小编blu*_*fer的帖子

我正在使用Bootstrap 4 alpha 2并利用卡片.具体来说,我正在使用官方文档中的这个示例.正如标题所说,我怎样才能让所有牌都高度相同？

编辑:我现在可以想到的是设置以下CSS规则:

.card {
    min-height: 200px;
}

但这只是一个硬编码的解决方案,在一般情况下不起作用.我视图中的代码与文档中的代码相同,即:

<div class="card-columns">
  <div class="card">
    <img class="card-img-top" data-src="..." alt="Card image cap">
    <div class="card-block">
      <h4 class="card-title">Card title that wraps to a new line</h4>
      <p class="card-text">This is a longer card with supporting text below as a natural lead-in to additional content. This content is a little bit longer.</p>
    </div>
  </div>
  <div class="card card-block">
    <blockquote class="card-blockquote">
      <p>Lorem ipsum dolor sit amet, consectetur adipiscing elit. Integer posuere erat a ante.</p>
      <footer>
        <small …

在我的项目中,我需要多次计算0-1向量的熵.这是我的代码:

def entropy(labels):
    """ Computes entropy of 0-1 vector. """
    n_labels = len(labels)

    if n_labels <= 1:
        return 0

    counts = np.bincount(labels)
    probs = counts[np.nonzero(counts)] / n_labels
    n_classes = len(probs)

    if n_classes <= 1:
        return 0
    return - np.sum(probs * np.log(probs)) / np.log(n_classes)

有更快的方法吗？

我想计算不同分类器的交叉验证测试的召回率,精度和f度量. scikit-learn附带了cross_val_score,但遗憾的是这种方法不会返回多个值.

我可以通过调用cross_val_score 三次 来计算这样的度量,但效率不高.有没有更好的解决方案？

到现在为止我写了这个函数:

from sklearn import metrics

def mean_scores(X, y, clf, skf):

    cm = np.zeros(len(np.unique(y)) ** 2)
    for i, (train, test) in enumerate(skf):
        clf.fit(X[train], y[train])
        y_pred = clf.predict(X[test])
        cm += metrics.confusion_matrix(y[test], y_pred).flatten()

    return compute_measures(*cm / skf.n_folds)

def compute_measures(tp, fp, fn, tn):
     """Computes effectiveness measures given a confusion matrix."""
     specificity = tn / (tn + fp)
     sensitivity = tp / (tp + fn)
     fmeasure = 2 * (specificity …

我需要阅读以下数据文件夹中的''wdbc.data':http: //archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

使用命令read.csv可以很容易地在R中执行此操作,但由于缺少标题,我该如何添加它？我有信息,但不知道如何做到这一点,我宁愿不编辑数据文件.

这是我的问题的简要描述:

1. 我正在进行有监督的学习任务来训练二元分类器.
2. 我有一个具有大类不平衡分布的数据集:每个正数为8个负实例.
3. 我使用f-measure,即特异性和灵敏度之间的调和平均值来评估分类器的性能.

我绘制了几个分类器的ROC图,并且都表现出很好的AUC,这意味着分类很好.但是,当我测试分类器并计算f-measure时,我得到一个非常低的值.我知道这个问题是由数据集的类偏度引起的,到现在为止,我发现了两个处理它的选项:

1. 采用成本敏感通过对数据集的情况下,分配权重的方法(见本岗位)
2. 对分类器返回的预测概率进行阈值处理,以减少误报和漏报的数量.

我选择了第一个选项,解决了我的问题(f-measure令人满意).但是,现在,我的问题是:哪种方法更可取？有什么区别？

PS:我正在使用Python和scikit-learn库.

我有一个像这样的numpy数组:

x = np.array([[1,2,3],[4,5,6],[7,8,9]])

我需要创建一个函数让我们用以下输入参数称它为"邻居":

• x:一个numpy 2d数组
• (i,j):2d数组中元素的索引
• d:邻域半径

作为输出,我想获得i,j具有给定距离的单元的邻居d.所以,如果我跑

neighbors(im, i, j, d=1) with i = 1 and j = 1 (element value = 5) 

我应该得到以下值的索引:[1,2,3,4,6,7,8,9].我希望我说清楚.是否有像scipy这样的库来解决这个问题？

我做了一些工作,但这是一个粗略的解决方案.

def pixel_neighbours(self, p):

    rows, cols = self.im.shape

    i, j = p[0], p[1]

    rmin = i - 1 if i - 1 >= 0 else 0
    rmax = i + 1 if i + 1 < rows else i

    cmin = j - 1 if j - …

我想创建一个功能,在一个窗口中在屏幕上绘制一组图形.到现在为止我写这段代码:

import pylab as pl

def plot_figures(figures):
    """Plot a dictionary of figures.

    Parameters
    ----------
    figures : <title, figure> dictionary

    """
    for title in figures:
        pl.figure()
        pl.imshow(figures[title])
        pl.gray()
        pl.title(title)
        pl.axis('off')

它工作得很好,但我想有选择在单个窗口中绘制所有数字.而这段代码没有.我读了一些关于subplot的东西,但看起来很棘手.

我使用Python和BeautifulSoup4,我需要检索页面上的可见链接.鉴于此代码:

soup = BeautifulSoup(html)
links = soup('a')

我想创建一个方法is_visible,检查页面上是否显示链接.

使用硒的解决方案

由于我也在与Selenium合作,因此我知道存在以下解决方案:

from selenium.webdriver import Firefox

firefox = Firefox()
firefox.get('https://google.com')
links = firefox.find_elements_by_tag_name('a')

for link in links:
    if link.is_displayed():
        print('{} => Visible'.format(link.text))
    else:
        print('{} => Hidden'.format(link.text))

firefox.quit()

绩效问题

不幸的是,is_displayed方法和获取text属性执行http请求以检索此类信息.因此,当页面上有许多链接或者您必须多次执行此操作时,事情会变得非常慢.

另一方面,一旦获得页面源,BeautifulSoup可以在零时间内执行这些解析操作.但我无法弄清楚如何做到这一点.

我需要在python函数上设置一个时间限制,它使用一些多处理的东西(我不知道它是否重要).像这样的东西:

function(a_list):

     p1 = Process(a_list[0:len(a_list/2)])
     p2 = Process(a_list[len(a_list)/2: len(a_list)])

     //start and join p1, p2

我环顾网络,我找到了一个超时装饰,但它看起来相当棘手和冗长(我是装饰员的新手).我想要的只是一件简单的事情.

编辑:

我想我太简单了.我的程序遍历上面的函数并将结果存储在如下列表中:

while(something):

     retval = function(some_list)  # here I need the time out thing

     # if function timed out then skip

     ris_list.append(retval)

我意外地错误配置了Textmate 2的捆绑设置.现在我想恢复默认设置.我试图删除以下目录:

rm -r /Library/Application\ Support/Textmate
rm /Library/Preferences/com.macromedia.*

我也使用cleanmymac 2来正确卸载它.但是,每当我重新安装textmate时,我总是回到以前的设置.它到底在哪里拯救他们？他们在哪？请帮助我绝望.

我可能不得不改变文本编辑器,这就像改变宗教一样.:)