小编Dar*_*ary的帖子

我需要specificity我的分类,定义为: TN/(TN+FP)

我正在写一个自定义得分手功能:

from sklearn.metrics import make_scorer
def specificity_loss_func(ground_truth, predictions):
    print predictions
    tp, tn, fn, fp = 0.0,0.0,0.0,0.0
    for l,m in enumerate(ground_truth):        
        if m==predictions[l] and m==1:
            tp+=1
        if m==predictions[l] and m==0:
            tn+=1
        if m!=predictions[l] and m==1:
            fn+=1
        if m!=predictions[l] and m==0:
            fp+=1
    `return tn/(tn+fp)

score = make_scorer(specificity_loss_func, greater_is_better=True)

然后,

from sklearn.dummy import DummyClassifier
clf_dummy = DummyClassifier(strategy='most_frequent', random_state=0)
ground_truth = [0,0,1,0,1,1,1,0,0,1,0,0,1]
p  = [0,0,0,1,0,1,1,1,1,0,0,1,0]
clf_dummy = clf_dummy.fit(ground_truth, p)
score(clf_dummy, ground_truth, p)

当我运行这些命令时,我p打印为:

[0 0 0 0 0 …

我们将AWS Elasticsearch用于日志.日志通过Logstash连续流式传输.定期删除旧索引的最佳方法是什么？

我搜索过,推荐的各种方法是:

1. 使用lambda删除旧索引 - https://medium.com/@egonbraun/periodically-cleaning-elasticsearch-indexes-using-aws-lambda-f8df0ebf4d9f

2. 使用预定的泊坞容器 - http://www.tothenew.com/blog/running-curator-in-docker-container-to-remove-old-elasticsearch-indexes/

对于像"删除15天以上的索引"这样的基本要求,这些方法似乎有些过分

实现这一目标的最佳方法是什么？AWS是否提供我可以调整的任何设置？

我有一台罗技C920挂在我的电脑上,我正试图用它来点击使用OpenCV的图片.

我知道我可以使用以下方法捕获图像:

cam = cv2.VideoCapture(1)
s, im = cam.read() # captures image
cv2.imshow("Test Picture", im) # displays captured image
cv2.imwrite("test.bmp",im) # writes image test.bmp to disk

但它让我获得了我的相机能够拍摄的15MP静态照片.我从上面得到的东西远远不如我click拍的照片.

那么,有没有办法拍照(就像它可以在官方的WebCam软件中完成)？

我三者之间很困惑.我知道闭包是由另一个函数返回的函数,并且可以从封闭范围访问局部变量

例:

def add_nums(one):
    def adder(two):
        return one+two
    return adder

a_10 = add_nums(10)
print a_10(5)
15

在这里,adder是一个封闭.

但是,这也不是一个例子 partial

from functools import partial
a_10 = partial(add_nums, 10)
print a_10()(5)
15

两者有什么区别？

此外,装饰器用于向函数添加功能.

def add_nums(one):
    def adder(two):
        print "foo, bar"
        return one+two
    return adder

a_10 = add_nums(10)
print a_10(5)
foo, bar
15

这三者有什么区别？

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


x = [916,684,613,612,593,552,487,484,475,474,438,431,421,418,409,391,389,388,
    380,374,371,369,357,356,340,338,328,317,316,315,313,303,283,257,255,254,245,
    234,232,227,227,222,221,221,219,214,201,200,194,169,155,140]

kmeans = KMeans(n_clusters=4)
a = kmeans.fit(np.reshape(x,(len(x),1)))
centroids = kmeans.cluster_centers_

labels = kmeans.labels_

print(centroids)
print(labels)

colors = ["g.","r.","y.","b."]

for i in range(len(x)):
    plt.plot(x[i], colors[labels[i]], markersize = 10)

plt.scatter(centroids[:, 0], marker = "x", s = 150, linewidths = 5, zorder = 10)
plt.show()

上面的代码显示了4个群集，但是它们绝对不是我想要的。

我还会收到一个错误，这甚至更糟。我得到的输出在下面的图片中。

我得到的错误是：TypeError: scatter() missing 1 required positional argument: 'y'错误不是大问题，因为无论如何我都不喜欢我拥有的东西。

以下是我希望群集输出如何显示的图像。

我正在读书filter,lambda而且map.当我尝试使用它们时,我发现了这个特点:

def returnAsIs(element):
    return element

print range(10)
print filter(returnAsIs, range(10))
print map(lambda x : x, range(10))

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

为什么过滤器省略了第一个条目？

我有一个列表,希望根据关系操作输出项目.

a = range(10).我希望: min(a[a>5])- >6

我该如何做到这一点？

我有print min([x for x in a if x > 5])但有更好的东西吗？

输出a[a>5]是1.

这是什么意思 ？

我最初以为它返回1表明,这种情况是通过列表的成员感到满意.但是,a[a>50]也回来了1.

我目前正在尝试从网站上读取txt文件.

到目前为止我的脚本是:

webFile = urllib.urlopen(currURL)

这样,我可以使用该文件.但是,当我尝试存储文件(in webFile)时,我只获得了一个指向套接字的链接.我尝试的另一个解决方案是使用read()

webFile = urllib.urlopen(currURL).read()

然而,这似乎删除格式化(\n,\t等等)都被删除.

如果我打开这样的文件:

 webFile = urllib.urlopen(currURL)

我可以逐行阅读:

for line in webFile:
    print line

这将导致:

"this" 
"is" 
"a"
"textfile"

但我得到:

't'
'h'
'i'
...

我希望在我的计算机上获取该文件,但同时保持格式.

我有一个使用NumberInput小部件从用户接受歌曲评级的表单。该数字应在0-5之间。我的歌曲模型有一个，MaxValueValidator但我希望NumberInput小部件仅显示0-5之间的选项。

简洁的代码更漂亮.所以,我会去

str_ = "Hello World    "
print str_.strip().replace(" ", "-").lower()

相比 :

str_ = "Hello World    "
str_ = str_.strip()
str_ = str_.replace(" ", "-")
str_ = str_.lower()
print str_

但是,如果函数返回不兼容的对象(None例如),则无效.

例证:

set1 = set([1, 2, 3])
set2 = set([1, 3, 5])
set3 = set()
set3.update(set1) #returns None
set3.update(set2)
set3.update(set1.union(set2))
print len(set3)

我想知道是否有任何方法可以链接这些命令,也许是一些括号技巧？