数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

詹惠儿

K均值算法的调优一般可以从哪几个角度出发？

问：K均值算法的调优一般可以从哪几个角度出发？答：1) 对于离群点和孤立点敏感：数据归一化和离群点处理。2) k值优化：手肘法，轮廓系数法选择3) 初始聚类中心的选择：多次选择4) 大数据集mini-batch-kmeans

40.0166

2

0

0

关注作者

收藏

詹惠儿

kmeans模型的具体步骤是怎么样的？

问：kmeans模型的具体步骤是怎么样的？答：1）从N个数据对象中挑选出k个初始质心2）计算N个数据对象距离不同质心的距离，并将N个数据对象划分到与之距离最小的质心，形成新的k个聚类3）重新计算步骤2中获取新的k个聚类的质心，计算方法为求取聚类中所有数据对象的均值4）重复2-3步骤，直到每个聚类的数据成员不再发生变化

39.8697

2

0

0

关注作者

收藏

詹惠儿

如何选择knn模型中的k？k值大小和模型欠拟合和过拟合如何对应？

问：如何选择knn模型中的k？k值大小和模型欠拟合和过拟合如何对应？答：k值的选择，过小则容易过拟合，过大则容易欠拟合，可以用交叉验证法去选择K值（1）如果选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是“学习”的估计误差会增大，换句话说，K值的减小就意味着整体模型变得复杂，容易发生过拟合

39.8657

1

0

0

关注作者

收藏

詹惠儿

常用的过拟合解决方法有哪些？

问：常用的过拟合解决方法有哪些？答：过拟合解决方法：（1）增大数据集（2）减少数据特征（降维，特征选择）（3）交叉验证（4）正则化（L1和L2）（5）降低模型复杂度（如对决策树剪枝等）（6）集成学习方法

39.8657

1

0

0

关注作者

收藏

宋俊花

逻辑回归为什么要对特征进行离散化

在工业界，很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点：0. 离散特征的增加和减少都很容易，易于模型的快速迭代；1. 稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展；2. 离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是1，否则0。如果特征没有离散化，一个异常数据“年龄300岁”会给模型造成很大

40.3583

2

0

0

关注作者

收藏

姚慧扬

客户画像：1.1 归纳指标-->作图分析/打分常见指标：RFM：最近，频率，金额-->作图，分象限描述-->打分打分：涉及到分箱，涉及到每个箱子的分数：可以依经验自定义，也可以在有y的前提下有监督（cart树）指标来源：直接/换算，主成分做维度规约1.2 聚类-->分群：最重要的是解释每一个簇的描述（依据簇中心）方法：kmeans, 凝聚层次聚类，DBSCAN（密度

40.3583

2

0

0

关注作者

收藏

zengweiak47

竞争:抄作业1.客户画像1.1 归纳指标-->作图分析/打分常见指标:RFM:最近,频率,金额-->作图,分象限描述-->打分1.2聚类-->分群:最重要的是解释每一个簇的描述(依据簇中心) 方法:kmeans,凝聚层次聚类,DBSCAN(密度聚类) 苹果指标:轮廓系数,为什么评估:选方法,选簇个数注意的点:相异度指标-->欧氏距离:1.量纲(标准化),2.维度(列的个数,不

44.5507

2

0

0

关注作者

收藏

卫明真

R语言数据框的下标与子集的提取

数据框的下标与子集的提取数据框的下标与子集的提取与矩阵基本相同. 不同的是: 对于列我们可以使用变量的名称, 仍以数据集Puromycin进行举例说明. 1、提取单个元素> Puromycin[1, 1][1] 0.022、提取一个子集，例如第1, 3, 5行，第1, 3列 > Puromycin[c(1, 3, 5), c(1, 3)] conc state1 0.02 treated3

44.6814

5

0

0

关注作者

收藏

卫明真

R语言数据框(data frame)的建立

统计分析中一个完整的数据集通常是由若干个变量的若干个观测值组成的, 在R中称为数据框. 数据框是一个对像, 它与前面讲的矩阵与二维数组形式上是类似的, 也是二维的，也有维数这个属性, 且各个变量的观测值有相同的长度. 但不同的是: 在数据框中, 行与列的意义是不同的, 其中的列表示变量，而行表示观测. 显示数据框时左侧会显示观测值的序号.数据框的建立分为直接的与简接的两种方法: 数据框的直接建立若

44.6814

5

0

0

关注作者

收藏

赵娜0418

表字段非唯一字段是否可以使用内连接？

内连接非唯一字段文中会有两张表，user表和job表，表数据如下,其中user为5条记录,job为4条记录A表 USER: B表 job: 如果A表有m(5)条记录，m1(2)条符合on条件，B表有n(4)条记录，有n1(3)条符合on条件，则结果集是Max(m1,n1)=3条1,2,2,6,7 和 1,1,7,8对比,以user表为主表,因为主表中有2条符合条件的记录(1,7),而job

