Distrikto Tübingen
























































Blazono
 Mapo

blazono
mapo
bazaj informoj

Federacia lando:
Baden-Virtembergo

Distriktaro:
Tübingen

Regiona ligo:
Neckar-Alb
Administra sidejo:
Tübingen
Areo: 519 km²
Loĝantoj: 225755 (fine de decembro 2017)

Loĝdenso:		 428 po km²

Aŭtokodo:		 TÜ (Tübingen)

Oficiala kodo:		 08416
Komunumoj: 15
Situo ene de Baden-Virtembergo

situo de la distrikto en Baden-Virtembergo

La distrikto Tübingen situas en la federacia lando Baden-Virtembergo de Germanio. Ĝia administra sidejo estas la samnoma, historia universitata urbo Tübingen. La distrikto estas parto de la ankaŭ samnoma distriktaro Tübingen kaj de la regiona ligo Neckar-Alb. Fine de decembro 2017 la distrikto havis 225755 loĝantojn.


Najbaras la distriktoj Böblingen norde, Reutlingen oriente, Zollernalb sude kaj Freudenstadt okcidente kaj Calw okcidente.



Administra divido |


La distrikto konsistas el 15 komunumoj, el kiuj 3 estas urboj. En la sekva listo inter krampoj aldoniĝas la respektiva nombro de loĝantoj laŭ la stato fino de decembro 2017.


Urboj:




  1. Mössingen (20416)


  2. Rottenburg am Neckar (43615)


  3. Tübingen (89447)


Neurbaj komunumoj:




  1. Ammerbuch (11400)


  2. Bodelshausen (5748)


  3. Dettenhausen (5487)


  4. Dußlingen (6089)


  5. Gomaringen (8967)


  6. Hirrlingen (3079)


  7. Kirchentellinsfurt (5599)


  8. Kusterdingen (8552)


  9. Nehren (4353)


  10. Neustetten (3627)


  11. Ofterdingen (5023)


  12. Starzach (4353)


Iuj urboj kaj/aŭ komunumoj interkonsentis kune oferti partojn de la publikaj servoj kadre de administraj komunumaroj. Tiuj grupigoj en la supra listo (laŭ la nuna stato) ne aparte listiĝas.



Eksteraj ligiloj |


  • oficialaj paĝoj de la distrikto (germanlingvaj)








  • Tübingen







  • Rottenburg am Neckar







  • Mössingen







  • Ammerbuch






  • Kategorio Distrikto Tübingen en la Vikimedia Komunejo (Multrimedaj datumoj)










v • d • r

urbaj kaj neurbaj komunumoj en la distrikto Tübingen

Ammerbuch | Bodelshausen | Dettenhausen | Dußlingen | Gomaringen | Hirrlingen | Kirchentellinsfurt | Kusterdingen | Mössingen | Nehren | Neustetten | Ofterdingen | Rottenburg am Neckar | Starzach | Tübingen
 blazono de la distrikto Tübingen










-

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