小编Nic*_*osh的帖子

我在我的17英寸屏幕上使用Python的Tkinter模块设计了一个应用程序.

有没有办法让这个应用程序适合较低分辨率的屏幕？我试过在14英寸的屏幕上运行它,应用程序不太合适.

谢谢.

我已经使用 Sagemaker 框架为 5 个类别训练了一个 Xgboost 多类别分类算法。然后我将模型保存在 S3 上。现在，当我加载它时，我只能选择预测，这将返回类而不是每个类的概率。

pred = xgb_uploaded_model.predict(new_data)

上传的模型没有 predict_proba 选项，这会派上用场。有什么想法可以从这个像这样保存的模型中获得概率吗？PS我不想使用端点。

举个例子：

df_1 = ([1,2,3,5])
df_2 = ([10,20,30,50])
df_test =pd.concat([pd.DataFrame(df_1),pd.DataFrame(df_2)],axis=1)

如何通过gmail发送带有此数据框的电子邮件，使其看起来像表格？

这是我尝试的：

import smtplib

server = smtplib.SMTP('smtp.gmail.com', 587)
server.starttls()
server.login(fromaddr , ".......")

msg = df_test.to_html()
server.sendmail(fromaddr, toaddr, msg)
server.quit()

我正在尝试使用 Python 在 Amazon Sagemaker 中构建超参数优化作业，但有些东西不起作用。这是我所拥有的：

sess = sagemaker.Session()

xgb = sagemaker.estimator.Estimator(containers[boto3.Session().region_name],
                                    role, 
                                    train_instance_count=1, 
                                    train_instance_type='ml.m4.4xlarge',
                                    output_path=output_path_1,
                                    base_job_name='HPO-xgb',
                                    sagemaker_session=sess)

from sagemaker.tuner import HyperparameterTuner, IntegerParameter, CategoricalParameter, ContinuousParameter    

hyperparameter_ranges = {'eta': ContinuousParameter(0.01, 0.2),
                         'num_rounds': ContinuousParameter(100, 500),
                         'num_class':  4,
                         'max_depth': IntegerParameter(3, 9),
                         'gamma': IntegerParameter(0, 5),
                         'min_child_weight': IntegerParameter(2, 6),
                         'subsample': ContinuousParameter(0.5, 0.9),
                         'colsample_bytree': ContinuousParameter(0.5, 0.9)}

objective_metric_name = 'validation:mlogloss'
objective_type='minimize'
metric_definitions = [{'Name': 'validation-mlogloss',
                       'Regex': 'validation-mlogloss=([0-9\\.]+)'}]

tuner = HyperparameterTuner(xgb,
                            objective_metric_name,
                            objective_type,
                            hyperparameter_ranges,
                            metric_definitions,
                            max_jobs=9,
                            max_parallel_jobs=3)

tuner.fit({'train': s3_input_train, 'validation': s3_input_validation}) 

我得到的错误是：

AttributeError: 'str' object has no attribute …

我有一串没有特定模式的字符.我必须寻找一些特定的词然后提取一些信息.目前我被困在找到字符串中最后一个数字的位置.

所以,例如,如果:

mystring="The total income from company xy was 12320 for the last year and 11932 in the previous year"

我想找出这个字符串中最后一个数字的位置.所以结果应该是位置"70"的"2".