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

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

田齐齐

层次聚类方法

在社会学领域，一般通过给定网络的拓扑结构定义网络节点间的相似性或距离，然后采用单连接层次聚类或全连接层次聚类将网络节点组成一个树状图层次结构。其中，树的叶节点表示网络节点，非叶节点一般由相似或距离接近的子节点合并而得到。层次聚类方法的基本思想是：通过某种相似性测度计算节点之间的相似性，并按相似度由高到低排序，逐步重新连接个节点。该方法的优点是可随时停止划分，主要步骤如下：（1）移除网络中的所

3.5326

2

3

0

关注作者

收藏

田齐齐

多因素二分类logistic回归如何选择方法？

二分类logistic回归如何选择方法？输入、向前LR、向后LR等等不知道如何选择？ SPSS软件中多因素Logistic逐步回归分析提供了条件参数估计似然比检验（Conditional）、最大偏似然估计似然比检验（LR）、Wald检验3种模型假设检验方法，和向前选择法（Forward）、向后剔除法（Backward）两种变量进出方法，一共组合成6种逐步回归变量选择方法。不同的算法，

32.7545

3

1

0

关注作者

收藏

liting李

特征选择的一般过程

特征选择的一般过程(1)产生过程( Generation Procedure )产生过程是搜索特征子集的过程，负责为评价函数提供特征子集。(2)评价函数( Evaluation Function )评价函数是评价一个特征子集好坏程度的一个准则。(3)停止准则( Stopping Criterion )停止准则是与评价函数相关的，一般是一个阈值，当评价函数值达到这个阈值后就可停止搜索。

0.0000

0

0

0

关注作者

收藏

shauna570392

pca判断相关性就是用皮尔逊相关系数吧？

1.找出第一个主成分的方向,也就是数据方差最大的方向2.找出第二个主成分的方向，也就是数据方差次大的方向，并且该方向与第一个主成分方向正交(orthogonal 如果是二维空间就叫垂直)。3.通过这种方式计算出所有的主成分方向4.通过数据集的协方差矩阵及其特征值分析，我们就可以得到这些主成分的值。5.一旦得到了协方差矩阵的特征值和特征向量，我们就可以保留最大的 N 个特征。这

0.0000

0

3

0

关注作者

收藏

liting李

spss中如何评估模型好坏

1.首先要看图形2.其次看R方3.参数的多少

0.0000

0

1

0

关注作者

收藏

shauna570392

那如果特征组合之间存在相关性，PCA可以解决吗

一、问题描述那如果特征组合之间存在相关性，PCA可以解决吗，比如特征1 特征2 与特征3之间存在相关性。二、问题解答可以，pca就是解决这个问题，可以把x1x2重新组合为新特征，且与其他特征相关性为0

0.0000

0

2

0

关注作者

收藏

liting李

如何有spss进行卡方检验

1.首先用SPSS打开用分析的数据文件2.依次点击一、二、三级菜单：分析——描述统计——交叉表格3.将要分析进行卡方检验的两个变量分别选择至“行”、“列”，然后点击菜单右侧第二个按钮“Statistics”,在弹出的二级菜单中勾选“卡方”4.得到卡方检验的结果并解读结果。

0.0000

0

2

0

关注作者

收藏

liting李

spss相关书籍推荐

1.spss软件类书籍（1）SPSS统计分析基础教程(第2版)2011-11 张文彤、邝春伟（2）问卷统计分析实务:SPSS操作与应用 2010年5月1日吴明隆（3）SPSS统计分析(第5版) 2015年4月1日吴喜之, 卢纹岱 (编者), 朱红兵 (编者)（4）统计分析与SPSS的应用(第四版)2014年8月1日薛薇 (作者) （5）社会统计分析方法·SPSS软件应用(第2版)2

24.5124

2

1

0

关注作者

收藏

田齐齐

聚类和降维的区别是什么？

聚类是用于寻找数据内在的分布结构。既可以作为一个单独的过程，如异常检测等；也可作为分类等其他学习任务的前驱过程。聚类是标准的无监督学习。在一些推荐系统中需要确定新用户的类型，但“用户类型”这个概念可能无法精确定义，此时往往会先对原有的用户数据进行聚类。然后根据聚类的结果将每个簇定义为一个类。然后在基于这些类别取进行相应的分类训练，以判断新用户的类型。降维主要是为了缓解维数灾难的一个重要方法。

3.5326

2

3

0

关注作者

收藏

读童话的狼

如何一下子选中好几个变量拖拽？

1、点击第一个变量，shift，点击最后一个变量2、选中一个，Ctrl，再选其他变量

0.0000

0

5

0

关注作者

收藏

读童话的狼

R方很小，模型还能用吗？

R^2低并不一定代表选取的自变量与因变量间显著性差，完全可能在0.01水平上高度显著的。R^2低只是代表可能遗漏了某些重要的解释变量，和变量间的显著性是两回事。回归模型一般要做两个检验。整体模型检验和回归系数检验。都通过了即使R^2很低也可以接受。

0.0000

0

1

0

关注作者

收藏

PGC123

编码问题导致 Mac版MySQL导入数据失败

Mac版MySQL导入数据失败，按照老师的各种方法导入数据，总也不能导入成功，这怎么办呢？答：经过远程查看，发现数据中存在中文，因此初步判定是数据库的编码与数据编码不一致的原因。使用如下代码查看数据库的编码格式：show variables like 'collation_%';永久更改数据库编码格式需要修改配置文件内容，在/etc/路径下创建 my.cnf文件，文件bn内容如下：#

53.3665

3

3

0

关注作者

收藏

读童话的狼

偏回归系数是什么意思?

设自变量x1，x2，…，xm与因变量y都具有线性关系，可建立回归方程：ŷ=b0 b1x1 b2x2 … bmxm。式中b1，b2，…，bm为相应于各自变量的偏回归系数。表示当其他的各自变量都保持一定时，指定的某一自变量每变动一个单位，因变量y增加或减少的数值。

0.0000

0

2

0

关注作者

收藏

读童话的狼

odds与OR值什么关系？

odds: 称为几率、比值、比数，是指某事件发生的可能性(概率)与不发生的可能性（概率）之比。用p表示事件发生的概率，则：odds = p/(1-p)。OR：比值比，为实验组的事件发生几率(odds1)/对照组的事件发生几率(odds2)。

0.0000

0

1

0

关注作者

收藏

读童话的狼

如何定义模型中的y?

定义Y有两方面因素1、业务需求2、根据Y的特征判断

0.0000

0

3

0

关注作者

收藏

大魔王泛泛

什么是kafka？

Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统（也可以当做MQ系统），常见可以用于web/nginx日志、访问日志，消息服务等等，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。

0.0000

0

1

0

关注作者

收藏

大魔王泛泛

Azkaban的特点有哪些？

1.Web用户界面2.方便上传工作流3.方便设置任务之间的关系4.调度工作流5.认证/授权(权限的工作)6.能够杀死并重新启动工作流7.模块化和可插拔的插件机制8.项目工作区9.工作流和任务的日志记录和审计

0.0000

0

1

0

关注作者

收藏

田齐齐

在卡方分布中的自由度怎么确定？

一个式子中独立变量的个数称为这个式子的“自由度”，确定一个式子自由度的方法是：若式子包含有n个独立的随机变量，和由它们所构成的k个样本统计量，则这个表达式的自由度为n-k。比如中包含ξ1，ξ2，…，ξn这n个独立的随机变量，同时还有它们的平均数ξ这一统计量，因此自由度为n-1。

32.7545

3

5

0

关注作者

收藏

<1…313314315…531>

CDA考试动态

CDA报考指南