编Dav*_*vid的帖子

我正在使用Google Cloud Messaging在Android手机上接收推送通知.我成功了,一切似乎都运作良好.但是,Google建议检查Google Play服务是否已更新到上一版本(因为推送通知是一项新功能).

使用Nexus 7(4.4.4)并在活动开始时启用版本检查我需要更新我的Google Play服务,因为有更新的版本.但是,推送通知在没有更新的情况下完美运行.如果不是绝对必要,我不想要求我的用户更新Google Play服务.

我的问题:为了从GCM接收推送通知,我应该检查Google Play服务的最低版本是什么？

这是代码:

    private boolean checkPlayServices() {
        int resultCode = GooglePlayServicesUtil.isGooglePlayServicesAvailable(this);
        if (resultCode != ConnectionResult.SUCCESS) {
            if (GooglePlayServicesUtil.isUserRecoverableError(resultCode)) {
                GooglePlayServicesUtil.getErrorDialog(resultCode, this,
                        PLAY_SERVICES_RESOLUTION_REQUEST).show();
            } else {
                Log.i(TAG, "This device is not supported.");
                finish();
            }
            return false;
        }
        return true;
    }

备注:我不需要检查最新版本的Google Play服务,但支持推送通知的最低版本

编辑:由于评论,我做了一些澄清

我试图使用SciKit的Logistic回归来预测一组标签.我的数据实际上是不平衡的(有更多'0'而不是'1'标签)所以我必须在交叉验证步骤中使用F1得分指标来"平衡"结果.

[Input]
X_training, y_training, X_test, y_test = generate_datasets(df_X, df_y, 0.6)
logistic = LogisticRegressionCV(
    Cs=50,
    cv=4,
    penalty='l2', 
    fit_intercept=True,
    scoring='f1'
)
logistic.fit(X_training, y_training)
print('Predicted: %s' % str(logistic.predict(X_test)))
print('F1-score: %f'% f1_score(y_test, logistic.predict(X_test)))
print('Accuracy score: %f'% logistic.score(X_test, y_test))

[Output]
>> Predicted: [0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0]
>> Actual:    [0 0 0 1 0 0 0 0 0 1 1 0 …

我想使用Python中的标准工具（numpy，pandas，scipy.stats等）来计算线性回归模型的beta或标准化系数。

我的一个朋友告诉我，这是在R中使用以下命令完成的：

lm(scale(y) ~ scale(x))

目前，我正在Python中像这样计算它：

from scipy.stats import linregress
from scipy.stats.mstats import zscore

(beta_coeff, intercept, rvalue, pvalue, stderr) = linregress(zscore(x), zscore(y))
print('The Beta Coeff is: %f' % beta_coeff)

有没有更直接的函数可以在Python中计算该数字？