小编Mpi*_*ris的帖子

我创建了一个docker hub帐户并尝试连接它以推送图像.我收到以下错误:

>>>docker login -u <username> -p <password>

Error response from daemon: Get https://registry-1.docker.io/v2/: net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)

我运行这个,我得到以下消息:

>>>curl https://registry-1.docker.io/v2/
{"errors":[{"code":"UNAUTHORIZED","message":"authentication required","detail":null}]}

也:

>>> env | grep -i proxy

没有结果(意味着我没有代理设置??)

>>> docker version
Client:
Version:      1.12.3
API version:  1.24
Go version:   go1.6.3
Git commit:   6b644ec
Built:        Wed Oct 26 22:01:48 2016
OS/Arch:      linux/amd64

Server:
Version:      1.12.3
API version:  1.24
Go version:   go1.6.3
Git commit:   6b644ec
Built:        Wed Oct 26 22:01:48 2016 …

我正在尝试使用pyspark连接到数据库,我使用以下代码:

sqlctx = SQLContext(sc)
df = sqlctx.load(
    url = "jdbc:postgresql://[hostname]/[database]",
    dbtable = "(SELECT * FROM talent LIMIT 1000) as blah",
    password = "MichaelJordan",
    user =  "ScottyPippen",
    source = "jdbc",
    driver = "org.postgresql.Driver"
)

我收到以下错误:

知道为什么会这样吗？

编辑:我试图在我的计算机本地运行代码.

我正在尝试评估使用spacy lib创建的训练有素的NER模型.通常对于这些问题,您可以使用f1分数(精确度和召回率之间的比率).我在文档中找不到训练有素的NER模型的精确度函数.

我不确定它是否正确,但我尝试使用以下方式(示例)并使用f1_scorefrom sklearn:

from sklearn.metrics import f1_score
import spacy
from spacy.gold import GoldParse


nlp = spacy.load("en") #load NER model
test_text = "my name is John" # text to test accuracy
doc_to_test = nlp(test_text) # transform the text to spacy doc format

# we create a golden doc where we know the tagged entity for the text to be tested
doc_gold_text= nlp.make_doc(test_text)
entity_offsets_of_gold_text = [(11, 15,"PERSON")]
gold = GoldParse(doc_gold_text, entities=entity_offsets_of_gold_text)

# bring the data in …

使用xgboost 文档中的python API 我通过以下方式创建列车​​数据:

dtrain = xgb.DMatrix(file_path)

这里file_path的libsvm格式为txt文件.当我进行成对排名时,我也输入了刚刚输入的dtrain数据中组的长度:

dtrain.set_group(group_len_file)

现在我正在训练模型:

param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'rank:pairwise' }
param['nthread'] = 4
param['eval_metric'] = 'ndcg'

bst = xgb.train(param,dtrain,10)

现在我想用gridsearch.所以我的问题是gridsearch当我输入时如何使用sklearn DMatrix？

Gennerally:

from sklearn.grid_search import GridSearchCV 
param_test1 = {
            'max_depth':list(range(3,10,2)),
            'min_child_weiht':list(range(1,6,2))
            }
gsearch = GridSearchCV(estimator=XGBClassifier(objective='rank:pairwise'),
                       param_grid = param_test1)

但gsearch没有train.它只能有fit这需要X,并y作为输入,而不是DMatrix.有办法吗？

如果不是,我可以将DMatrix格式转换为Dmatrix=> X,y但我在文档中找不到如何输入set_group？有什么想法吗？

我正在尝试用Turtle格式编码一些植物数据,并使用RDFLib从Python读取这些数据.但是,我遇到了麻烦,我不确定是不是因为我的海龟畸形或者我在滥用 RDFLib.

我的测试数据是:

@PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@PREFIX p: <http://www.myplantdomain.com/plant/description> .
p:description a rdfs:Property .
p:name a rdfs:Property .
p:language a rdfs:Property .
p:value a rdfs:Property .
p:gender a rdfs:Property .
p:inforescence a rdfs:Property .
p:color a rdfs:Property .
p:sense a rdfs:Property .
p:type a rdfs:Property .
p:fruit a rdfs:Property .
p:flower a rdfs:Property .
p:dataSource a rdfs:Property .
p:degree a rdfs:Property .
p:date a rdfs:Property .
p:person a rdfs:Property . …

是否有任何可用于通过控制台退出Rstudio的命令？(与MATLAB 类似exit或quit在MATLAB中)

当值超过某个y值时,是否可以更改绘图中的线条颜色？例:

import numpy as np
import matplotlib.pyplot as plt
a = np.array([1,2,17,20,16,3,5,4])
plt.plt(a)

这个给出以下内容:

我想要显示超过y = 15的值.如下图所示:

或类似的东西(使用循环线型)::

可能吗？

假设有以下代码：

for data in soup.findAll('div',{'class':'value'}):
    print(data)

给出以下输出：

<div class="value">
<p class="name">Michael Jordan</p>
</div>


<div class="value">
<p class="team">Real Madrid</p>
</div>


<div class="value">
<p class="Sport">Ping Pong</p>
</div>

我想创建以下字典：

  Person = {'name': 'Michael Jordan', 'team': 'Real Madrid', 'Sport': 'Ping Pong'}

我可以使用文本获取文本，data.text但如何获取文本class以命名keys字典（人 [key1],Person[key2] ...）？

用于在spacy中训练NER模型的算法的文档尚未实现.提供的唯一信息是:

• 标记器,解析器和实体识别器(NER)使用具有使用平均感知器算法学习的权重的线性模型.
• 原子预测器的结合特征用于训练模型.

这些信息来自:spacy-training-doc

现在,我有一个训练有素的模型,它有一个新的实体类型(比如说animal)和合理的大量例子(> 10000).现在我在训练模型中尝试一些例子:

input text: "cat is an animal" => cat: animal
input text: "tv is an animal" => tv: O

如果使用平均感知器来评估一个单词作为一个实体,这两个例子不应该给出相同的结果吗？(cat:animal, tv:animal)或者是我感到困惑的东西？

根据我的理解,该算法使用"地名词典"功能(在由提供的示例创建的预编译列表中查找实体名称).如果是这种情况有没有办法排除地名词典特征？

任何见解都是有用的.

我有一个数据框，其中包含一些多行观察结果：

+--------------------+----------------+
|         col1|               col2|
+--------------------+----------------+
|something1           |somethingelse1  |
|something2           |somethingelse2  |
|something3           |somethingelse3  |
|something4           |somethingelse4  |
|multiline

 row               |     somethings|
|something            |somethingall    |

我想要的是以该数据帧的csv格式（或txt）保存。使用以下内容：

df
 .write
 .format("csv")
 .save("s3://../adf/")

但是，当我检查文件时，它将观察结果分成多行。我想要的是在txt / csv文件中具有“多行”观测值的行是同一行。我试图将其另存为txt文件：

df
.as[(String,String)]
.rdd
.saveAsTextFile("s3://../adf")

但观察到相同的输出。

我可以想象一种方法是\n用其他东西代替，然后在装回时执行反向功能。但是，有没有一种方法可以按期望的方式保存它，而无需对数据进行任何形式的转换？