94.9067

8

0

0

关注作者

收藏

赵娜0418

office报 KERNEL32.dll 的错误

尝试安装 Office 时遇到 KERNEL32.dll 错误，并遇到其他系统要求问题时候，1。如果您尝试在运行 Windows XP 或 Windows Vista 的计算机上安装 Office，您可能会看到一个错误信息，显示找不到动态库 KERNEL 32.dll。发生此情况的原因是这些版本的 Windows 不支持新版本的 Office。要安装 Office 2013 或 Office 20

41.6142

6

0

0

关注作者

收藏

赵娜0418

Mac系统无法安装WordCloud

Mac系统字体文件路径不同，需要下载simhei.ftt,具体链接如下。然后修改WordCloud(font_path=指向字体文件所在的路径）http://www.font5.com.cn/font_download.php?id=151&part=1237887120

41.7552

7

0

0

关注作者

收藏

赵娜0418

安装Office的时候报“停止，应等待安装Office2016”的错误

问题：Office 2016 更新过程已经过更新，以检查当前的 Outlook 配置和确定你是否可能收到某些已知问题的影响。如果它确定你的配置可能受到影响，则你将收到以下警告：如果你选择“仍要安装”，并升级到 Outlook 2016 for Windows，则在你尝试连接到主、共享或代理邮箱/文件夹时，你将收到以下错误消息：接着，当您打开 Outlook 时您收到另一条错误消息告知您 Outlo

41.4884

5

0

0

关注作者

收藏

詹惠儿

smote算法具体有哪些步骤？

问：smote算法具体有哪些步骤？答：SMOTE算法步骤：1. 随机找一个少数类的观测点2. 用KNN计算观测点最近的样本3. 随机挑选离观测点近邻的其中一个样本4. 计算两点的差值后进行随机提取。

40.3382

2

0

0

关注作者

收藏

詹惠儿

mysql怎么删除外键约束？

问：mysql怎么删除外键约束？答：语法： alter table +表名+drop foreign key+外键名–例：删除数据表 tb_emp2 中的外键约束create table tb_emp2(id int(11) primary key,name varchar(25),deptid int(11),salary float,constraint hehe foreign key(de

40.2325

1

0

0

关注作者

收藏

詹惠儿

python中集合的补集是什么符号

问：python中集合的补集是什么符号答：python中集合的补集也叫“对称差集”，集合中实现两个集合进行补集运算的符号是“^”，例如：set_01^set2_0，同时也可以通过其内置函数symmetric_difference( )来实现举例如下：

40.2325

1

0

0

关注作者

收藏

shauna570392

pip install和conda install的区别

pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器的支持，pip也不会去支持python语言之外的依赖项。 conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。然后，conda安装的都是编译好的二进制包，

40.2325

1

0

0

关注作者

收藏

读童话的狼

L1范数和L2范数的区别

L1范数: 为x向量各个元素绝对值之和。 L2范数: 为x向量各个元素平方和的1/2次方，L2范数又称Euclidean范数或者Frobenius范数 Lp范数: 为x向量各个元素绝对值p次方和的1/p次方.L1会趋向于产生少量的特征，而其他的特征都是0.因为最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0 ，产生稀疏权重矩阵L2会选择更多的特征，这些特征都会接近于0。最优的参

41.4359

2

0

0

关注作者

收藏

读童话的狼

如何解决线性模型变量相关性问题的讨论

首先要明确一点：变量之间的相关性（只要不是完全相关）是不会影响参数的一致性的。那么会影响什么呢？影响的是参数估计的方差。所以，如果你的样本足够大，变量间的相关性不是什么大问题，甚至压根就不是问题。那么如果你的样本没那么大，该怎么处理呢？这个时候就要看你做模型的目的了。简单的区分的话，你究竟关注相关，还是因果，甚至只是想预测？如果你是关注因果，那么不好意思，这个问题没有办法。比如如果在经济学里面，你

41.4359

2

0

0

关注作者

收藏

开花结果02

powerbi：PV和Visits有什么区别

问题：PV和Visits有什么区别解答：浏览量（PV）：店铺内浏览和查看页面的累加次数访问次数（Visits）：一个会话内被用户连续访问的次数举个例子：客户a在一天内一个店面上午浏览了3个页面后离开，下午浏览了2个页面后离开，店内无其他访问客户则这一天的PV=5,访问次数=2

40.2325

2

0

0

关注作者

收藏

<1…145146147…530>

CDA考试动态

CDA报考指南