Touillon






Koordinatoj: 47°39′7″N 4°25′35″E  /  47.65194°N, 4.42639°O / 47.65194; 4.42639 (Touillon)
































































































Touillon
komunumo

Oficiala nomo: Touillon


Regno
Francio Francio

Regiono
Burgonjo-Franĉkonteo

Departemento
Côte-d'Or

Arondismento
Dijon

Kantono
Montbard

Komunumaro
Montbardois

Situo
 Touillon
 - koordinatoj
47°39′7″N 4°25′35″E  /  47.65194°N, 4.42639°O / 47.65194; 4.42639 (Touillon)
Plej alta punkto
 - alteco
 239 m s. m.
Plej malalta punkto
 - alteco
 397 m s. m.

Areo
 36,98 km² (3 698 ha)

Loĝantaro
 464 (2015)
Denseco
12,55 loĝ./km²

Urbestro
 Claude Froidurot
2014-2020

Horzono
 UTC+01:00, UTC+02:00
 - somera tempo
 + unu horo
Poŝtkodo
 21500
INSEE
 21641




Geografia lokigo sur la mapo : Côte-d'Or



Vidu situon de Touillon kadre de Côte-d'Or

DEC

Touillon

Touillon





Geografia lokigo sur la mapo : Francio



Vidu situon de Touillon kadre de Francio

DEC

Touillon

Touillon






Commons-logo.svg Vikimedia Komunejo: Touillon








v • d • r
Information icon.svg



Touillon estas komunumo en Francio kaj situas en la departemento Côte-d'Or, en la regiono Burgonjo-Franĉkonteo.




Enhavo






  • 1 Geografio


  • 2 Historio


  • 3 Referencoj


  • 4 Vidu ankaŭ


  • 5 Ligilo eksteren





Geografio |




Limoj de la komunumo


Touillon etendiĝas sur 36,98 kvadrataj kilometroj kaj havis 464 loĝantojn laŭ la lasta oficiala nombro de 2015, tiel ke la loka loĝdenso estas po 13 homoj laŭ kvadrata kilometro[1]. La komunumo situas en Côte-d'Or, en la nordorienta parto de Burgonjo.



Historio |


Tie estis koncentrejo por germaniaj, austriaj, hispanaj aŭ ĉeĥoslovakaj rifuĝintoj de 1939 ĝis 1940[2].



Referencoj |





  1. ↑ La nombroj de la INSEE france


  2. ↑ Alain Belassène. (2015) Être juif sous l'occupation en Côte d'Or et en Bourgogne. l'Esgargot savant, p. j 31 kaj 68.




Vidu ankaŭ |


  • Komunumoj de Côte-d'Or


Ligilo eksteren |



  • Paĝaro écho des communes france



  • Kategorio Touillon en la Vikimedia Komunejo (Multrimedaj datumoj)







-

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