Anki & 生成AIで最強の英単語帳を作る。
- やりたいこと
- 英単語を効率的に学習したい。
【育児おすすめグッズ】 | |
①キューブミルク | |
明治ほほえみのらくらくキューブがおすすめ! | |
・測っているうちにどれだけ入れたかわからなくなる | |
・粉をこぼす | |
・外出の時に自分で小分けにしないといけない | |
から解放されます。 | |
②70℃のお湯がすぐに出せるなにか | |
象印STAN.の電動ポットがデザイン&実用性的におすすめ! | |
以前はティファールだったので不便になるかと思ったけど全くそんなことはなかった。 |
$ docker-machine create -d virtualbox default |
from sklearn.ensemble import RandomForestClassifier | |
from sklearn.linear_model import LogisticRegression | |
from sklearn.cross_validation import train_test_split | |
from sklearn.metrics import accuracy_score, roc_auc_score | |
def score(model, X, y): | |
X_train, X_test, y_train, y_test = train_test_split(X, y) | |
model.fit(X_train, y_train) | |
pred_proba = model.predict_proba(X_test) |
# http://stackoverflow.com/questions/6645895/calculating-the-percentage-of-variance-measure-for-k-means | |
cents = [km.kmeans.cluster_centers_ for km in kms] | |
D_k = [cdist(rid_brand_pca, cent, 'euclidean') for cent in cents] | |
# 最も近い中心との距離 | |
dist = [np.min(D,axis=1) for D in D_k] | |
avgWithinSS = [sum(d)/rid_brand_pca.shape[0] for d in dist] | |
# elbow curve |
import datetime | |
from datetime import timedelta | |
# 現在時刻 | |
now = datetime.datetime.now() | |
# 文字列へのフォーマット | |
now.strftime('%Y-%m-%d') # => '2015-09-15' | |
# 引き算 | |
now - datetime.timedelta(days=2) |
for dirname, dirnames, filenames in os.walk(inputfile): | |
for filename in filenames: |
# そーとしたindexを返す. | |
argindex = [i[0] for i in sorted(enumerate(yourList), key=lambda x:x[1])] |
if __name__ == '__main__': | |
while True: | |
try: | |
s = raw_input() | |
except EOFError: | |
break |
int top; | |
int S[1000]; | |
void push(int d) { | |
S[++top] = d; | |
} | |
int pop() { | |
return S[top--]; | |
} |