Предмет: Английский язык, автор: Lizayakybovskay

письмо другу о переезде на английском языке с переводом на русский

Соловей618: Можете рассказать больше что требуется сделать?

Ответы

Автор ответа: galina572319
36

Ответ:

Dear Julie,

Thanks so much for your last letter. I'm writing to tell you about my new flat.

My flat is fantastic. It is near the waterfront. The flat has got a nice renovation and there is beautiful furniture. There are three big rooms with large windows. It has a spectacular view of the Volga River, of the beach, and on the other side of the apartment, of the city. Also, it has a big kitchen and a bathroom, where there is a Jacuzzi and a shower cabin with radio and back light.

I've met some of my neighbours, and they invited me to dinner. I have not made friends with anyone yet, but I saw a few people of my age.

Well, it's time to go now. Why not drop by and tell me your news?

Best regards,

Alexandra

Дорогая Юлия,

Спасибо за последнее письмо. Я напишу тебе о своей новой квартире.

У меня фантастическая квартира. Она находится недалеко от набережной. Квартира с хорошим ремонтом и красивой мебелью. Есть три большие комнаты с большими окнами. Из окон открывается потрясающий вид на Волгу, пляж, а с другой стороны квартиры — на город. Также в ней есть большая кухня и ванная комната, где есть джакузи и душевая кабина с радио и подсветкой.

Я встречалась с некоторыми из моих соседей, и они пригласили меня на ужин. Я еще ни с кем не подружилась, но встречала с людей моего возраста.

Ну, теперь мне пора идти. Почему бы тебе не зайти и не рассказать мне свои новости?

С наилучшими пожеланиями,

Александра

Предыдущий вопрос
Следующий вопрос
Похожие вопросы
Предмет: Другие предметы, автор: Аноним
Здравствуйте. В коде ошибка в строке grid_search.fit (X_train.values, y_train.values) Код написан на пайтон. Заранее огромное спасибо просто не понимаю. Вот весь код. import pandas as pd #Импорт библиотеки Pandas - для работы с датафреймами
import numpy as np #Импорт библиотеки NumPy - для работы с массивами

import matplotlib.pyplot as plt #Для работы с графиками


#Импорт модели обучения

from sklearn.linear_model import Ridge


#Импорт класса для решетчатого поиска с перекрестной валидацией

#И функции для разделения данных на наборы

from sklearn.model_selection import GridSearchCV,train_test_split


#Загружаем файл как объект DataFrame с помощью библиотеки Pandas

df = pd.read_csv("/content/DRUGS_exam_classification.csv", sep = ',',

index_col ='ChEMBL ID')

#Выбираем из них только те, что подходят под условия

filt=df.loc[(df['Heavy Atoms']>=12) & (df['Heavy Atoms']<=25)]

#Задаем целевое поле

y = df_filt['Molecular Species']

#Задаем поля дескрипторов

X = df_filt[['Molecular Weight','AlogP','Polar Surface Area','QED Weighted','CX LogP','CX LogD','Heavy Atoms']]

#Делим данные на обучающий и тестовый наборы

X_train, X_test, y_train, y_test = train_test_split(X,y,random_state=42)


#Задаем варьирующийся параметр модели 'alpha'

param_grid = {'alpha': [0.01,0.1,1,10]}

#Настраиваем параметры поиска - саму модель, число блоков валидации - 10

#И указываем метрику R^2

grid_search = GridSearchCV(Ridge(random_state=42),param_grid,

cv=10, scoring='roc_auc')

#Обучаем модели на подготовленном тренировочном наборе

grid_search.fit (X_train.values, y_train.values)

#Оцениваем лучшую модель (она автоматически сохраняется в grid_search)

score = grid_search.score(X_test.values,y_test.values)

print(f'Параметры лучшей модели: {grid_search.best_params_}')

print(f'R^2 модели при кросс-валидации - {round(grid_search.best_score_,6)}')

print(f'R^2 модели на тестовом наборе - {round(score,6)}')


#Создаем список для значений коэффициентов при разных alpha

coefs=[]

#И список значений alpha

alphas=[0.01,0.1,1,10]

#Рассчитываем модель при разных альфа

for i in alphas:

ridge = Ridge(alpha=i)

ridge.fit(X_train.values, y_train.values)

#Заносим значения коэффициентов в список

coefs.append(ridge.coef_)

#Создаем область рисования

fig = plt.figure(figsize=[10,10])

#Для каждого из 6 дескрипторов

for i in range(1,7):

#Создаем subplot

fig.add_subplot(2,3,i)

#И строим значения коэффициента для каждого alpha

plt.plot(alphas,[coefs[0][i-1],coefs[1][i-1],coefs[2][i-1],coefs[3][i-1]])

#Подписываем оси и название

plt.xlabel('alpha')

plt.xscale('log')

plt.ylabel('Весовой коэффициент параметра')

plt.title(X.keys()[i-1])

#Делаем красиво

plt.tight_layout()


#Вводим дескрипторы молекулы для поиска

x_unknown = np.array([[280.45,63.22,0.12,1.45,1.28,19]])

#Используем метод predict для классификации молекулы

result=grid_search.predict(x_unknown)

print(f'AlogP целевой молекулы равен {round(result[0],3)}')
1 год назад
Предмет: Физика, автор: lika19900
На коробці з ялинковою гірляндою написано, що вона складається з
лампочок опором 25 Ом кожна, розрахованих на силу струму 0,44 А. Скільки
таких лампочок треба з'єднати послідовно в гірлянду, щоб її можна було
приєднати до мережі
1 год назад
Предмет: Химия, автор: thedashss
Помогите пожалуйста!
Ca(OH)2->CaCO3->Ca(NO3)2
1 год назад
Предмет: Физика, автор: mulilia
Заполни пропуски в уравнении β-распада. Числа записывай арабскими цифрами, обозначения ядер атомов — латинскими буквами:
7 лет назад
Предмет: Биология, автор: MJKULKYJLK
стратегія поведінки тварин
7 лет назад