Schwarzburg










































































Schwarzburg





Blazono

Schwarzburg (Germanio)

DMS

Red pog.svg


Schwarzburg in SLF.png

Federacia lando
Turingio

Distrikto
Distrikto Saalfeld-Rudolstadt

Komunumaro
Verwaltungsgemeinschaft Mittleres Schwarzatal

Urborajtoj
 –

Koordinatoj
50°38′27″N 11°11′49″O  /  50.64083°N, 11.19694°O / 50.64083; 11.19694 (Schwarzburg)Koordinatoj: 50°38′27″N 11°11′49″O  /  50.64083°N, 11.19694°O / 50.64083; 11.19694 (Schwarzburg)

Alto super la marnivelo
280 m

Areo
 14,63 km²

Loĝantaro
 560 (stato 2015-12-31) [fonto: landa statistika oficejo]

Telefona antaŭkodo
 036730

Poŝtkodo
 07427

Malnova poŝtkodo de antaŭ 1993
 6825

Aŭtomobila kodo
 SLF

Oficiala Municipokodo
 16073082

Komunumestro
 Knut Künzer

Adreso de la administrejo
 Hauptstraße 40
07429 Sitzendorf

Oficiala retejo
http://www.mittleres-schwarzatal.de







v • d • r
Information icon.svg



Schwarzburg [ŝvarcburk] estas komunumo en Germanio. Ĝi troviĝas en la distrikto Saalfeld-Rudolstadt de la federacia lando Turingio, kaj krome estas parto de komunumaro, do grupiĝo de pluraj najbaraj komunumoj por komuna plenumo de iuj administraj servoj, nomata Verwaltungsgemeinschaft Mittleres Schwarzatal. Fine de la jaro 2015 la komunumo havis 560 loĝantojn.



Dinastio Schwarzburg |


La urbo estis origino de la samnoma dinastio Schwarzburg, kiu dum jarcentoj regis plurajn malgrandajn princlandojn en la areo de la hodiaŭa Turingio, specife Schwarzburg-Rudolstadt kaj Schwarzburg-Sondershausen.



Vidindaĵoj |



  • Kastelo Schwarzburg

  • Schwarza (rivero)















historia mueleja segejo



tipaj lokaj trabfakaj domoj




kastelo Schwarzburg



domo Kaisersaal en la kastelo




la "vala kirko"




  • Schwarzburg en la Vikimedia Komunejo (Multrimedaj datumoj)


  • Kategorio Schwarzburg en la Vikimedia Komunejo (Multrimedaj datumoj)
















Ĝermo pri Germanio
Ĉi tiu artikolo ankoraŭ estas ĝermo pri Germanio.

Helpu al Vikipedio plilongigi ĝin. Se jam ekzistas alilingva samtema artikolo pli disvolvita, traduku kaj aldonu el ĝi (menciante la fonton).



-

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