问题标签 [pruning]

我有一些存储自定义日志和查询数据的 Django 模型，我只想保留有限的时间（即 30 天的搜索数据或最多 10,000 个数据库行的日志数据）。这些模型用于可视化视图，因此我不能将其存储在文件中并让 logrotate 处理。

Django 中是否有内置的东西来处理这个问题？

我可以创建一个使用 SQLAlchemy 定期修剪数据库的 cron 作业，或者创建一个在访问时修剪记录（通过视图代码）的仅限管理员的页面，但是如果 Django 中已经内置了一些东西来处理有限的数据保留使用它可能更有意义。

I do understand Input until step 4 (If my understanding is correct) but step 5 is a bit confusing because I don't know what should I put in |S₁| + |S₂| ≥ k -- I'm not even sure if it's an absolute value or what. I don't get the iterations too. Uhmm

注意：上图显示了一个分成 5 个组（列）的分区。水平框表示每个分区的中值。“P”项目表示中位数的中位数。

我看到的大多数研究在选择他们的“P”中都有这张图片，它总是有奇数个元素。但是如果你拥有的数字元素是偶数呢？

前任。

你如何在一组均匀的元素中得到你的“P”？

我阅读了很多关于 Prune 和 Search 算法的资料，甚至还询问了其中的一些内容以供确认。

这是一个很好的来源。然而，有些事情我很难理解。就像 Prune 和 Search 的时间复杂度：

有人可以为此提供一个简短的解释吗？

这是我正在编写的程序的一部分。目标是提取所有 GPX 文件，例如在 G:\（在命令行中使用 -e G:\ 指定）。它将创建一个“Exports”文件夹并在那里递归地转储所有具有匹配扩展名的文件。很好用，朋友帮我写的！！问题：不包含 GPX 文件的目录的空目录和子目录。

稍后在程序中，我们要求extractpath()：

所以上面的提取确实有效。但是len上面的函数调用旨在防止创建空目录并且没有。我知道最好的方法是在导出后os.rmdir以某种方式进行，虽然没有错误，但文件夹仍然存在。

那么我怎样才能成功地修剪这个 Exports 文件夹，以便只有带有 GPX 的目录才会在那里呢？:)

我正在研究模糊最小最大神经网络（分类）项目。客户端是否要求使用两个或多个修剪算法来修剪超框？Hyperbox是一个Dimensional box，其中box的每个维度代表数据集的一个属性（m使用WBC数据集）。

IEEE 论文的链接如下： ftp: //ftp.inf.ufrgs.br/pub/SIA/refer%EAncias/fuzzy%20min%20max%20classifier.pdf

并且在互联网上搜索但无法找到修剪超级盒的单一解决方案（AJ 解决方案除外）。谁能建议我任何解决方案或您自己的想法？

i've got an question about find, prune and print combined with an while loop. I want find every file named trace but not the files ending on mailed. Also i want to exclude the files in the lost+found directory. My idea was to use the following command:

find /opt/myTESTdir/ -iwholename '*lost+found' -prune -o -ctime +4 -type f -iname "*trace*" -not -iname "*.mailed*" -print0 | while read file ; do newfile=${file%.txt}".mailed" ; mv -v $file $newfile ; done

My question is now should this work or is there an syntax error? I've tried out the find command without everything behind the pipe and it seems, that's work correctly. But i'm not sure about the combination. I hope you could answer me :)

(Sorry for my bad english)

是否有任何工具可以用来从我的数据集中修剪高频和低频术语？

目前，我正在进行字符串对齐比较。我对如何通过修剪来优化 DP 感到困惑。

DP 可以表示为矩阵/表格。起点是 (0, 0)。例如， (3, 4) 处的元素被修剪，其值被标记为 -1 或 null。但是当我计算位置 (4, 4), (3, 5) 和 (4, 5) 时，我仍然需要一个 if 语句来检查 (3, 4) 的值是无效（修剪）还是有效（不是修剪）。这个实现可以节省时间，因为剪枝功能带来额外的运行时间？？？

是否有任何免费的 Java 库可用于训练决策树，允许设置单独的验证集以减少错误修剪？

对于 Weka（我目前正在使用的），它只允许使用数据的随机子集进行 n 倍交叉验证。但是，由于我正在处理时间序列数据，因此将数据的前半部分用作训练数据，并将后半部分（未来数据）用于验证/修剪将是有益的。

通过 n 倍验证，过度拟合是一个严重的问题，导致准确率仅略高于约 50%。