save(['D:\MATLAB R2022a\project\data.cnt\trials\2hyx\day1\',Name{file_i},'.cnt'], 'EEG', '-v7.3');

时间: 2023-12-22 21:29:49 浏览: 25
这段代码是用于将变量`EEG`保存为MATLAB数据文件的函数`save`的使用示例。`save`函数的第一个参数是保存文件的路径和文件名,这里使用了字符串拼接的方式生成了保存文件的完整路径。`Name{file_i}`是一个变量,它可能是一个字符串数组或者一个单独的字符串,用于生成文件名的一部分。`.cnt`是文件的扩展名。 `save`函数的第二个参数是要保存的变量名,这里是`EEG`。`-v7.3`是一个可选参数,用于指定保存文件的格式。`-v7.3`表示使用MATLAB 7.3版本的格式保存文件,这种格式支持保存大型变量。 通过执行这段代码,变量`EEG`将被保存为一个MATLAB数据文件,文件名为`Name{file_i}.cnt`,保存在指定的路径下。 请问还有其他关于`save`函数的问题吗?
相关问题

ValueError: file 'D:\\PYTHON\\Data\\EEG_data\\1.cnt' does not start with a file id tag

这个错误通常是由于读取的文件格式不正确导致的。在EEG领域中,.cnt文件是一种常见的数据格式,但是如果文件格式不正确,就会出现这个错误。 解决方法是检查文件是否正确,可以使用一些专业的工具来检查文件格式是否正确。如果文件格式正确,那么可能是代码中读取文件的方式有问题,需要检查代码中读取文件的部分是否正确。 另外,也可以尝试使用其他的文件读取方式,比如使用pandas库中的read_csv()函数来读取文件,或者使用numpy库中的loadtxt()函数来读取文件。

# 文件保存路径 file_path = './test' create_file(file_path) # 获取图片 for i in img_list: try: img_url = i.xpath('./@src')[0] except: img_url = i.xpath('./@data-src')[0] # 文件名称 file_name = f'{file_path}/page_{cnt}.jpg' print(file_name, img_url) # 下载保存图片 resp = requests.get(img_url) with open(file_name, 'wb') as f: f.write(resp.content) cnt += 1修改这部分代码,使得存储文件名和路径分开来

要将存储文件名和路径分开来,可以在 `file_path` 和 `file_name` 中分别使用不同的变量来构造。具体来说,可以定义一个变量 `file_dir` 来存储文件夹路径,再根据当前图片序号 `cnt` 构造出文件名 `file_name`,然后将 `file_dir` 和 `file_name` 合并起来得到完整的文件路径。 修改后的代码如下: ```python # 文件保存路径 file_dir = './test' create_file(file_dir) # 获取图片 cnt = 0 for i in img_list: try: img_url = i.xpath('./@src')[0] except: img_url = i.xpath('./@data-src')[0] # 文件名称 file_name = f'page_{cnt}.jpg' print(file_name, img_url) # 下载保存图片 resp = requests.get(img_url) file_path = os.path.join(file_dir, file_name) # 合并文件路径 with open(file_path, 'wb') as f: f.write(resp.content) cnt += 1 ``` 这样,存储文件名和路径就被分开来了,文件名和路径的构造也更加清晰易懂。

相关推荐

保留原本功能优化以下代码import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head(5)) # 前5行 print(bike_day.tail(2)) #后2行 #2.处理数据并导出到文件 bike_day_user = bike_day[['instant','dteday','yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ',index=False, header=False) #3.读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant','dteday','yr', 'casual',"registered"]) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) #4.读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') print('cnt最大值:',bike_day_user_cnt['cnt'].max()) print('ent最小值:',bike_day_user_cnt['cnt'].min()) print('2011号cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean()) print('2012年cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean()) print('2011年月严始值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean()) print('2022年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean()) # 5.可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean(), color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean(), color='lightblue', label='2012') ax.set_yticks(np.arange(1,13)) ax.set_yticklabels(['Jan','Feb','Mar', 'Apr', 'May','Jun','Jul','Aug', 'sep', 'Oct','Nov','Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300)

