热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
liting李
Mysql之INTERVAL函数的使用
INTERVAL代表的是时间间隔MySQL中的时间间隔类型有如下几种:1 利用INTERVAL做时间的加减法示例：加法:SQL>SELECT DATE '2018-11-01' + INTERVAL '10 11' DAY_HOUR;1结果:2018-11-11 11:00:00减法:SQL> select date '2018-11-11 11:00:00' -INTERVAL '10 11'
66.6667
0
0
关注作者
收藏
詹惠儿
powerBI中透视表字段怎么以百分比形式显示？
问：powerBI中透视表字段怎么以百分比形式显示？答：操作如下：1. 在右侧【字段】功能区中，选中需要设置百分比格式的汇总规则2.选中【建模】选项卡，在【格式设置】区的【%】即可将汇总规则修改成百分比显示。
66.6667
0
0
关注作者
收藏
M158****2569
常用SQL知识点
修改数据表删除字段：alter table 表名 drop 字段名;alter table 表名 modify 字段名 数据类型 [自增/非空/默认] first;alter table 表名 modify 要排序的字段名 数据类型 [自增/非空/默认] after 参照字段;添加字段：alter table 表名 add 新字段名 数据类型 [自增/非空/默认] [字段位置];修改字段的排列位置
72.9557
0
0
关注作者
收藏
liting李
MySQL中 DATE_SUB函数怎么用?
DATE_SUB:从日期减去指定的时间间隔DATE_SUB有个相反的函数DATE_ADD(),但因为业务上用DATE_SUB的情况多,而且DATE_SUB也能实现增加时间间隔的功能,所以我大多用DATE_SUB.格式: DATE_SUB(日期, 时间间隔, 时间间隔类型type)1时间间隔即interval函数间隔类型type可取:示例1:SELECT DATE_SUB('2018-11-11
66.6667
0
0
关注作者
收藏
bigdata~
神经网络中的激活函数
1 sigmod函数函数公式和图表如下图 在sigmod函数中我们可以看到，其输出是在[0,1]这个开区间内，我们可以联想到概率，可以被表示做为概率，或用于输入的归一化，代表性的如Sigmoid交叉熵损失函数，但是严格意义上讲，不要当成概率。sigmod函数曾经是比较流行的，它可以想象成一个神经元的放电率，在中间斜率比较大的地方是神经元的敏感区，在两边斜率很平缓的地方是神经元的抑制区。当然，流行也
35.9124
0
0
关注作者
收藏
赵娜0418
如何理解混淆矩阵？
混淆矩阵显示分类模型与数据中的实际结果（目标值）相比所做的正确和不正确预测的数量。矩阵是N×N，其中N是目标值（类）的数量。通常使用矩阵中的数据来评估这些模型的性能。下表显示了两个类（正面和负面）的2x2混淆矩阵。准确性：正确的预测总数的比例。阳性预测值或精确度 ：正确识别的阳性病例的比例。负面预测值：正确识别的负面案例的比例。敏感度或召回率：正确识别的实际阳性病例的比例。 特异性：正确识别的实际
36.8747
0
0
关注作者
收藏
你应该是一阵风丫
机器学习求职60问
类型一：基础概念类 问题1：过拟合与欠拟合（定义、产生的原因、解决的方法各是什么）。 问题2:L1正则与L2正则（有哪些常见的正则化方法？作用各是什么？区别是什么？为什么加正则化项能防止模型过拟合）。 问题3：模型方差和偏差（能解释一下机器学习中的方差和偏差吗？哪些模型是降低模型方差的？哪些模型是降低模型偏差的？举例说明一下）。 问题4：奥卡姆剃刀（说一说机器学习中的奥卡姆梯刀原理）。 问题5：模
35.9124
0
0
关注作者
收藏
詹惠儿
‘Z-Score标准化’学习总结
问：‘Z-Score标准化’学习总结答：使用此方法处理数据，我们最后得到的数据集中的平均值将为0，标准差为1。我们可以通过在numpy中组合不同的函数来实现这一点，例如：z =（x.values-np.mean（x.values））/ np.std（x.values） 其中 x 是一个带有数值索引的数据框。如果我们想将值保留在数据框中，则只需要删除它前面的.values。标准化之前的方差cat
35.9124
0
0
关注作者
收藏
詹惠儿
如何理解特种工程中的标签编码？
问：如何理解特种工程中的标签编码？答：在标签编码中，我们可以将分类值转换为数字标签。假设以下是我们的数据集：我们在“Country”列上使用标签重新编码，则会将India转换为1，将the USA转换为2，将China转换为0。此技术的缺点是，会将美国列为最高优先级，因为美国的标签是最大的，而中国则列为最低优先级的标签0，但这在实际工作中仍然是一种非常有用的技术。让我们编写代码。from skle
35.9124
0
0
关注作者
收藏
詹惠儿
powerBI这个价格档是怎么做的呀，还有就是价格分档的依据是什么呀
问：这个价格档是怎么做的呀，还有就是价格分档的依据是什么呀答：这是bi中对字段分箱的功能，具体操作如下：1. 右键点击 价格档，选择 新建组2. 将装箱类型选择 装箱大小，并将 装箱大小 填入 5，将名称填写为 价格档（箱）即可
35.9124
0
0
关注作者
收藏
詹惠儿
mysql报错：Error Code: 1062. Duplicate entry '7369' for key 'PRIMARY'
