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

赵娜0418

什么是压缩字典对？

字典在它们提供的独特功能方面是真正令人着迷的。它们以数组结构的形式存储为Key和Value对。每个值都可以通过其相应的键访问。zip函数用于将两个列表连接在一起，或者我们甚至可以将字典中的键值和值对作为单个列表连接在一起。以下代码片段将清楚地说明压缩字典对的应用。# Python code to demonstrate use of zip.import heapqstocks = {'Goog

88.8283

12

3

0

关注作者

收藏

小朱520

机器学习中对数据进行编码以及降维的操作

因为模型喂进去的数据需要是数值型的，所以在进行建模之前要对一些不是数值型的数据进行编码，图上步骤一是序列型编码的操作，步骤二是把数据中不是二分类的数值列筛选出来到column中进行哑编码如下图操作：对于进行过哑编码的数据会存在维度增多数据过拟合等问题，这时候就需要进行降维（pca（主成分））下图就是降维的操作，1可以是数值也可以是百分比，数值代表降到几个维度，2是查看降维后每个维度所保留的信息百分

34.4753

4

4

0

关注作者

收藏

于家崎

数据分析Python——Numpy(1)

NumpyNumpy 是 Python 的一个科学计算包，包含了多维数组以及多维数组的操作。Numpy 的核心是 ndarray 对象，这个对象封装了同质数据类型的n维数组。起名 ndarray 的原因就是因为是 n-dimension-array 的简写。ndaarray:只能有一种数据类型，而且每个元素占用内存空间大小相同。import numpy as np 加载numpy包Numpy 常见

34.2874

3

2

0

关注作者

收藏

隋东芝

8.10机器学习小结

1、标准线性回归；2、欠拟合：多项式变换，按标准线性回归流程；3、过拟合： ①岭回归——L2正则 ②Lasso回归——L1正则 ③弹性网——L1+L24、求解方法： ①最小二乘法——解析解 ②梯度下降法（Gradient Descent）——数值解，一阶收敛（一阶导数） a批量梯度下降（Batch Gradient Desce

34.4645

4

8

0

关注作者

收藏

LXM21

python求一个数的次方

y=x^2/15 为什么不能用 ^答：python中的^是求异或集，不是次方的意思，次方可以用**表示，也可以用函数pow()

37.6504

6

5

0

关注作者

收藏

shauna570392

流水号有重复，所以需要去重，为什么去重后在计数的时候还是有重复呢？

流水号不重复是为了找到有多少笔订单，一个用户会产生多笔订单，所以在后面统计的时候有重复，就是因为该用户下了很多次单比如这里，尾号51有两个流水号是一笔订单，尾号38有三个流水号，买了三个商品，也是一笔订单，这些订单都是11112222这个编号的人买的，他买了很多次。所以在计数的时候会有多笔订单

0.2691

2

1

0

关注作者

收藏

LXM21

1.为了方便文件的使用，在指定文件夹下，空白处，按住shift，点击右键，打开命令窗口，输入jupyter notebook ，回车，即可启动，2.如果需要使用其他文件夹或文件夹下的文件，可以直接将文件复制到打开jupyter的文件夹位置下，也可以通过upload将，文件(文件夹不行)上载到jupyter中

39.2692

4

1

0

关注作者

收藏

詹惠儿

knn手写数字识别中以下等式部分代码如何理解？

问：knn手写数字识别中以下等式部分代码如何理解？答：这里等式左边是取returnVect的第0行，第32*i*j的值，等式右边是将lineStr第j个元素转为整数，所以这条等式是将将lineStr第j个元素转为整数并赋值给returnVect的第0行，第32*i*j位置的元素。

35.0622

3

0

0

关注作者

收藏

zzz778290113

模型如何根据样本的权重来进行调整：在更新样本权重之后，模型会通过更改自身模型的形状，更加小心的对待这些权重大的样本，从而达到这样一个效果！牺牲权重小的样本，尝试将权重大的样本预测正确。这时，模型会在每一次分类的情况下计算分类之后的误差率，选择误差率最小的分类结果adaboost在处理多分类问题时，可参考逻辑回归将多分类问题转化为二分类问题。如果存在样本不均衡的问题，那么可以在基分类器决策树中通过c

34.3725

3

6

0

关注作者

收藏

shenlx

业务分析的四种方法论

三步式方法论（1）确认数据范围；（2）确认分析维度；（3）输出数据指标。帕累托分析（通过二八法则，找出核心部分）量化数据指标，比较分析选择合适的指标，计算累计值和累计百分比，制作帕累托图，根据二八法则找出核心部分内容。RFM模型分析（主要用于数据分类分析）（1）结合业务场景，选择关键指标（1个或多个）;（2）根据指标划分不同程度；（3）设计分类模型（均值、中位数、概率分布分析等）；（4）根据模型将

34.3725

3

4

0

关注作者

收藏

michelle.qin

【Python】字符串格式化之%s、%d、%f的使用

python之%s、%d、%f的使用【%s】#%s打印时结果是原字符串#%2s意思是字符串长度为2，当原字符串的长度超过2时，按原长度打印#%7s意思是字符串长度为7，当原字符串的长度小于7时，在原字符串左侧补空格，#%-7s意思是字符串长度为7，当原字符串的长度小于7时，在原字符串右侧补空格，#%.2s意思是截取字符串的前2个字符#%.7s意思是截取字符串的前7个字符，当原字符串长度小于7时，即