insert table cdata_safe_income_new_day_analysis_item_status with t1 as ( select if(a.app_id is null,b.app_id,a.app_id) as app_id, if(a.product is null,b.product,a.product) as product, if(a.item_code_name is null,b.item_code_name,a.item_code_name) as item_code_name, case when a.app_id is null and (if(a.tiaozhang_cnt is null,0,a.tiaozhang_cnt) + if(b.tiaozhang_cnt is null,0,b.tiaozhang_cnt)) > 0 then '调账影响' when b.app_id is null and (if(a.tiaozhang_cnt is null,0,a.tiaozhang_cnt) + if(b.tiaozhang_cnt is null,0,b.tiaozhang_cnt)) > 0 then '调账影响' when a.app_id is null and (if(a.tuifei_cnt is null,0,a.tuifei_cnt) + if(b.tuifei_cnt is null,0,b.tuifei_cnt)) > 0 then '退费影响' when b.app_id is null and (if(a.tuifei_cnt is null,0,a.tuifei_cnt) + if(b.tuifei_cnt is null,0,b.tuifei_cnt)) > 0 then '退费影响' when a.app_id is null and c.voucher_begin > 0 then '优惠券影响' --- 原:续费使用了代金券 when a.app_id is null and c.voucher_end > 0 and change_order_cnt = 0 then '优惠券影响' --- 原:续费使用了代金券 when b.app_id is null and c.voucher_begin > 0 then '优惠券影响' --- 原:续费由代金券转为正常 when b.app_id is null and c.voucher_end > 0 and change_order_cnt = 0 then '优惠券影响' --- 原:续费由代金券转为正常 else 'item维度正常' end flag_status from (select app_id, product,item_code_name,sum(if(paymode_type = '调账',1,0)) as tiaozhang_cnt, sum(if(instr(paymode,'退费')>0,1,0)) as tuifei_cnt from cdata_safe_income_new_day where ftime = '${YYYYMMDD}' and paymode != '0元订单' and prod_class1_name = '基础安全' and prod_class2_name = '云原生安全' and product is not null and pay_type = '公有云' group by app_id,product,item_code_name ) a full join

/var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:2: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['cluster_label'] = db.labels_ /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:8: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['hour'] = device_df['timestamp'].map(lambda x: time.localtime(x).tm_hour) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:9: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_night'] = device_df['hour'].map(lambda x: 1 if x >= 22 or x < 6 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:10: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_daytime'] = device_df['hour'].map(lambda x: 1 if x >= 10 or x < 17 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:11: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_weekend'] = device_df['timestamp'].map(lambda x: 1 if datetime.datetime.utcfromtimestamp(x).weekday() >= 5 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:18: UserWarning: Boolean Series key will be reindexed to match DataFrame index. night_cnt = device_cluster_df[device_df['is_night'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:19: UserWarning: Boolean Series key will be reindexed to match DataFrame index. daytime_cnt = device_cluster_df[device_df['is_daytime'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:20: UserWarning: Boolean Series key will be reindexed to match DataFrame index. weekend_cnt = device_cluster_df[device_df['is_weekend'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_41405/1920266051.py:21: UserWarning: Boolean Series key will be reindexed to match DataFrame index. weekday_cnt = device_cluster_df[device_df['is_weekend'] == 0]['event_day'].drop_duplicates().count() ​解释一下这段信息为什么出现

