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

田齐齐

机器学习：boosting提升方法关于样本权重更新问题

问：为什么预测错的部分下一次反而增大他的权重呢？这样不是对结果的准确性影响更大吗？答：集成算法boosting法中的权重，会自动使得每次预测错误的那些样本权重之和为1/2,剩下正确的之和也为1/2；模型每次会把预测错的样本的权重增加，突出这个样本，已达到对模型进行预警，模型就会自动进行调整，重点将预测错误的那部分样本进行关注，再次预测时达到尽量让其预测正确的目的，就这样逐步调整和优化直到最优。

9.7892

6

1

0

关注作者

收藏

赵娜0418

在文件夹命令窗口打开jupyter无法自动跳转

在文件夹命令窗口打开jupyter notebook无法自动跳转，下面是解决方法：1.获取Jupyter NoteBook的配置文件首先我们需要找到Jupyter NoteBook的配置文件jupyter_notebook_config.py，在这里边有Jupyter NoteBook的各种的设置，这里我们需要打开Anaconda Prompt 在Prompt里边运行jupyt

18.3433

3

1

0

关注作者

收藏

wo5656500

jupyter notebook如何添加目录？

1.安装jupyter_contrib_nbextensionspip install jupyter_contrib_nbextensions2.安装javascript和css文件也是在命令行输入下面的命令。jupyter contrib nbextension install --user当然这个 --user 参数是可以换成其他的，具体可以在上面的项目地址中去看。但是用 -

5.9910

1

5

0

关注作者

收藏

shauna570392

为什么第一个结果就累加了

需要注意的是，一个范围内的求和，单元格之间应该是冒号，该同学写的逗号，则为求b2单元格加上b2单元格的值，所以答案为586.正确写法应把逗号改为冒号。

12.3516

1

4

0

关注作者

收藏

shauna570392

countifs不用写and是不是也是且的关系啊？

是的，函数规定就是这样的。COUNTIFS函数表示对满足多个条件的单元格计数。语法结构=COUNTIFS(条件区域1,条件1,[条件区域2,条件2],…)函数

12.5994

1

4

0

关注作者

收藏

赵娜0418

训练集和测试集的关系

一般来说，训练集用来估计模型中的参数，使模型能够反映现实，进而预测未来或其他未知的信息，而测试集用来评估模型的预测性能。协同过滤推荐算法的训练集划分不是基于用户的，而是基于值的，即【用户，项目，评分】三元组。如果训练集为80%，测试集为20%，我们就可以将用户-项目评分中的80%抽取出来作为训练集，没抽取的那20%当做测试集（这些项目的值在训练集中表示为不存在）。假如，某用户-项

9.0403

2

2

0

关注作者

收藏

读童话的狼

numpy中matrix 和 array有什么区别？

Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。matrix 和 ar

0.0000

0

5

0

关注作者

收藏

读童话的狼

根据销量预测未来库存所需量，是用时间序列分析模型吗？

在实际应用中，时间序列模型预测会占到20%的场景，拿到数据后可以先进行DW检验，如果行与行之间相关性不强，时间序列也是不合适的，这时候可以利用横截面模型，把库存当成y,受到多个x的影响，可以通过解读运营报告，得下一期的x,然后把x带入到模型里，就得到预测的y

0.0000

0

2

0

关注作者

收藏

田齐齐

逻辑回归如何解决多分类问题？

逻辑回归可用于多分类问题，二分类时的函数为sigmod函数，多分类问题应使用softmax函数，其实sigmod是softmax函数的一种情况。并且多分类问题时并不是类别y的值设置的越大概率会越大，因为，最终用于类别判断的函数是一个0，1向量，例如五分类问题的实际向量可以为（0，0，0，1，0），预测向量可以为（0.1，0.2，0.3，0.4，0），然后进行交叉熵计算最优化解。代码参考：htt

3.9004

5

2

0

关注作者

收藏

田齐齐

如何用Excel查询抽样分布临界值表？

Excel函数：NORM.S.DIST：返回标准正态分布概率值NORM.S.INV：返回标准正态分布临界值NORM.DIST：返回正态分布概率值NORM.INV：返回具有给定概率正态分布临界值T.DIST：返回左尾t分布概率值T.DIST.2T：返回双尾t分布概率值T.DIST.RT：返回右尾t分布概率值T.INV：返回t分布左尾临界值T.INV.2T：返回t分布双尾临界值

