小编Lit*_*leQ的帖子

当我check_array从模块导入函数时sklearn.utils.validation,它得到一个Import Error(ImportError: cannot import name check_array).该选项卡中完成了check_arrays,但我想知道只存在一个调用的函数check_array中validation.py(在Github上的源代码).此外,谱聚类算法实现scikit学习/ sklearn /组/ spectral.py也用from ..utils.validation import check_array,不check_arrays.我对此很困惑,我的scikit-learn版本是'0.15.0b1'.希望有人能给我一些线索.

import numpy as np
from sklearn.utils.validation import check_array
def my_fit_affinity(X, affinity_type, n_neighbors, **kernel_params):
    """ Create an affinity matrix for X using the selected affinity type
    """    
    X = check_array(X, accept_sparse = ['csr', 'csc', 'coo']) 
    ....
    return affinity_matrix_

但我不确定使用什么描述符作为基于频域的特征,因为有信号的振幅频谱,功率谱和相位谱,我已经阅读了一些参考文献,但仍然对其重要性感到困惑.当在基于频域的特征向量(欧几里得距离？余弦距离？高斯函数？Chi-kernel或其他？)上执行学习算法时,应使用什么距离(相似度)函数作为度量？

编辑

import numpy as np
import matplotlib.pyplot as plt
sp = np.fft.fft(signal)
freq = np.fft.fftfreq(signal.shape[-1], d = 1.) # time sloth of histogram is 1 hour
plt.plot(freq, np.log10(np.abs(sp) ** 2))
plt.show()

我有几个微不足道的问题需要确保我完全理解你的建议:

• 在你的第二个建议中,你说"忽略所有这些价值观".

  你的意思是水平线代表阈值,它下面的所有值应该分配给零值吗？

• "你可以搜索两个,三个最大的山峰,并使用它们的位置和可能的宽度作为'特征'进行进一步分类."

  我对"位置"和"宽度"的含义有点困惑,"位置"是指功率谱的对数值(y轴),"宽度"是指频率(x轴)？如果是这样,如何将它们组合在一起作为特征向量并比较"相似频率和类似宽度"的两个特征向量？

编辑

我换成np.fft.fft与np.fft.rfft计算正的部分和情节两个功率谱和日志功率谱.

f, axarr = plt.subplot(2, sharex = True)
axarr[0].plot(freq, np.abs(sp) ** 2)
axarr[1].plot(freq, np.log10(np.abs(sp) ** 2))
plt.show()

如果我错了,请纠正我:

我是Java的新手,现在正在学习Java教程.当我输入准确的代码时LabmdaScopeTest.java,我遇到了错误package java.util.funciton does not exist.代码如下.

import java.util.funciton.Consumer;

public class LambdaScopeTest {

public int x = 0;

class FirstLevel {

    public int x = 1;

    void methodInFirstLevel(int x) {

        // The following statement causes the complier to generate
        // the error "local variables referenced from a lambda expression
        // must be final or effectively final" in statemen A:
        //
        // x = 99;

        Consumer<Integer> myConsumer = (y) ->
        {
            System.out.println("x = " + x); // …