/var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:2: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['cluster_label'] = db.labels_ /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:8: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['hour'] = device_df['timestamp'].map(lambda x: time.localtime(x).tm_hour) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:9: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_night'] = device_df['hour'].map(lambda x: 1 if x >= 22 or x < 6 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:10: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_daytime'] = device_df['hour'].map(lambda x: 1 if x >= 10 or x < 17 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:11: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy device_df['is_weekend'] = device_df['timestamp'].map(lambda x: 1 if datetime.datetime.utcfromtimestamp(x).weekday() >= 5 else 0) /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:18: UserWarning: Boolean Series key will be reindexed to match DataFrame index. night_cnt = device_cluster_df[device_df['is_night'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:19: UserWarning: Boolean Series key will be reindexed to match DataFrame index. daytime_cnt = device_cluster_df[device_df['is_daytime'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:20: UserWarning: Boolean Series key will be reindexed to match DataFrame index. weekend_cnt = device_cluster_df[device_df['is_weekend'] == 1]['event_day'].drop_duplicates().count() /var/folders/gk/ryl0f4y10m9ccnhw_1vlpjzh0000gn/T/ipykernel_35021/1920266051.py:21: UserWarning: Boolean Series key will be reindexed to match DataFrame index. weekday_cnt = device_cluster_df[device_df['is_weekend'] == 0]['event_day'].drop_duplicates().count()jupyter notebook出现这段报错的原因

最新推荐

recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

python 如何将DWG转DXF

Python可以使用CAD软件的COM组件进行DWG到DXF的转换。以下是示例代码: ```python import win32com.client def dwg_to_dxf(dwg_path, dxf_path): acad = win32com.client.Dispatch("AutoCAD.Application") doc = acad.Documents.Open(dwg_path) doc.SaveAs(dxf_path, win32com.client.constants.acDXF) doc.Close() acad.Quit
recommend-type

c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf

校园超市商品信息管理系统课程设计旨在帮助学生深入理解程序设计的基础知识,同时锻炼他们的实际操作能力。通过设计和实现一个校园超市商品信息管理系统,学生掌握了如何利用计算机科学与技术知识解决实际问题的能力。在课程设计过程中,学生需要对超市商品和销售员的关系进行有效管理,使系统功能更全面、实用,从而提高用户体验和便利性。 学生在课程设计过程中展现了积极的学习态度和纪律,没有缺勤情况,演示过程流畅且作品具有很强的使用价值。设计报告完整详细,展现了对问题的深入思考和解决能力。在答辩环节中,学生能够自信地回答问题,展示出扎实的专业知识和逻辑思维能力。教师对学生的表现予以肯定,认为学生在课程设计中表现出色,值得称赞。 整个课程设计过程包括平时成绩、报告成绩和演示与答辩成绩三个部分,其中平时表现占比20%,报告成绩占比40%,演示与答辩成绩占比40%。通过这三个部分的综合评定,最终为学生总成绩提供参考。总评分以百分制计算,全面评估学生在课程设计中的各项表现,最终为学生提供综合评价和反馈意见。 通过校园超市商品信息管理系统课程设计,学生不仅提升了对程序设计基础知识的理解与应用能力,同时也增强了团队协作和沟通能力。这一过程旨在培养学生综合运用技术解决问题的能力,为其未来的专业发展打下坚实基础。学生在进行校园超市商品信息管理系统课程设计过程中,不仅获得了理论知识的提升,同时也锻炼了实践能力和创新思维,为其未来的职业发展奠定了坚实基础。 校园超市商品信息管理系统课程设计的目的在于促进学生对程序设计基础知识的深入理解与掌握,同时培养学生解决实际问题的能力。通过对系统功能和用户需求的全面考量,学生设计了一个实用、高效的校园超市商品信息管理系统,为用户提供了更便捷、更高效的管理和使用体验。 综上所述,校园超市商品信息管理系统课程设计是一项旨在提升学生综合能力和实践技能的重要教学活动。通过此次设计,学生不仅深化了对程序设计基础知识的理解,还培养了解决实际问题的能力和团队合作精神。这一过程将为学生未来的专业发展提供坚实基础,使其在实际工作中能够胜任更多挑战。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

