Reĝlando Leono






Iberio en 1030; la Reĝlando de Leono en la nordokcidenta angulo, flave. Verde Al-Andalus


La Regno Leono aŭ Reĝlando Leono (Reino de León en la hispana) estis unu de la mezepokaj reĝlando de Iberio, sukcedanto de la antikva Reĝlando Asturio, kiu ludis gravan rolon en la Reconquista kaj formado de la sukcedaj kristanaj reĝlandoj de la iberia okcidento. Ĝia nomo devenas de ties ĉefurbo Leono.




Enhavo






  • 1 Reĝoj de Leono


    • 1.1 Dinastio astur-leona


    • 1.2 Dinastio navara: unua unuigo de Leono kaj Kastilio


    • 1.3 Dinastio navara: nur de Leono


    • 1.4 Dinastio de Borgonjo




  • 2 Vidu ankaŭ





Reĝoj de Leono |




Genealogio de la reĝoj de Asturio (helviole) kaj de Leono (verde)



Dinastio astur-leona |




  • García la 1-a (910 - 914)


  • Ordoño la 2-a (914 - 924)


  • Fruela la 2-a (924 - 925)


  • Alfonso Froilaz (925)


  • Alfonso la 4-a (925 - 931)


  • Ramiro la 2-a (931 - 951)


  • Ordoño la 3-a (951 - 956)


  • Sancho la 1-a (956 - 958) y (960 – 966)


  • Ordoño la 4-a (958 - 960)


  • Ramiro la 3-a (960 - 984)


  • Bermudo la 2-a (984 - 999)


  • Alfonso la 5-a (999 - 1028)


  • Bermudo la 3-a (1028 - 1037)



Dinastio navara: unua unuigo de Leono kaj Kastilio |



  • Fernando la 1-a (1037 - 1065)


Dinastio navara: nur de Leono |




  • Alfonso la 6-a (1065 - 1109)


  • Urraca la 1-a (1109 - 1126)



Dinastio de Borgonjo |




  • Alfonso la 7-a (1126 - 1157)


  • Fernando la 2-a (1157 - 1188)


  • Alfonso la 9-a (1188 - 1230)



Vidu ankaŭ |



  • Reĝlando de Kastilio

  • Graflando Kastilio




-

Popular posts from this blog

Aikido

Image
Ĉi tiu artikolo citas neniun fonton . Vi povas plibonigi ĝin, aldonante fidindajn fontojn. Senfontaj asertoj povas esti forigitaj.  (Novembro 2012) Aikido Japana Nomo: Kanji 合気道 Hiragana あいきどう Spiradaj ekzercoj Aikido , aŭ Ajkido , estas moderna japana luktarto (Shin Budo) kompilita de Ueshiba Morihei dum la periodo inter la 1930-aj jaroj ĝis 1960-aj jaroj. Ĝi estas senperforta kaj multaj el ĝiaj teĥnikoj evoluis el Daito-Rjuo (speco de ĵuĵicuo) kaj el glava batalado. La filozofio de aikido devenis ĉefe de la religio Oomoto pro la kontaktoj inter O´Sensei ("granda majstro", esprimo uzata de la aikidistoj por nomi Ueshiba Morihei) kaj Deguchi Onisaburo Sensei el Oomoto. Oni konsideras, ke aikidisto havu iom da spiriteco, interalie pri la uzo de la Ĉi, KI, ĝi postulas nenuran teknikan trejnon. La nepo de la kreinto, Ueshiba Moriteru, nun estas "Doshu", tiu kiu montras la vojon. Enhavo 1 Aikido - Oomoto - Esperanto...
Read more

The minimum number of groups for any class cannot be less than 2 error

Image
0 $begingroup$ cv_split = StratifiedShuffleSplit(n_splits=10, test_size=0.3, random_state=0) # Performing cross-validation to estimate the performance of the models for idx, est in enumerate(estimator): cv_results = cross_validate(est[1](), x_value, y_value, cv=cv_split) I got following error from this code ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. and my y_value looks like y_value = array([221900, 180000, 510000, ..., 360000, 400000, 325000]) I used this method before and y_value has the same shape as before. python data-mining cross-validation share ...
Read more

SMOTE: ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

Image
0 $begingroup$ I am designing a multi class classifier for 11 labels. I am using SMOTE to tackle the sampling problem. However I face the following error:- error at SMOTE from imblearn.over_sampling import SMOTE sm = SMOTE(random_state=42) X_res, Y_res = sm.fit_sample(X_f, Y_f) error ~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance) 414 "Expected n_neighbors <= n_samples, " 415 " but n_samples = %d, n_neighbors = %d" % --> 416 (train_size, n_neighbors) 417 ) 418 n_samples, _ = X.shape ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6 Why does it say I have only 1 n_samples? When I tr...
Read more