- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我创建了一个测试 LTI 工具提供程序,并在 http://www.imsglobal.org/developers/LTI/test/v1p1/lms.php 上针对 IMSGlobal 测试使用者成功地对其进行了测试。 .
但是,当我在客户的 D2L 测试实例中使用我的端点时,oAuth 签名不匹配。我怀疑 D2L 生成的签名基本字符串与我的有些不同。有没有办法获取D2L工具消费者的基本字符串进行比较?
最佳答案
D2L 工具使用者实现也已针对 IMS 引用实现成功进行了测试。但是,在学习环境中注册和配置外部学习工具是一个有点棘手的过程。
在外部学习工具管理工具中,您可以管理特定列表链接(嵌入时,在 LMS 中创建 LTI 启动点)以及工具提供程序配置列表(例如,如果您有一个工具提供程序,但想要为同一个工具提供商嵌入许多 LTI 启动链接)。学习环境中管理这两个项目列表的确切 UX 取决于您的 LE 版本......在早期支持 LTI 的 LE 中,工具提供者列表隐藏在外部学习工具上的设置齿轮后面我认为管理页面;在以后的 LE 中,链接列表和工具提供程序列表在管理页面中更加明显。
工具提供者列表允许您为工具提供者提供 key 和 secret ,并使用它来签署 LTI 启动而不是为工具使用者本身配置的默认 key / secret (“使用自定义工具使用者信息而不是默认值”) .
链接列表允许您 (a) 选择从链接签署 LTI 启动,以及 (b) 使用工具使用者 key / secret 或特定于 LTI 链接本身的 key / secret 签署启动。请注意,如果您对外部学习工具链接条目使用匹配的工具提供程序条目,并且该工具提供程序条目具有设置为覆盖默认工具使用者信息的 key / secret ,则正是此工具提供程序覆盖 key / secret 如果在上面的 (b) 中您选择使用工具使用者 key / secret 对启动进行签名,则习惯于对启动进行签名。
是的,这很令人困惑。
因此,发布是否已签名,具体取决于链接的“编辑链接”页面中的设置。如果启动已签名,则可以使用“编辑链接”页面上提供的“链接 key / secret ”对其进行签名,也可以使用“工具使用者 key / secret ”对其进行签名。如果是最后一个,那么它将首先检查匹配的工具提供程序条目覆盖以提供 key / secret ,如果没有找到,它将使用整个 LE 的 key / secret 集。
完成所有设置后,从链接的“编辑链接”页面内部,您可以“预览请求”以进行测试启动。您还可以“预览请求详细信息”,这将带您进入一个页面,该页面显示 LTI POST 正文表单的外观——从那里您可以验证 oauth 属性是否会显示在启动表单中——如果它们'不在那个预览表格中,那么你的发布就没有得到签名。如果 oauth 属性在表单中,那么您可以看到将发送的内容,并且您可以使用这些值进行调试/测试。
关于oauth - Desire2Learn 无效的 oAuth 签名与 LTI 学习工具链接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18774704/
基本上,我的问题是,由于无监督学习是机器学习的一种,是否需要机器“学习”的某些方面并根据其发现进行改进?例如,如果开发了一种算法来获取未标记的图像并找到它们之间的关联,那么它是否需要根据这些关联来改进
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
是否有类似于 的 scikit-learn 方法/类元成本 在 Weka 或其他实用程序中实现的算法以执行常量敏感分析? 最佳答案 不,没有。部分分类器提供 class_weight和 sample_
是否Scikit-learn支持迁移学习?请检查以下代码。 型号 clf由 fit(X,y) 获取 jar 头型号clf2在clf的基础上学习和转移学习 fit(X2,y2) ? >>> from s
我发现使用相同数据的两种交叉验证技术之间的分类性能存在差异。我想知道是否有人可以阐明这一点。 方法一:cross_validation.train_test_split 方法 2:分层折叠。 具有相同
我正在查看 scikit-learn 文档中的这个示例:http://scikit-learn.org/0.18/auto_examples/model_selection/plot_nested_c
我想训练一个具有很多标称属性的数据集。我从一些帖子中注意到,要转换标称属性必须将它们转换为重复的二进制特征。另外据我所知,这样做在概念上会使数据集稀疏。我也知道 scikit-learn 使用稀疏矩阵
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
有没有办法让 scikit-learn 中的 fit 方法有一个进度条? 是否可以包含自定义的类似 Pyprind 的内容? ? 最佳答案 如果您使用 verbose=1 初始化模型调用前 fit你应
我正在使用基于 rlglue 的 python-rl q 学习框架。 我的理解是,随着情节的发展,算法会收敛到一个最优策略(这是一个映射,说明在什么状态下采取什么行动)。 问题 1:这是否意味着经过若
我正在尝试使用 grisSearchCV 在 scikit-learn 中拟合一些模型,并且我想使用“一个标准错误”规则来选择最佳模型,即从分数在 1 以内的模型子集中选择最简约的模型最好成绩的标准误
我正在尝试离散数据以进行分类。它们的值是字符串,我将它们转换为数字 0,1,2,3。 这就是数据的样子(pandas 数据框)。我已将数据帧拆分为 dataLabel 和 dataFeatures L
每当我开始拥有更多的类(1000 或更多)时,MultinominalNB 就会变得非常慢并且需要 GB 的 RAM。对于所有支持 .partial_fit()(SGDClassifier、Perce
我需要使用感知器算法来研究一些非线性可分数据集的学习率和渐近误差。 为了做到这一点,我需要了解构造函数的一些参数。我花了很多时间在谷歌上搜索它们,但我仍然不太明白它们的作用或如何使用它们。 给我带来更
我知道作为功能 ordinal data could be assigned arbitrary numbers and OneHotEncoding could be done for catego
这是一个示例,其中有逐步的过程使系统学习并对输入数据进行分类。 它对给定的 5 个数据集域进行了正确分类。此外,它还对停用词进行分类。 例如 输入:docs_new = ['上帝就是爱', '什么在哪
我有一个 scikit-learn 模型,它简化了一点,如下所示: clf1 = RandomForestClassifier() clf1.fit(data_training, non_binary
我是一名优秀的程序员,十分优秀!