写一个python代码遍历excel中的工作表,并提取每个工作表中的数据

好的,以下是Python代码示例: ``` import openpyxl # 打开Excel文件 workbook = openpyxl.load_workbook('example.xlsx') # 获取所有工作表名 worksheet_names = workbook.sheetnames # 遍历工作表并提取数据 for worksheet_name in worksheet_names: worksheet = workbook[worksheet_name] for row in worksheet.iter_rows(values_only=True):
recommend-type

建筑供配电系统相关课件.pptx

建筑供配电系统是建筑中的重要组成部分,负责为建筑内的设备和设施提供电力支持。在建筑供配电系统相关课件中介绍了建筑供配电系统的基本知识,其中提到了电路的基本概念。电路是电流流经的路径,由电源、负载、开关、保护装置和导线等组成。在电路中,涉及到电流、电压、电功率和电阻等基本物理量。电流是单位时间内电路中产生或消耗的电能,而电功率则是电流在单位时间内的功率。另外,电路的工作状态包括开路状态、短路状态和额定工作状态,各种电气设备都有其额定值,在满足这些额定条件下,电路处于正常工作状态。而交流电则是实际电力网中使用的电力形式,按照正弦规律变化,即使在需要直流电的行业也多是通过交流电整流获得。 建筑供配电系统的设计和运行是建筑工程中一个至关重要的环节,其正确性和稳定性直接关系到建筑物内部设备的正常运行和电力安全。通过了解建筑供配电系统的基本知识,可以更好地理解和应用这些原理,从而提高建筑电力系统的效率和可靠性。在课件中介绍了电工基本知识,包括电路的基本概念、电路的基本物理量和电路的工作状态。这些知识不仅对电气工程师和建筑设计师有用,也对一般人了解电力系统和用电有所帮助。 值得一提的是,建筑供配电系统在建筑工程中的重要性不仅仅是提供电力支持,更是为了确保建筑物的安全性。在建筑供配电系统设计中必须考虑到保护装置的设置,以确保电路在发生故障时及时切断电源,避免潜在危险。此外,在电气设备的选型和布置时也需要根据建筑的特点和需求进行合理规划,以提高电力系统的稳定性和安全性。 在实际应用中,建筑供配电系统的设计和建设需要考虑多个方面的因素,如建筑物的类型、规模、用途、电力需求、安全标准等。通过合理的设计和施工,可以确保建筑供配电系统的正常运行和安全性。同时,在建筑供配电系统的维护和管理方面也需要重视,定期检查和维护电气设备,及时发现和解决问题,以确保建筑物内部设备的正常使用。 总的来说,建筑供配电系统是建筑工程中不可或缺的一部分,其重要性不言而喻。通过学习建筑供配电系统的相关知识,可以更好地理解和应用这些原理,提高建筑电力系统的效率和可靠性,确保建筑物内部设备的正常运行和电力安全。建筑供配电系统的设计、建设、维护和管理都需要严谨细致,只有这样才能确保建筑物的电力系统稳定、安全、高效地运行。
recommend-type

关系数据表示学习

关系数据卢多维奇·多斯桑托斯引用此版本:卢多维奇·多斯桑托斯。关系数据的表示学习机器学习[cs.LG]。皮埃尔和玛丽·居里大学-巴黎第六大学,2017年。英语。NNT:2017PA066480。电话:01803188HAL ID:电话:01803188https://theses.hal.science/tel-01803188提交日期:2018年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireUNIVERSITY PIERRE和 MARIE CURIE计算机科学、电信和电子学博士学院(巴黎)巴黎6号计算机科学实验室D八角形T HESIS关系数据表示学习作者:Ludovic DOS SAntos主管:Patrick GALLINARI联合主管:本杰明·P·伊沃瓦斯基为满足计算机科学博士学位的要求而提交的论文评审团成员:先生蒂埃里·A·退休记者先生尤尼斯·B·恩