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

pkwwwsas

一：准备数据1、有目标、有业务逻辑2、有数据3、依据业务和目标理解数据，取子集二：洗数据清洗：1、缺失值2、异常值三：建模四：落地

85.3850

3

2

0

关注作者

收藏

liting李

整群抽样与分层抽样的区别是什么？

(1) 分层抽样要求各层之间的差异很大，层内个体或单元差异小，而整群抽样要求群与群之间的差异比较小，群内个体或单元差异大；(2) 分层抽样的样本是从每个层内抽取若干单元或个体构成，而整群抽样则是要么整群抽取，要么整群不被抽取。

32.1300

1

4

0

关注作者

收藏

liting李

随机抽样、分层抽样、整群抽样、系统抽样的区别

抽样方法主要包括：随机抽样、分层抽样、整体抽样、系统抽样。(1) 随机抽样就是按等概率原则直接从含有N个元素的总体中抽取n个元素组成样本（N>n）。这种方法简便易学，常用的办法就是抽签了。不过，这适合总体单位较少时使用。(2) 分层抽样是指在抽样时，将总体分成互不相交的层，然后按照一定的比例，从各层独立地抽取一定数量的个体，将各层取出的个体合在一起作为样本的方法。(3) 整群抽样又称聚类抽样，是将

32.1300

1

2

0

关注作者

收藏

宋俊花

默认参数传参陷阱

非常Tricky的事情：def extend_list(v, li=[]): li.append(v) return lilist1 = extend_list('a')print(list1) list2 = extend_list(123, [])print(list2) list3 = extend_list(10)print(list3) # [10, 'a']list4=

68.9602

1

0

0

关注作者

收藏

zzz778290113

随机森林：XGboost：lightBGM：算法和XGboost非常的像，但是稳定性还有点考量集成算法的种类：bagging：装代法的核心思想是构建多个相互独立的评估器，然后对其预测进行平均或多数表决原则来决定集成评估器的结果。装袋法的代表模型就是随机森林boosting：提升法中，基评估器是相关的，是按顺序一一构建的。其核心思想是结合弱评估器的力量一次次对难以评估的样本进行预测，从而构成一个

68.9602

1

2

0

关注作者

收藏

马敏11

Python外部交互

1.I/O操作利用open打开/创建文件open()函数的基本语法是：open(name[, mode[, buffering]])参数说明：name : 一个包含了你要访问的文件名称的字符串值。mode : mode 决定了打开文件的模式：只读，写入，追加等。所有可取值见如下的完全列表。这个参数是非强制的，默认文件访问模式为只读(r)。详情见附录图片buffering : 如果 bufferin

68.9602

1

4

0

关注作者

收藏

赵娜0418

数据清理的基本流程是什么？

1）按不同的属性排序数据2）对于大数据集，逐步清理并改进数据，直到获得良好的数据质量3）对大型数据集，可以先将其分解为小数据集，使用更少的数据将增加迭代速度4）要处理常见的清理任务，请创建一组实用程序函数/工具/脚本。它可能包括基于CSV文件或SQL数据库重映射值，或者正则表达式搜索和替换，消除所有不匹配正则表达式的值5）如果在数据清理方面存在问题，请按照估计的频率进行安排并解决问题6）分析每列的

2.0724

3

0

0

关注作者

收藏

赵娜0418

处理离线分析的基本流程是什么？

一般来说离线分析都是这个流程。各流程概述：1. 数据采集：定制开发采集程序，或使用开源框架FLUME2. 数据预处理：定制开发mapreduce程序运行于hadoop集群3. 数据仓库技术：基于hadoop之上的Hive4. 数据导出：基于hadoop的sqoop数据导入导出工具5. 数据可视化：定制开发web程序或使用kettle等产品6. 整个过程的流程调度：hadoop生态圈中的oozie工

2.0724

3

2

0

关注作者

收藏

赵娜0418

常用的抽样方法有哪些？

1. 概率抽样——包括等概率抽样和不等概率抽样概率抽样也称为随机抽样，是指遵循随机原则进行的抽样，总体中每个单位都有一定的机会被选入样本。其特点有：（1）抽样时是按一定的概率以随机原则抽取样本。（2）每个单位被抽中的概率是已知的，或是可以计算出来的。（3）当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率。常用抽样方式有：（1）简单随机抽样定义：从包括总体N个单位的抽样框中随机地、