问：mysql报错：Error Code: 1062. Duplicate entry '7369' for key 'PRIMARY'答：这是因为前面操作已经添加了数据，不需要重复添加，表中设置有主键约束，重复添加会报错。
35.9124
0
0
关注作者
收藏
liting李
excel不能直接将个人宏工作簿保存到启动文件夹
保存宏时，出现以上报错，解决方法如下：关于Excel自启动文件夹的问题：1.如果需要duExcel文件自行启动，可以将文zhi件置入到C:\Documents and Settings\(当前用户名）\Application Data\Microsoft\Excel\XLSTART。至于问题中涉及的情况追问中的第一个提示应该告知原因，需要按此提示进行查找。2.不能保存的提示，也可照此操作。3.自启
35.9124
0
0
关注作者
收藏
liting李
excel不能直接将个人宏工作簿保存到启动文件夹
保存宏时出现以上报错，解决办法如下：关于Excel自启动文件夹的问题：1.如果需要Excel文件自行启动，可以将文件置入到C:\Documents and Settings\(当前用户名）\Application Data\Microsoft\Excel\XLSTART。至于问题中涉及的情况追问中的第一个提示应该告知原因，需要按此提示进行查找。2.不能保存的提示，也可照此操作。3.自启动的文件夹要
66.6667
0
0
关注作者
收藏
读童话的狼
MinMaxScaler转换特征时报错:Expected 2D array, got 1D array instead:
这个错误是因为传入了一维序列,当需要转换某一列特征时使用scaler.fit_transform(data["列名"])就会提示上述错误,使用scaler.fit_transform(data[["列名"]])就不会报错了,如:
64.6515
0
0
关注作者
收藏
liting李
如果不想用notebook,如何将.ipynb文件转化为.py文件呢？
如果不想用notebook,如何将.ipynb文件转化为.py文件呢？通过以下两步骤完成1:在anaconda的终端（即下面的Anaconda Prompt）中cd跳到要转化的ipynb文件路径下，回车，运行后进入jupyter页面2：找到要转化的ipynb文件，选择file--download as--python file，便存为了.py文件，可以在Pycharm中编辑运行
37.4872
0
0
关注作者
收藏
liting李
​Excel BI和PowerBI Desktop哪个更好用？
既然在Excel和PowerBI Desktop中都可以学习最核心的组件PP和PQ，那么在哪里学习更好呢，其实都可以，看个人的使用习惯。我个人更推荐直接在PowerBI Desktop中学习，理由如下：1.PowerBI Desktop界面更友好，逼格更高；2.PowerBI Desktop更新速度快，几乎每月都有更新，最新的M函数和DAX函数随时可以调用；3.进行数据处理的最终目标是生成可视化报
37.4872
0
0
关注作者
收藏
詹惠儿
特征工程照片那个的正则化是指什么？
问：特征工程照片那个的正则化是指什么？答：根据sklearn的官方文档，正则化的过程是“将每一个样本缩放到单位范数的过程。如果后面要使用如二次型（点积）或者其它核方法计算两个样本之间的相似性这个方法会很有用。进行正则化的过程非常简单，和上面进行StandaradScaler类似。from sklearn.preprocessing import Normalizernorm = Normalize
37.4872
0
0
关注作者
收藏
詹惠儿
OneHotEncoder使用说明
问：OneHotEncoder使用说明答：使用Scikit-learn中的OneHotEncoder也是一种比较常见的做法。虽然它确实提供了更多的灵活性和更多的选择，但是使用起来有些困难。让我们来看看在数据集中怎么去实现这部分转换。from sklearn.preprocessing import OneHotEncoderoh = OneHotEncoder()s1 = pd.DataFrame
37.4872
0
0
关注作者
收藏
詹惠儿
DataFrame.get_dummies使用说明
问：DataFrame.get_dummies使用说明答：这是一种非常常见的方式，我们使用了Pandas内置函数 get_dummies 将数据框中的分类值转换为独热变量。下面开始吧。pd.get_dummies（data = catDf） 这里将返回一个数据框，其中所有分类值都以“独热变量”的格式来编码。在这里，我们可以看到它将“Country”列的唯一值转换为3个不同的列，分别是“ Coun
37.4872
0
0
关注作者
收藏
詹惠儿
机器学习中训练集及测试集的拆分总结
问：机器学习中训练集及测试集的拆分总结答：训练集测试集的拆分是机器学习中的重要步骤之一。这一步非常重要，因为您需要在部署模型之前先对其进行评估，同时该评估需要针对全新的数据进行，因为在部署数据时，所有传入的数据都是全新的。训练集测试集拆分的的主要思想是将原始数据集转换为2部分训练测试训练集由训练数据和训练标签组成，而测试集由测试数据和测试标签组成。最简单的方法是使用 scikit-learn
37.4872
0
0
关注作者
收藏
<1…137138139…531>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1