小编jks*_*612的帖子

我在这里查看cs文件:https: //www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet/get-started/windows 并尝试翻译它到F#它编译得很好但是System.Reflection.TargetInvocationException在运行时抛出:FormatException: One of the identified items was in an invalid format.我错过了什么？

编辑:之前使用的是记录

open Microsoft.ML
open Microsoft.ML.Runtime.Api
open Microsoft.ML.Trainers
open Microsoft.ML.Transforms
open System

type IrisData = 
    [<Column("0")>] val mutable SepalLength : float
    [<Column("1")>] val mutable SepalWidth : float
    [<Column("2")>] val mutable PetalLength : float
    [<Column("3")>] val mutable PetalWidth : float
    [<Column("4");ColumnName("Label")>] val mutable Label : string

    new(sepLen, sepWid, petLen, petWid, label) = 
        { SepalLength = sepLen
          SepalWidth = sepWid
          PetalLength = petLen
          PetalWidth …

采取以下数据表:

# IMPUTING VALUES
library(data.table)
set.seed(1337)
mydt <- data.table(Year = rep(2000:2005, each = 10),
             Type = c("A","B"),
             Value = 30 + rnorm(60)
             )
naRows <- sample(nrow(mydt),15)
mydt[ naRows, Value := NA]
setkey(mydt,Year,Type)

我如何用年份和类型来计算具有中位数的NA？我尝试了以下内容

# computed medians
computedMedians <- mydt[, .(Median = median(Value, na.rm = TRUE)), keyby = .(Year,Type)]
# dataset of just NA rows
dtNAs <- mydt[ is.na(Value), .SD, by = .(Year,Type)]


mydt[ is.na(Value),
      Imputations := dtNAs[computedMedians, nomatch = 0][, Median], 
      by = .(Year,Type)]
mydt

但是当你运行代码时,除非一个组完全缺少数据,否则你会看到它有效,并且计算出的中位数会被回收.有更简单的方法吗？或者你将如何得到最后修正的错误？

这里真的很奇怪.在下面的代码中,我创建了一个名为的变量temp.我必须先打电话两次才能看到它是什么.例如,我第一次调用它时,控制台什么也没显示.第二次显示data.table/ data.frame它是.谁能帮我理解这里发生了什么？

library(magrittr)
library(data.table)

myDT <- as.data.table(mtcars)


temp <- 
    myDT %>%
    melt(id.vars = c('cyl', 'mpg', 'hp'), 
         measure.vars = c('vs','am','gear','carb'),
         variable.name = 'Data') %>%
    extract( value > 0) %>%
    extract( , value := NULL)

我的控制台在做什么(第一次调用没有做任何事情):

> temp
> temp
    cyl  mpg  hp Data
 1:   4 22.8  93   vs
 2:   6 21.4 110   vs
 3:   6 18.1 105   vs
 4:   4 24.4  62   vs
 5:   4 22.8  95   vs
 ...
 ...

我有一堆我想用相同输入计算的函数.有没有比我下面选择的方式更好的方式来查看输出？

open MathNet.Numerics.Distributions

// The functions
let EuVanillaPut S0 K T r sigma = 
    let d1 = (log(S0/K) + (r + sigma ** 2.0 / 2.0) * T)/(sqrt(T)*sigma)
    let d2 = d1 - sqrt(T)*sigma
    K*exp(-r*T)*Normal.CDF(0.0,1.0,-d2) - S0*Normal.CDF(0.0,1.0,-d1)

let BSMdelta S0 K T r sigma = 
    let d1 = (log(S0/K) + (r + sigma ** 2.0 / 2.0) * T)/(sqrt(T)*sigma)
    Normal.CDF(0.0,1.0,d1)

let BSMgamma S0 K T r sigma = 
    let d1 = (log(S0/K) + (r + sigma ** 2.0 / 2.0) …

我确信这很简单,但我无法弄清楚.

我有以下图表:

library(data.table)
library(magrittr)
library(ggplot2)

cambodia <- 
    data.table(Period = c("Funan", "Chenla/Zhenla","Khmer Empire","Dark Ages of Cambodia"),
               StartDate = c(-500,550,802,1431), 
               EndDate = c(550,802,1431,1863), 
               Color = c("lightblue","lightgreen","lightyellow","pink")) %>%
    extract(order(-StartDate)) %>%
    extract(, Period := factor(Period,levels = Period))

ggplot() +
    geom_segment(data=cambodia, aes(x=StartDate, xend=EndDate, y=Period, yend=Period, color=Color), 
                 linetype=1, size=2) +
    scale_colour_brewer(palette = "Pastel1")+
    xlab("Date")+
    ylab("Ruler")+
    theme_bw() + 
    theme(panel.grid.minor = element_blank(), panel.grid.major =   element_blank()) + 
    theme(aspect.ratio = .2) +
    theme(legend.position="none")