2.0724

3

2

0

关注作者

收藏

赵娜0418

windows10 workbench 8.0 error code:1148如何解决？

windows10 workbench 8.0 error code:1148的暂时解决方法如下:1.在workbench中输入 show global variables like ‘local_infile’;结果应该为:on,该问题与local-infile是否=1无关,是workbench的bug;2.继续输入show variables like ‘secure_file_priv’;结

71.0326

4

2

0

关注作者

收藏

赵娜0418

如何理解Kmeans聚类？

1. 基本思想K-means 聚类是一种快速聚类法，适合应用于大样本量的数据。其方法可以总结为：首先随机选择 K 个点作为中心点，所有样本与这 K 个中心点计算距离，距离最近的样本被归为与中心点同类的点，然后重新计算每个类的中心，再次计算每个样本与类中心的距离，并按照最短距离原则重新划分类，如此迭代直至类不再变化为止。2. 基本步骤：（1）对数据进行标准化，消除数据差异和量纲的影响。（2）确

2.0724

3

5

0

关注作者

收藏

赵娜0418

MySQL8.0导入数据的几种方法？

为了安全起见，MySQL8.0默认不允许客户端从本地载入文件。客户端local_infile默认关闭，因此需要在安全路径下导入本地文件。方法一：在workbench客户端操作查看安全路径show variables like '%secure%';找到安全路径，将数据文件放在此路径下然后执行如下命令导入数据（emp表结构已创建好）表名不能是中文，’\‘在编程语言中是转义符，因此要改为’\\'或‘/

2.3353

4

4

0

关注作者

收藏

赵娜0418

Python数组如何输出？

从左到右，从上向下一维数组打印成行，二维数组打印成矩阵，三维数组打印成矩阵列表print np.arange(1,6,2) print np.arange(12).reshape(3,4) # 可以改变输出形状 print np.arange(24).reshape(2,3,4)# 2页，3行，4页输出结果：[1 3 5][[ 0 1 2 3] [ 4 5 6 7] [ 8 9

2.0724

3

1

0

关注作者

收藏

赵娜0418

安装MySQL报2503的错误如何解决？

1. 打开任务管理器：Ctrl+Alt+Del。2. 点击任务管理器左上角的文件按钮： 3. 再点击运行新任务(n)按钮。4. 手动输入所下载的MySQL安装文件的地址+文件名。比如我放在D:\MySQL文件夹里，文件名为：mysql-installer-web-community-5.7.21.0.msi，就输入：D:\MySQL\mysql-installer-web-communit

2.0724

3

1

0

关注作者

收藏

赵娜0418

Excel中如何设置条件格式？

为周末的行显示成红色：需注意点：1.区域的选择为需要为参与判断的区域，不可选取第一行列名行2.设置格式时根据需求注意行锁定和列锁定

2.0810

4

1

0

关注作者

收藏

赵娜0418

Excel中日期类函数怎样应用？

例：嵌套使用，返回2020年4月份一共有多少天：

2.0724

3

0

0

关注作者

收藏

陈yy123

Python split(",",2)

str 取前两名成员：那么假设我们只关心，优秀学员的前两名，那么这时候，我们应该怎么办？

37.1459

1

5

0

关注作者

收藏

小朱520

机器学习关于关联规则的简单操作

对于关联规则，大致可以分为两大步骤，第一步是使用apriori 库找出频繁集的操作为：1是为了让原本的dataset数据变成2的模式，因为机器学习都是m*n的数据格式。第二大步是使用association_rules库找关联规则操作为：

37.1459

1

2

0

关注作者

收藏

隋东芝

字符集和编码方式

字符集和编码方式https://blog.csdn.net/kejiayuan0806/article/details/100670785 字节字节是计算存储容量的一种计量单位。因为计算机只能识别1和0组成的二进制位，一个数就是1位（bit），8位就是一个字节。例如：00001111 这个8位二进制数就占了一个字节的存储容量。字符任何一个文字或符号都是一个字符，但所占字节不一定，不同的编码导致一

37.1459

1

3

0

关注作者

收藏

隋东芝

MySQL常用数据类型

数据库中每个字段都有适当的数据类型，用于限制或允许该字段中存储的数据。MySQL中支持三种数据类型：①数值型；②字符串型；③日期和时间型。字符串类型和日期时间类型都需要用引号括起来。MySQL常用数据类型①int：大整数型，有符号大小-2147483648～2147483647，无符号大小0～4294967295，默认长度最多为11个数字，如int(11)。②float：单精度浮点

37.1459

1

7

0

关注作者

收藏

<1…157158159…531>

CDA考试动态

CDA报考指南