我试图弄清楚如何让我的网站的裸域重定向到www域.我正在使用Heroku并拥有GoDaddy的域名.由于Heroku,我的A记录已经设置为:
@:75.101.145.87
@:75.101.163.44
@:174.129.25.170
我的www CNAME指向proxy.heroku.com.
我一直在寻找互联网,但无法找到一个简单,免费的答案,我如何做这个重定向.一些答案讨论使用付费服务,我不想做,而其他人谈论进入和修改Heroku设置,但后来没有真正给出太多解释.现在,如果你去我的裸域,它只是Heroku说没有这样的应用程序存在,而如果你去我的www域它是我的应用程序.
我有一些t值和自由度,并希望从它们中找到p值(它是双尾的).在现实世界中,我会在统计教科书的背面使用t检验表; 我如何在Python中执行等效操作？
即
t-lookup(5, 7) = 0.00245 或类似的东西(虚构的数字).
我知道在SciPy中我是否有可以做的阵列scipy.stats.ttest_ind,但我没有.我只有统计数据和自由度.
我原本有三个文件:makefile,readme.txt,和hashtable.c在我的目录中,其中我写我的代码在Emacs.我注意到,一些新的文件:#hashtable.c#,#readme.txt#,hashtable.c~,和makefile~ 已经建立.我想知道这些文件是什么.这些是否重要,如果没有,我如何告诉emacs停止制作它们？我也很好奇为什么readme.txt没有得到波浪文件并且makefile没有得到一个锋利的文件.
我正在使用使用SVG的d3js来创建图表.在www.uscfstats.com/deltas上查看(使用12842311作为输入值;现在它被非常黑客攻击).
在Chrome,Safari和Firefox 10上,这会按预期呈现完整的图表,占据了整个白框.然而,在Firefox的更高版本中(具体地说,15)SVG的前200个左右的px渲染,但其余部分被切断.
当我在Firebug中打开页面时,我可以突出显示HTML元素,看起来它们就在那里,就好像一些大的白盒子覆盖了我图表的底部75%(没有任何这样的HTML但是,元素.我点击点上的事件,以及我可以点击的渲染的那些事件,但是那些我找不到但点击它们的事件什么也没做.
我通过写作解决了这个问题
var svg = d3.select("#scatterplot").append("svg").attr("width", "100%").attr("height", "100%");
为什么这样做,发生了什么？
我希望能够使用列表推导语法轻松地使用NumPy数组.
例如,我想像下面明显错误的代码,只是重现相同的数组.
>>> X = np.random.randn(8,4)
>>> [[X[i,j] for i in X] for j in X[i]]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: arrays used as indices must be of integer (or boolean) type
有什么简单的方法可以避免使用range(len(X)？
Git给了我一个可爱的圣诞礼物......我正在尝试git push一堆提交,比如6 GB.我收到以下错误消息:
-Counting objects: 525, done.
Delta compression using up to 24 threads.
Compressing objects: 100% (474/474), done.
fatal: pack has bad object at offset 3453162391: inflate returned -5
error: pack-objects died of signal 13
error: failed to push some refs to ....git
这是什么意思,它是如何修复的？从谷歌我可以看出它与我试图推动的大小有关.
这是在写作时发生的.
当我尝试使用Scikit-Learn的LDA时,它只给我一个组件,即使我要求更多:
>>> from sklearn.lda import LDA
>>> x = np.random.randn(5,5)
>>> y = [True, False, True, False, True]
>>> for i in range(1,6):
... lda = LDA(n_components=i)
... model = lda.fit(x,y)
... model.transform(x)
给
/Users/orthogonal/virtualenvs/osxml/lib/python2.7/site-packages/sklearn/lda.py:161: UserWarning: Variables are collinear
warnings.warn("Variables are collinear")
array([[-0.12635305],
[-1.09293574],
[ 1.83978459],
[-0.37521856],
[-0.24527725]])
array([[-0.12635305],
[-1.09293574],
[ 1.83978459],
[-0.37521856],
[-0.24527725]])
array([[-0.12635305],
[-1.09293574],
[ 1.83978459],
[-0.37521856],
[-0.24527725]])
array([[-0.12635305],
[-1.09293574],
[ 1.83978459],
[-0.37521856],
[-0.24527725]])
array([[-0.12635305],
[-1.09293574],
[ 1.83978459],
[-0.37521856],
[-0.24527725]])
如您所见,它每次只打印一个维度.为什么是这样？它与共线变量有什么关系吗？
另外,当我使用Scikit-Learn的PCA进行此操作时,它会给我我想要的东西.
>>> from sklearn.decomposition import PCA
>>> …I am working on a website where I collect the results of chess games that people have played. Looking at the ratings of the player and the difference between their rating and that of their opponent, I plot a graph with dots representing win (green), draw (blue), and loss (red).
With this information, I also implemented a logistic regression algorithm to categorize the cutoffs for winning and win/drawing. Using the rating and the difference as my two features, I get …
我一直在尝试在Ruby中实现局部加权逻辑回归算法.据我所知,这个算法目前还没有库,而且可用信息很少,所以很难.
我的主要资源是Kan Deng博士的论文,他在其中描述了我觉得非常简单的算法.到目前为止,我在图书馆的工作就在这里.
我在尝试计算B(beta)时遇到了麻烦.据我所知,B是一个(1+d x 1)向量,代表特定点的局部加权.之后,pi该点的(正输出的概率)是基于该点的S形函数B.要获得B,请递归使用Newton-Raphson算法一定次数,可能不超过十次.
第66页的公式4-4,Newton-Raphson算法本身对我没有意义.根据我的理解是什么X和W,(x.transpose * w * x).inverse * x.transpose * w应该是一个(1+d x N)矩阵,它不匹配B,这是(1+d x 1).那么,唯一可行的方法就是e是一个(N x 1)向量.
然而,在第67页的顶部,邓博士只是说e是一个比例,这对我来说没有意义.是Eu Euler's Constant,恰好这个比例总是为2.718:1,还是其他的呢？无论哪种方式,对我来说,解释似乎并没有暗示它是一个向量,让我感到困惑.
使用pi'对我来说也很困惑.公式4-5,sigmoid函数wrt B的导数给出一个常数乘以一个向量或一个向量.但是,根据我的理解,pi'它应该是一个数字,乘以w并形成权重算法W的对角线.
所以,我在这里的两个主要问题是,e第67页是什么,是1xN我需要的矩阵,以及pi'4-5中的数字如何最终得到一个数字？
我意识到这是一个难以回答的问题,所以如果有一个好的答案,那么我会在几天后回来并给它一个五十分的赏金.我会给邓博士发一封电子邮件,但我无法知道他在1997年后发生了什么事.
如果任何人对此算法有任何经验或知道任何其他资源,将非常感谢任何帮助!
看起来这应该很简单,但对我来说这不是直观的.我有两个文件,我想区分他们的第一列(这是一个例子,我敢肯定还有其他方法可以做到这一点).所以我可能会这样做cut -d, -f1 file1 > tmp1,cut -d, -f1 file2 > tmp2然后diff tmp1 tmp2.但我想在不使用tmp文件的情况下这样做.
我期待的那种事情的一个例子是,((cut -d, -f1 file1), (cut -d, -f1 file2)) > diff但这不是真正的代码.
有没有办法做到这一点？