小编Roo*_*123的帖子

我已经在django中创建了一个应用程序,我知道django rest框架用于API.但是当我开始在他们的网站上阅读关于django rest框架的时候.API 指南中的每个东西(如请求,响应,视图等)关于它的.talks优于django(请求,回复,观点等)

我不明白这些API是否会取代我现有的django模型,视图等,或者我如何在现有的django代码中以不同方式使用它们

我对django非常熟悉,但是在花了一些时间后才能理解django rest框架究竟是什么.(我知道它用于API)我也确实需要一个API.我的应用程序能够发送数据到没有API的服务器,所以在什么情况下我需要一个API

这可能不是一个合适的论坛，但我想了解查询中发生的逻辑错误。

我在下面的查询中写道，以了解有多少用户传递的邮件大于发送的邮件（可能是数据捕获中的错误，只是想对其进行评估）。

SELECT COUNT(DISTINCT user_id)
FROM wk_24_trigger

UNION

SELECT COUNT(DISTINCT user_id)

FROM (

SELECT *, (CASE WHEN delivered > 0 THEN 1 ELSE 0 END) as D,
(CASE WHEN sent > 0 THEN 1 ELSE 0 END) as S
FROM wk_24_trigger) t
WHERE t.D > t.s

我得到的结果如下

    _c0
1   1056840
2   1819729

我不明白为什么第2行>第1行。

理想情况下，即使对于已发送的每个条目>发送，第2行和第1行也应该相同

我试图在随机森林回归器的帮助下解决波士顿数据集上的回归问题。我正在使用GridSearchCV来选择最佳超参数。

问题一

我应该适合GridSearchCV一些X_train, y_train，然后获得最佳参数。

或者

我应该适合它X, y以获得最佳参数。（X，y =整个数据集）

问题二

说如果我适合它X, y并获得最佳参数，然后在这些最佳参数上建立一个新模型。现在我应该如何训练这个新模型？

我应该在X_train, y_train或上训练新模型X, y.

问题三

如果我训练新模型，X,y那么我将如何验证结果？

到目前为止我的代码

   #Dataframes
    feature_cols = ['CRIM','ZN','INDUS','NOX','RM','AGE','DIS','TAX','PTRATIO','B','LSTAT']

    X = boston_data[feature_cols]
    y = boston_data['PRICE']

训练测试数据拆分

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 1)

网格搜索以获得最佳超参数

from sklearn.grid_search import GridSearchCV
param_grid = { 
    'n_estimators': [100, 500, 1000, 1500],
    'max_depth' : [4,5,6,7,8,9,10]
}

CV_rfc = …

我在sklearn 的帮助下尝试在波士顿数据集上使用随机森林算法来预测房价。我尝试如下medvRandomForestRegressor3 iterations

迭代 1：使用具有默认超参数的模型

#1. import the class/model
from sklearn.ensemble import RandomForestRegressor
#2. Instantiate the estimator
RFReg = RandomForestRegressor(random_state = 1, n_jobs = -1) 
#3. Fit the model with data aka model training
RFReg.fit(X_train, y_train)

#4. Predict the response for a new observation
y_pred = RFReg.predict(X_test)


y_pred_train = RFReg.predict(X_train)

迭代 1 的结果

{'RMSE Test': 2.9850839211419435, 'RMSE Train': 1.2291604936401441}

迭代 2：我使用RandomizedSearchCV来获得超参数的最佳值

from sklearn.ensemble import RandomForestRegressor
RFReg = RandomForestRegressor(n_estimators = 500, random_state …

我有一个数据框,如下所示

df = pd.DataFrame({
    "Junk":list("aaaaaabbbcccc"),
    "Region":['West','West','West','West','East','East','East','South','South','South','North','North','North'],
    "Sales":[1, 3, 4, 2, 4, 2, 5, 7, 9, 7, 5, 9, 5]
})

+------+--------+-------+
| Junk | Region | Sales |
+------+--------+-------+
| a    | West   |     1 |
| a    | West   |     3 |
| a    | West   |     4 |
| a    | West   |     2 |
| a    | East   |     4 |
| a    | East   |     2 |
| b    | East   |     5 |
| b …

我有一个数据库,其在SAS中导入后的大小约为600mb.

(我OPTIONS COMPRESS = YES在程序开始时使用)

然后我派出一些列/变量,得到一个大小约为800 mb的最终数据库

最终数据库有 1929743 observations

我想要的是

我想按照最终数据库中列中每条记录的descending顺序对数据进行排序PUBLICATION_DATEITEM

我的代码到目前为止

        PROC SORT DATA=newdb.access_db OUT= newdb.access_sorted; 
        BY ITEM DESCENDING PUBLICATION_DATE;
        RUN;

我得到的错误

ERROR: No disk space is available for the write operation.  Filename =
       C:\Users\AB364273\AppData\Local\Temp\SAS Temporary
       Files\SAS_util00010000204C_A00DVDPCSAS2007\ut204C000008.utl.
ERROR: Failure while attempting to write page 134 of sorted run 11.
ERROR: Failure while attempting to write page 40544 to utility file 1.
ERROR: Failure encountered while creating initial set of sorted runs.
ERROR: …

在我使用 Gridster 的应用程序中，我正在更改小部件位置，然后将其保存为 json 变量。我想将此 json 变量存储在 django 数据库中。为此，我不明白我应该如何在 views.py 中定义一个函数，在 models.py 中定义一个可以存储 json 变量的类

我的 HTML/JS 模板是

var URL = "{% url 'my_view_url' %}";

   $('.js-seralize-update').on('click', function () {

            var s = gridster.serialize();
            updated_grid=JSON.stringify(s);
            $('#log').val(updated_grid);

            function updategridster(){
            var data = updated_grid;
            $.post(URL, data, function(response){
            if(response === 'success'){ alert('Yay!'); }
            else{ alert('Error! :('); }
    });
}

        });

我的意见.py

def save_grid(request):
    if request.method == 'POST':

            # Some code to get json variable and store it to model
            return HttpResponse('success') # if everything …