小编nil*_*han的帖子

使用Random.setSeed的重要性是什么?

在编写Java程序时,我们setSeedRandom课堂上使用.我们为什么要使用这种方法?

我们不能在不使用的Random情况下使用setSeed吗?使用的主要目的是setSeed什么?

java random

8
推荐指数
1
解决办法
2万
查看次数

在python中计算逻辑回归

我试图计算逻辑回归.我把数据作为csv文件.看起来像

node_id,second_major,gender,major_index,year,dorm,high_school,student_fac
0,0,2,257,2007,111,2849,1
1,0,2,271,2005,0,51195,2
2,0,2,269,2007,0,21462,1
3,269,1,245,2008,111,2597,1
..........................
Run Code Online (Sandbox Code Playgroud)

这是我的编码.

import pandas as pd
import statsmodels.api as sm
import pylab as pl
import numpy as np

df = pd.read_csv("Reed98.csv")
print df.describe()

dummy_ranks = pd.get_dummies(df['second_major'], prefix='second_major')

cols_to_keep = ['second_major', 'dorm', 'high_school']
data = df[cols_to_keep].join(dummy_ranks.ix[:, 'year':])
train_cols = data.columns[1:]
# Index([gre, gpa, prestige_2, prestige_3, prestige_4], dtype=object)

logit = sm.Logit(data['second_major'], data[train_cols])
result = logit.fit()

print result.summary()
Run Code Online (Sandbox Code Playgroud)

当我在python中运行编码时出现错误:

Traceback (most recent call last):
File "D:\project\logisticregression.py", line 24, in <module>
result = logit.fit()
File "c:\python26\lib\site-packages\statsmodels-0.5.0-py2.6-         win32.egg\statsmodels\discrete\discrete_model.py", line …
Run Code Online (Sandbox Code Playgroud)

python numpy networkx pandas statsmodels

6
推荐指数
1
解决办法
7636
查看次数

如何在OSGI中的Activator类中使用Eclipse接口命令提供程序

我是Eclipse接口命令提供程序的新代码.我在网站上看到了一个例子

public void _say(CommandInterpreter ci) {
    ci.print("You said:" + ci.nextArgument());
}

@Override
public String getHelp() {
    return "\tsay - repeats what you say\n";
}
Run Code Online (Sandbox Code Playgroud)

它用于将命令作为String并再次打印.

现在这是执行命令的另一个

String command = intcp.nextArgument();
if (command != null) {
    intcp.execute(command);
}
Run Code Online (Sandbox Code Playgroud)

为什么我们使用这种execute(command)方法?以及如何使用它?它有什么例子吗?

java eclipse osgi osgi-bundle

3
推荐指数
1
解决办法
832
查看次数

标签 统计

java ×2

eclipse ×1

networkx ×1

numpy ×1

osgi ×1

osgi-bundle ×1

pandas ×1

python ×1

random ×1

statsmodels ×1