Регрессия, это процесс оценки отношений между переменными. Для того, чтобы строить регрессионную модель, существует несколько методов.
Каждый метод анализирует введённые данные, и даёт в выводе параметры одной функции, которая приближает данные. Можно потом использовать эту функцию чтобы делать прогнозы с новыми данными, например.
| from IPython.html.widgets import FloatProgressWidget | |
| from IPython.display import display | |
| def display_progress(collection): | |
| """ | |
| >>> l = [1,2,3] | |
| >>> for e in display_progress(l): do_something(e) | |
| """ | |
| f = FloatProgressWidget(min=0, max=len(collection)) | |
| display(f) |
| {"test": "{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{}}{{ |
| # Wikidata can be queried in SPARQL using https://query.wikidata.org/ | |
| # However, result size is limited. So this little script processes official wikidata dumps in order to extract information. | |
| # This allows to make simple queries, and stream the results | |
| curl --silent "https://dumps.wikimedia.org/wikidatawiki/entities/latest-all.json.bz2" | bunzip2 | jq --stream -c -M -r ' | |
| select( | |
| (( .[0][1] == "labels" and .[0][2] == "en" and .[0][3] == "value" ) and length > 1) or | |
| ( .[0][1] == "claims" and .[0][2] == "P856" and .[0][6] == "value" ) | |
| ) | .[1] ' |
| #!/usr/bin/env python3 | |
| import json | |
| # Dichotomic search of the deepest parsable json array that python can parse | |
| (m,M) = (0, int(1e6)) | |
| while m+1<M: | |
| middle = (m+M)//2 | |
| try: | |
| json.loads('[' * middle + ']' * middle) | |
| m = middle |
| package com.qwant.utils; | |
| import java.util.HashMap; | |
| import java.util.List; | |
| import java.util.Map; | |
| import java.util.stream.IntStream; | |
| // Inspired From : https://github.com/KevinStern/software-and-algorithms | |
| // This version has me modified to work with any element type, not only string |
| package com.qwant.utils; | |
| import java.util.ArrayList; | |
| import java.util.List; | |
| import java.util.concurrent.Executors; | |
| import java.util.concurrent.ScheduledExecutorService; | |
| import java.util.concurrent.ScheduledFuture; | |
| import java.util.concurrent.TimeUnit; | |
| import java.util.function.Consumer; |