但我希望标签不在轴上和页面上.在线的中间左侧或顶部.例如

geom_text的大多数例子都给了我gobbledeegook.我似乎无法将它们应用于我在这里的因子数据.你知道怎么做吗？谢谢

我发现自己经常使用这种模式：

f x = do
  -- predicate :: a -> IO Bool
  b <- predicate x
  if b then 
    rest ()
  else
    return ()
  where
    rest () = do
      -- rest of my IO operations

其他人是否使用一种模式来删除 if then else where 子句？如何最好地使用控制流和 IO Bool？

我有两个要合并的数据表。一个是关于时间的公司市场价值数据，另一个是关于时间的公司股息历史记录。我试图找出每个公司每个季度支付了多少钱，并将该价值随时间推移到市场价值数据旁边。

library(magrittr)
library(data.table)
library(zoo)
library(lubridate)

set.seed(1337)
# data table of company  market values
companies <- 
    data.table(companyID = 1:10,
               Sedol = rep(c("91772E", "7A662B"), each = 5),
               Date = (as.Date("2005-04-01") + months(seq(0, 12, 3))) - days(1),
               MktCap = c(100 + cumsum(rnorm(5,5)),
                          50 + cumsum(rnorm(5,1,5)))) %>%
    setkey(Sedol, Date)

# data table of dividends
dividends <- 
    data.table(DivID = 1:7,
               Sedol = c(rep('91772E', each = 4), rep('7A662B', each = 3)),
               Date = as.Date(c('2004-11-19', '2005-01-13', '2005-01-29',
                                '2005-10-01', '2005-06-29', '2005-06-30',
                                '2006-04-17')),
               DivAmnt = rnorm(7, .8, .3)) %>% …

我正在尝试理解如何使用F#计算表达式,这当然让我很困惑.

以下示例对我有些意义.

type ListMonad() =
   member o.Bind(  (m:'a list), (f: 'a -> 'b list) ) = List.collect f m
   member o.Return(x) = [x]

let list = ListMonad()

let test = 
    list {
        let! x = [ 1 .. 10]
        let! y = [2 .. 2 .. 20]
        return (x,y)
    }

我的问题是,你如何为这个计算表达式添加一个条件？具体来说,如果x值严格小于y值,你将如何改变它以返回元素列表？(我们之后不要过滤掉它).

我是一名R开发人员,有兴趣擅长F#所以这个问题是如何塑造和重塑数据的更广泛主题的一部分.

问题:NYC Flight Delays数据集中有
三个月有超过7000个天气延迟.我想过滤所有其他月份,以便我只有这三个月来分析.如何在F#中完成？长期的F#解决方案只是呼叫R吗？或者.NET中是否存在可以执行这些任务的强大数据库.

以下是用于此问题的代码:

set.seed(1337)
myDT <- data.table(Key1 = sample(letters, 500, replace = TRUE),
                   Key2 = sample(LETTERS[1:5], 500, TRUE),
                   Data = sample(1:26, 500, replace = TRUE))
setkey(myDT, Key1, Key2)
# showing what myDT looks like
> myDT
     Key1 Key2 Data
  1:    a    A    6
  2:    a    A    3
  3:    a    B    2
  4:    a    B   20
  5:    a    B   13
 ---               
496:    z    D   23
497:    z    E    3
498:    z    E   18
499:    z    E   11
500:    z    E    2

我想配对myDT …

我对此感到困惑.我想以下列方式显示以下数据:

该图表应该传达不同数据集的历史界限,同时也让我突出显示最后三个观察期.如果有更好的图表,请分享.如果没有,那么我将如何使这个图表在ggplot2中运行？

我已经尝试过使用geom_rect并且不能让它为因子数据工作,所以我一直寄希望于geom_tile这看起来很有希望.但我总是最终得到神秘的错误.让我来证明:

# set the seed so we all have the same data
set.seed(20180702)

# the data for the tiles of the plot
tileData <-
    data.frame(
        Factor = as.factor( c("factor1", "factor2", "factor3") ),
        Heights = c(2, 5, 3)
    )

# sample data we'll want to chart
exampleFrame <-
    data.frame(
        Period = as.factor(rep(c("first", "second", "third"), n = 3)),
        Factor = as.factor(rep(c("factor1", "factor2", "factor3"), each = 3)),
        Data = unlist(lapply(tileData[["Heights"]],
                             function(height) rnorm(3, 0, height)))
    )

# create …