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

大魔王泛泛

简述一下Sqoop和其名字的由来？

Sqoop于2012年3月孵化出来，是一种在Hadoop和关系型数据库之间传输大量数据的工具，现已成为Apache顶级项目Sqoop名字的由来：SQL--Hadoop => Sq oop =Sqoop

0.0000

0

2

0

关注作者

收藏

赵娜0418

筛选变量的步骤是什么？

9、筛选变量的步骤是什么？答：1、筛选进入分析模型的X变量；2、根据X与y相关性排除百分之三十，筛选不进入分析模型的X；3、再次筛选进入分析模型的X变量；4、筛选不进入分析模型的X；5、最后再次筛选进入分析模型的X。

1.9347

2

2

0

关注作者

收藏

赵娜0418

变量筛选整合变量之后的个数是怎么确定的？

变量筛选整合变量之后的个数是怎么确定的？答：例如有X1，X2，X3，X4，X5，X6，X7，X8八个变量，X1和X2整合为X11，X3和X4整合为X22，因为整合后的变量不参加主成分分析，所以筛选整合后的变量的个数就是4个

1.9347

2

4

0

关注作者

收藏

赵娜0418

2 2 3=7个变量怎么来的？

2 2 3=7个变量怎么来的？答：2根据业务法判定 2根据共线性组合而来 3根据共线性压缩而来

1.9347

2

3

0

关注作者

收藏

读童话的狼

建模流程怎么做？

1、根据业务判断最重要的X2、判断Y与剩余X的相关性，剔除最不相关的几个3、建立X的两两相关，将相关系数大于0.9的整合成一个变量4、对剩下变量进行主成分降维5、利用上面四个步骤得到的变量建立模型

1.1595

1

3

0

关注作者

收藏

读童话的狼

增大插补次数是不是能提高缺失值准确度？

使用多重插补要求数据缺失值为随机性缺失，一般重复次数20-50次精准度很高，但是计算也很复杂，需要大量计算。

0.0000

0

0

0

关注作者

收藏

读童话的狼

缺失值填补方法如何选择？

缺失资料为连续性或者分类变量时，缺失率较低（

0.0000

0

1

0

关注作者

收藏

读童话的狼

缺失值分析中模式1占比84.52%怎么理解？

模式1指的是没有缺失值，占比84.52%指的是没有缺失值的样本数占比为84.52%

0.0000

0

5

0

关注作者

收藏

读童话的狼

残差分析为什么是以3为界？

通常是超出3，超出2是不严格的

1.1595

1

2

0

关注作者

收藏

田齐齐

怎样理解主成分投影？

该方法在对指标值进行无量纲化和适当加权处理的基础上,通过正交变换将原有的指标转换为彼此正交的综合指标,消除了指标间的信息重叠问题,并利用各主成分设计一个理想决策变量,以各被评价对象相应的决策向量在该理想决策向量方向上的投影作为一维的综合评价指标。主成分投影法的基本步骤：1.确定评价矩阵。2.指标的无量纲化。3.指标权重的确定。4.指标的正交变换。5.理想评价向量的构造和投影值计算。6

3.5326

2

1

0

关注作者

收藏

大魔王泛泛

简述Kudu包括哪些组件？

Kudu的主要组件包括TServer和TMaster（1） TServer：负责管理Tablet，tablet是负责一张表中某块内容的读写，接收其他TServer中leader tablet传来的同步信息。（2） TMaster：集群中的管理节点，用于管理tablet的基本信息，表的信息，并监听TServer的状态。多个TMaster之间通过Raft 协议实现数据同步和高可用。

0.0000

0

2

0

关注作者

收藏

大魔王泛泛

HBase的组件包括哪些？

HBase的主要组件包括Master，zookeeper，RegionServer，HDFS。（1）Master：用来管理与监控所有的HRegionServer，也是管理HBase元数据的模块。（2）zookeeper：作为分布式协调服务，用于保存meta表的位置，master的位置，存储RS当前的工作状态。（3）RegionServer：负责维护Master分配的region，regio

0.0000

0

7

0

关注作者

收藏

PGC123

SPSS聚类结果查看界面切换操作

如何图1转换为图2 图1 图2答：如下图所示，界面上有两个黑色小三角，一个指向左边一个指向右边，界面的切换可以通

32.5771

2

0

0

关注作者

收藏

若水若谷

MySQL：怎么处理小数显示？

答：可以加个判断，比如字段名称是a1, select case when a1-truncate(a1,0)=0 then a1 else round(a1,2) end from 表

0.0000

0

1

0

关注作者

收藏

大魔王泛泛

如何解决Hbase中region太小和region太大？

Region过大会发生多次compaction，将数据读一遍并重写一遍到hdfs 上，占用io，region过小会造成多次split，region 会下线，影响访问服务，调整hbase.hregion.max.filesize 为256m.

0.0000

0

3

0

关注作者

收藏

shauna570392

sql如何另存为文件

1、点击file2、点击save script as3、输入文件名保存即可。

0.0000

0

2

0

关注作者

收藏

liting李

MCMC法填充缺失值spss

1.分析-多重插补-插补缺失数据集 2. 3. 4.

0.0000

0

2

0

关注作者

收藏

liting李

缺失值如何处理？

市面上关于缺失值有本书叫《多重插补》，有兴趣的同学可以看一下。行的缺失比较重要，3%以内的，缺的比例比较少，用中位数填补；3%-20%之间，缺失值比例比较大，用回归法填充；20%-50%，缺失值比例偏大，使用MC填充。60%以上，用缺失值分类法。

0.0000

0

1

0

关注作者

收藏

liting李

特征提取与特征选择两者的作用

1 减少数据存储和输入数据带宽；2 减少冗余；3 低纬上分类性往往会提高；4 能发现更有意义的潜在的变量，帮助对数据产生更深入的了解。

0.0000

0

5

0

关注作者

收藏

田齐齐

聚类算法中的距离度量有哪些，怎样理解？

你知道聚类中度量距离的方法有哪些吗？ 1）欧式距离欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。即两点之间直线距离，公式比较简单就不写了　应用场景：适用于求解两点之间直线的距离，适用于各个向量标准统一的情况 2）曼哈顿距离(Manhattan Distance) 从名字就可以猜出这种距离的计算方法了。想象你在曼哈顿要从一个十字路

32.7545

3

1

0

关注作者

收藏

<1…312313314…531>

CDA考试动态

CDA报考指南