小编Abd*_*ran的帖子

我刚刚将Android Studio 1.3安装到我的Ubuntu 14.04(64位)中.我创建了一个新项目,在完成整个过程后,Android Studio显示"Gradle'MyApplication'项目刷新失败".

我在Stackoverflow中发现了相同类型的问题,但任何解决方案都不适合我.我无法弄清楚这个问题.

以下是一些截图:

1. 创建新项目后,它显示以下消息:

2. 当我打开gradle-wrapper.properties文件时,我发现如下:

3. 当我检查目录" android-studio/gradle/gradle-2.4/lib/plugins / "时,我找到了文件" gradle-diagnostics-2.4.jar ".

4. 这是日志文件 - http://pastebin.com/QdXxCVc6

请帮我解决问题.

我已经训练了一个用于二元分类的 XGBoost 分类器。在使用 CV 训练训练数据模型并预测测试数据时，我面临错误AttributeError: 'DataFrame' object has no attribute 'feature_names'。

我的代码如下：

folds = StratifiedKFold(n_splits=5, shuffle=False, random_state=44000)
oof = np.zeros(len(X_train))
predictions = np.zeros(len(X_test))

for fold_, (trn_idx, val_idx) in enumerate(folds.split(X_train, y_train)):
    print("Fold {}".format(fold_+1))
    trn_data = xgb.DMatrix(X_train.iloc[trn_idx], y_train.iloc[trn_idx])
    val_data = xgb.DMatrix(X_train.iloc[val_idx], y_train.iloc[val_idx])

    clf = xgb.train(params = best_params,
                    dtrain = trn_data, 
                    num_boost_round = 2000, 
                    evals = [(trn_data, 'train'), (val_data, 'valid')],
                    maximize = False,
                    early_stopping_rounds = 100, 
                    verbose_eval=100)

    oof[val_idx] = clf.predict(X_train.iloc[val_idx], ntree_limit=clf.best_ntree_limit)
    predictions += clf.predict(X_test, ntree_limit=clf.best_ntree_limit)/folds.n_splits

如何处理？

这是完整的错误跟踪：

Fold 1
[0] train-auc:0.919667 …

我正在尝试使用Java Mail Android API(https://code.google.com/p/javamail-android/)创建一个简单的电子邮件应用程序,该应用程序将发送带附件的邮件.但我的方法不起作用.它成功发送了电子邮件文本,但未添加电子邮件附件.我添加了一个图像按钮来选择附件文件.我正在使用Intent来选择一个文件.还添加了另一个发送电子邮件的按钮

首先点击图片按钮我试图选择文件并获取附件的文件路径.然后我将文件路径设置为sendmail方法,用于发送带有此附件的邮件.

我正在做的事情如下:

Email.java

package com.android.imran.emailapp003;

import java.util.Date;
import java.util.List;
import java.util.Properties;
import javax.activation.CommandMap;
import javax.activation.DataHandler;
import javax.activation.DataSource;
import javax.activation.FileDataSource;
import javax.activation.MailcapCommandMap;
import javax.mail.BodyPart;
import javax.mail.Multipart;
import javax.mail.PasswordAuthentication;
import javax.mail.Session;
import javax.mail.Transport;
import javax.mail.internet.InternetAddress;
import javax.mail.internet.MimeBodyPart;
import javax.mail.internet.MimeMessage;
import javax.mail.internet.MimeMultipart;


public class Email extends javax.mail.Authenticator {
    private String _user;
    private String _pass;

    private List<String> _to;
    private String _from;

    private String _port;
    private String _sport;

    private String _host;

    private String _subject;
    private String _body;

    private boolean …

假设我有数据帧df1,其中包括两列 - A和B.A值表示较低范围,B值表示较高范围.

  A     B
10.5  20.5
30.5  40.5
50.5  60.5

我有另一个数据框,其中包括两列 - 包含不同数字范围的C&D.

  C     D
12.34  15.90
13.68  19.13
33.5   35.60
35.12  38.76
50.6   59.1

现在我想列出df2中属于df1组(在低范围和高范围之间)的所有对.

最终输出应该是这样的 -

     Key                Values
(10.5, 20.5)  [(12.34, 15.90), (13.68, 19.13)]
(30.5, 40.5)  [(33.5, 35.60), (35.12, 38.76)]
(50.5, 60.5)  [(50.6, 59.1)]

解决方案应该是高效的,因为我有5000组范围和85000个不同范围的数字.

我使用Tensorflow 1.8.0训练了一个宽而深的模型.我的测试和训练数据集是先前拆分的单独文件.我tf.set_random_seed(1234)之前使用tf.contrib.learn.DNNLinearCombinedClassifier如下 -

tf.set_random_seed(1234)

import tempfile

model_dir = tempfile.mkdtemp()
m = tf.contrib.learn.DNNLinearCombinedClassifier(model_dir=model_dir,
                                                 linear_feature_columns=wide_columns,
                                                 dnn_feature_columns=deep_columns,
                                                 dnn_hidden_units=[100, 50])

它显示以下日志 -

INFO:tensorflow:Using default config.
INFO:tensorflow:Using config: {'_task_type': None, '_task_id': 0, '_cluster_spec': <tensorflow.python.training.server_lib.ClusterSpec object at 0x7f394b585c18>, '_master': '', '_num_ps_replicas': 0, '_num_worker_replicas': 0, '_environment': 'local', '_is_chief': True, '_evaluation_master': '', '_train_distribute': None, '_tf_config': gpu_options {
  per_process_gpu_memory_fraction: 1.0
}
, '_tf_random_seed': None, '_save_summary_steps': 100, '_save_checkpoints_secs': 600, '_log_step_count_steps': 100, '_session_config': None, '_save_checkpoints_steps': None, '_keep_checkpoint_max': 5, '_keep_checkpoint_every_n_hours': 10000, '_model_dir': '/tmp/tmpxka6vy6t'}

从日志中,我可以看到未应用随机种子.

每当我运行脚本时,我都会得到不同的准确度结果.

如何使结果稳定？为什么随机种子没有被应用？

这里给出了一个嵌套列表：

nl = [['Harsh', 20], ['Beria', 20], ['Varun', 19], ['Kakunami', 19], ['Vikas', 21]]

现在我必须通过它们的第二个值在嵌套列表中找到第二低的列表。并将第二低的列表附加到另一个列表中。

所以输出应该是：

['Harsh', 20], ['Beria', 20]

我写了以下代码但它不起作用：

nl = [['Harsh', 20], ['Beria', 20], ['Varun', 19], ['Kakunami', 19], ['Vikas', 21]]

result=[]

temp=max(nl, key=lambda x: x[1])

largest, larger = temp[1], temp[1]
for num in nl:
    if num[1] < largest:
        largest, larger = num[1], largest
    elif num[1] < larger:
        larger = num[1]
        result.append(larger)
print(result)