LDA 与朴素贝叶斯在机器学习分类方面的优缺点是什么?
我知道一些差异,比如朴素贝叶斯假设变量是独立的,而 LDA 假设高斯类条件密度模型,但我不明白什么时候使用 LDA,什么时候使用 NB 取决于情况?
classification machine-learning naivebayes linear-discriminant machine-learning-model
我在为将文件覆盖到 S3 存储桶的方法编写单元测试时遇到问题。该方法抓取文件的原始元数据,然后用新的修改版本和相同的原始元数据覆盖文件。
我想要什么测试要做的就是核实内方法,如getObjectMetadata和putObject用正确的参数调用正确
这是方法:
public void upload(File file, String account, String bucketName) {
String key = "fakekey";
ObjectMetadata objMData = client.getObjectMetadata(bucketName, key).clone();
try {
// cloning metadata so that overwritten file has same metadata as original file
client.putObject(new PutObjectRequest(bucketName, key, file).withMetadata(objMData));
} catch(AmazonClientException e) {
e.printStackTrace();
}
Run Code Online (Sandbox Code Playgroud)
这是我的测试方法:
@Mock
private AmazonS3 client = new AmazonS3Client();
public void testUpload() {
S3Uploader uploader = new S3Uploader(client);
File testFile = new File("file.txt");
String filename = "file.txt";
String bucketname …Run Code Online (Sandbox Code Playgroud)