Dosiero:Diaspora New Image.png


























PriskriboDiaspora New Image.png

English: Screenshot of Diaspora as of November 5, 2011. Author's surname and profile picture has been blurred for privacy reasons.
Dato la 5-a de novembro 2011
Fonto joindiaspora.com
Aŭtoro

Mi, la posedanto de la aŭtorrajto por ĉi tiu verko, ĉi-maniere publikigas tiun laŭ la jena permesilo:
Permeso
(Reuzo de la dosiero)

CC-BY-SA 3.0 per official site.



Ĉi tiu ekranfoto ne enhavas partojn aŭ vidaĵojn de kopirajta programaro, aŭ la aŭtoro eldonis ĝin je libera permesilo (kio estu indikita sub ĉi tiu noto), kaj do sekvas la permesilajn gvidliniojn de Wikimedia Commons. Vi rajtas libere uzi ĝin laŭ la apartena permesilo.

Liber-programara permesilo:









w:eo:Creative Commons

atribuitesamkondiĉe


 Ĉi tiu dosiero estas disponebla laŭ la permesilo Krea Komunaĵo Atribuite-Samkondiĉe 3.0 Neadaptita.



Vi rajtas:


  • kunhavigi – kopii, distribui kaj publikigi la verkon


  • aliigi – modifi, adapti, kompletigi, transformi, uzi la tutan verkon aŭ ties partojn, memstare aŭ en aliaj verkoj



La verko rajtas esti kunhavigata nur:


  • atribuite – Vi devas atribui aŭtorecon, liveri ligilon al la permesilo kaj marki ĉu ŝanĝoj estis faritaj. Faru tion en aprobinda maniero, tamen ne sugestante, ke permesinto aprobas vin aŭ vian uzon.


  • samkondiĉe – Se vi aliigas la verkon, transformas ĝin aŭ kreas devenaĵon bazitan sur ĝi, vi rajtas distribui la rezultan verkon nur laŭ la sama aŭ kongrua permesilo kompare kun ĉi tiu.




https://creativecommons.org/licenses/by-sa/3.0
CC BY-SA 3.0
Creative Commons Attribution-Share Alike 3.0
truetrue



Notu: se la ekranfoto montras ion ajn ne rezultan al programa kodo, kiel teksto aŭ grafikaĵo ne apartenanta al la programo, la permesilo por tio devas esti aparte indikata.


български | català | čeština | kaszëbsczi | Deutsch | Ελληνικά | English | British English | Esperanto | español | فارسی | suomi | français | galego | עברית | magyar | Bahasa Indonesia | italiano | 日本語 | 한국어 | македонски | മലയാളം | Bahasa Melayu | Nederlands | norsk | polski | português | português do Brasil | русский | sicilianu | slovenčina | slovenščina | svenska | Türkçe | 中文 | 中文（简体）‎ | 中文（繁體）‎ | 中文（台灣）‎ | +/−








-

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