34.4982

4

1

0

关注作者

收藏

田先生1

POWER BI 中的替换问题

近期有个小伙伴问我一个问题，有一张数据表，想对其中一列的某些字段进行替换，有没有什么办法。我一想，这不就是数据清洗的东西吗，正好最近小白也在学，就答应帮他试试，下面我们一起来看下我的成果吧。首先看下数据，一个简单的场景，有若干衣服的型号，比如女装L码，女装M码，男士XL码，男士XXL码，儿童80，儿童100等尺码，现在需要把尺码去掉，只展示衣服是男装还是女装或者童装。先说下思路，通过观察这份数据可

31.7286

5

2

0

关注作者

收藏

LXM21

excel中的CHOOSE()函数

1.功能：根据索引值返回后面对应的值2.choose函数的语法格式=Choose(index_num, value1, [value2], ...)=Choose（索引值，值1，值2，，，）参数Index_num ——可以是表达式（运算结果是数值）或直接是数值，介于1-254之间。当index_num 等于 1时，choose 函数返回 value1。如果为 2，则返回 value2，以此类推。3

36.4276

5

2

0

关注作者

收藏

陈yy123

一元线性回归多元线性回归模型搭建步骤

明确需求（因变量Y）采集数据，数据清洗（缺失值，异常值（3倍标准差），分类变量）变量筛选（相关系数，散点图）分割测试集（80%），训练集（20%）用训练集来做回归模型（F检验，t检验，R^2 ，调整R^2）,R^2不能太高，不能太低模型检验，高斯马尔科夫假设（a. 线性于参数 b. 随机抽样 c. 不存在完全共线性 d. 误差的条件均值为零误差 e的同方差性 f. 误差的正

48.0635

6

2

0

关注作者

收藏

开花结果02

VLOOKUP：基础查询、反向查询、多条件查询、返回多列

1.基础查询公式的用法：=VLOOKUP(检索关键字，查找范围，返回第几列，是否精确匹配)2.反向查找的固定公式用法：=VLOOKUP(检索关键字，IF({1,0},检索关键字所在列，查找值所在列)，2，是否精确匹配)注意：这里使用了数组的公式，不能直接回车，需要使用Ctrl+Shift+Enter，否则会出错3.多条件查找的固定公式用法：=VLOOKUP(关键字1&关键字2，IF({1,0},序

36.8129

3

1

0

关注作者

收藏

隋东芝

match与index函数组合可以实现vlookup的反向查找功能

match与index函数组合可以实现vlookup的反向查找功能match函数特点: 给出一个查找值，返回在指定范围的相对行号或列号。index函数特点：给出行或列号，在指定范围获取查找值。1、反向查找根据产品名称，查找编号思路：先查找产品名称在C列的位置--match函数再查找此位置下的在B列的值--index函数公式：=INDEX(A1:A7,MATCH(E4,B1:B7,0))2.双向查

31.4607

2

4

0

关注作者

收藏

隋东芝

图表是将复杂的数据转变成清晰的可视化效果，能直观地体现数据间的关系。图表分类对比类柱状图统计时间段或各类别的变化区别： ①条形图直观地看到差异，柱状图很难直观的看出差异，因为人眼扫描物体的方向，看左右不太方便，看上下更直观； ②很少用条形图展现时间维度下的变化趋势，柱形图可以很好地展现时间维度下的变化趋势条形图各项类别的变化，左侧为类别折线图一定时间内的变化趋势，往往结合时间维度使

31.4607

2

3

0

关注作者

收藏

小朱520

python中三种查看数据类型的区别

图中1表示查看数据中数值型数据的类型，2表示只查看oject类型的数据类型。其中count代表共有多少数据，unique代表每列数据中有几类，比如性别一列为2表示两类，top表示那种类型出现次数最高，freq表示出现次数最高类别的次数。这个可以查看不同类型的全部数据类型注意三者的区别

31.4607

2

3

0

关注作者

收藏

叶yyf

RFM模型的步骤以及总结

1、根据业务需求来选取指标2、根据指标划分不同的程度3、设计分类模型4、根据模型将数据划分到不同的类别下RFM总结：1、结合实际业务选取关键数据指标分析，不是千篇一律的最近一次消费时间、消费频次、消费金额2、定义R值、F值、M值数据区间分隔时，发现明显断档数据可以通过散点图、透视表、构成类图等进行判断3、除了选取讲解的3个核心业务指标进行交叉分析，也可以同时分析4个、5个指标，或者只需要分析2个指

31.4607

2

3

0

关注作者

收藏

小朱520

机器学习回归树的构建以及参数的优化，和模型的保存具体操作流程

上图是回归树的代码操作，只是简单的执行，里面的参数并没有优化，上图是对回归树的一些参数进行优化的操作，图中的1，是可以显示出模型在优化的过程当然也可以不设置，2是打印出最优模型形成的参数，3可以说是相同的意义取一个就可以，最下面的是将打印出的最优参数进行带入测试，而上面是直接在2的基础上得分。上图是如果觉得这个模型比较好还需要再利用，可以进行保存，可以节约下次使用模型还需要进行训练的流程，把直接训

31.4607

2

1

0

关注作者

收藏

<1…162163164…531>

CDA考试动态

CDA报考指南