12.9400

6

4

0

关注作者

收藏

田齐齐

怎么用Excel生成20个1-100之间的随机数

选中一个单元格，输入公式：=RANDBETWEEN(1,100)，然后向下填充即可。

22.4552

6

3

0

关注作者

收藏

读童话的狼

对比r2和adr2能否可以知道模型是否过拟合？

R方也称拟合优度、决定系数：反应回归模型拟合数据的优良程度，R2 越接近 1 ，拟合效果越好调整的R方在模型的复杂程度和衡量模型的优良程度上取一个平衡，让模型趋于简单（模型复杂之后会使预测受到一定限制：过拟合）但是并没有明确的证据证明对比r2和adr2可以知道是否过拟合是否过拟合是通过训练集与测试集上的模型准确度得到的

9.0397

1

6

0

关注作者

收藏

读童话的狼

逻辑回归的评估指标为什么没有adr2？

在样本容量一定的情况下，增加解释变量必定使得自由度减少调整R方的目的：在模型的复杂程度和衡量模型的优良程度上取一个平衡　　让模型趋于简单（模型复杂之后会使预测受到一定限制：过拟合）　　所以注意！多元统计要用调整后的R2来衡量具体操作：将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响在机器学习中数据量非常大，并且作为分类模型，一般用的准确率，混淆矩

0.0000

0

1

0

关注作者

收藏

詹惠儿

四分位数的计算

问;这个我有点没懂，下四分位数中的0.5是怎么来的答：这里其实是简化了一步，原公式应该是这样这里乘以0.5是因为下四分位是2.5，小数部分为0.5

21.8273

3

0

0

关注作者

收藏

田齐齐

统计学：样本方差为什么除以n-1

1.首先样本方差要除的那个东西n-1，不是代表样本个数，本质上，是自由度。2.除以（n-1）的定义式可以使得样本方差S²作为对总体方差的估计量，是无偏的。具体推导可参考：https://www.zhihu.com/question/28964121/answer/289441350

6.3232

6

2

0

关注作者

收藏

田齐齐

统计：四分位数

四分位数（Quartile）是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。1）第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字；2）第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字；3）第三四分位数(Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大

16.6076

7

4

0

关注作者

收藏

读童话的狼

MySQL如何向数据表中插入数据？

MySQL向数据表中插入数据一般有三种方法：指定字段名插入：insert into 表名(字段名1[,字段名2,...]) values(字段值 1[,字段值 2,...]);不指定字段名插入：insert into 表名 values(字段值 1[,字段值 2,...]);需要为表中每一个字段指定值，且值的顺序须和数据表中字段顺序相同批量导入数据：（路径中不能有中文，并且要用反斜杠）

20.9044

1

0

0

关注作者

收藏

读童话的狼

二阶聚类的特点与适用范围

1）可以同时对连续变量和分类变量进行处理2）操作简单，可视化效果比较好，不需要提前制定聚类的数目，二阶聚类会自动分析并输出最优聚类数目。3）可以处理比较大的数据集，比如500w左右的数据是没有问题的，但是也不能太大4）对的要求：100列，200列，300列都是可以的，不能用于超高纬度

10.2845

1

5

0

关注作者

收藏

读童话的狼

20%的变量缺失值超过15%如何进行缺失值处理？

20%的列缺失与15%的行缺失都不是太严重，在SPSS中可以通过缺失值分析来填补，如果缺失比例比较大可以用多重插补处理，如果缺失比例在百分之十几可以参考下图中的EM或回归进行填补，数据量小就用回归填补，数据量大就用EM算法

20.9044

1

1

0

关注作者

收藏

读童话的狼

逻辑回归中R方为0.273，为什么总体准确率可以达到0.81

R方为0.273代表低相关，但是分类表的准确率达到81%，这不是矛盾的，因为R方取值是0~1之间，所有R方的起点是从0开始的，但是准确度与R方不同，准确度是从50%开始的

0.0000

0

2

0

关注作者

收藏

<1…287288289…531>

CDA考试动态

CDA报考指南