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

spss中三种变量类型如何界定？

统计学依据数据的计量尺度将数据划分为三类：定距型数据（Scale）、定序型数据（Ordinal）、定类型数据（Nominal）。定距型数据通常是指诸如身高、体重、血压等的连续型数据，也包括诸如人数、商品件数等离散型数据；定序型数据具有内在固有大小或高低顺序，但它又不同于定距型数据，一般可以数值或字符表示。如职称变量可以有低级、中级、高级三个取值，可以分别用1、2、3等表示，年龄段变量可以有老、

0.0000

0

0

0

关注作者

收藏

shauna570392

如果将新数据的列重命名

比如有一个DataFrame，列名为：['1', '2', '3', '4','5'],现需要改为：['a', 'b', 'c', 'd', 'e']方式一：columns属性df.columns = ['a', 'b', 'c', 'd', 'e']方式二：rename方法、columns参数df.rename(columns=('1': 'a', '2': 'b', '3': 'c',

50.0000

1

8

0

关注作者

收藏

liting李

为什么R方这么小，如何提高R方

R^2表示的模型和样本之间的拟合度，就是说拟合度越好该模型越能代表样本观测值的趋势，R^2越接近1越好。F值代表了样本模型和总体之间的关系，即是样本模型所反映的X，Y之间的关系在总体上是否显著，sig.接近0越好。

0.0000

0

2

0

关注作者

收藏

liting李

判定线性回归方程有效的R平方的范围是多少

回归分析就是将所关心的特性的性能与潜在的原因联系起来。一元回归是处理2个变量x和y之间的关系,假如2个变量之间的关系是线性的,就称为一元线性回归,一元线性回归就是要建立y=a bx方程,该方程称为y对x的回归方程。一元线性回归在煤质检验中的应用非常广泛,煤质专家以及煤质检验人员,经过大量的调查研究和科学试验,发现和总结了许多一元线性回归的经验公式。经验公式对于煤质检验、煤质管理及科学研究等方面都

0.0000

0

1

0

关注作者

收藏

liting李

SPSS中如何定义变量

1.打开SPSS数据编辑窗口，点击视图转换栏中的”变量视图“，进入变量视图页面。2.定义变量名称：选中某个变量的名称单元格单击，即可编辑变量名称。如果没有预先编辑变量名而直接输入数据的话，会像下图一样显示哦。从技术角度来说，也可以这样做，但具体分析变量的时候一定会很混乱，别人也很难看懂。3.定义变量类型：选中某个变量的”类型“单元格，单击即可弹出如下对话框，选取和变量相应的类型。例如：”性别“

0.0000

0

3

0

关注作者

收藏

shauna570392

LabelEncoder方法怎么看哪个数字对应哪个标签

是根据索引来的，比如有特征[S，C，B，V]，这时编码后数据变为为[[1],[3],[0],[2]]这里的0代表S，1代表C，2代表B，3代表V

0.0000

0

2

0

关注作者

收藏

liting李

spss怎么导入excel数据表？

1.首先在电脑上打开spss软件，如果没有spss就要去安装一个，点击spss快捷方式，进入spss图形操作界面。2.在spss的操作界面上，点击左上角“文件”，在菜单中找到打开，点击“打开”，在下级选项里选择“数据”。3.点击进去文件管理界面后，在这边选择你所需要打开的excel文件，在“查找范围”里选择你excel数据文件存放的文件夹，接着在下面文件类型选择excel文件类型，不然找不到e

50.0000

1

2

0

关注作者

收藏

shauna570392

平均数是一个数，为什么会有分布

随机变量 X 的一个样本：｛x11,x12,x13,.....,x1m｝设其均值为 e1随机变量 X 的另个样本：｛x21,x22,x23,.....,x2m｝设其均值为 e2......随机变量 X的第n个样本：｛xn1,xn2,xn3,.....,xnm｝设其均值为 en这n个样本各自的均值：ei （i = 1,2,...,n）也是随机变量，当然它可以服从某种概率分布，包括正态分

3.5770

1

1

0

关注作者

收藏

shauna570392

标准化，归一化的区别

1. 归一化是为了将数据映射到0~1之间，去掉量纲的过程，让计算更加合理，不会因为量纲问题导致1米与100mm产生不同。归一化是线性模型做数据预处理的关键步骤，比如LR，非线性的就不用归一化了。归一化就是让不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。2. z-标准化消除分布产生的度量偏差，：将数值范围缩放到0附近, 但没有改变数据分布；a

3.5770

1

1

0

关注作者

收藏

shauna570392

Adaboost为什么会用到梯度下降

adaboost算法的思路如下：（1）样本权重表示样本分布，对特定的样本分布生成一个弱学习器。（2）根据该弱学习器模型的误差率e更新学习器权重α。（3）根据上一轮的学习器权重α来更新下一轮的样本权重。（4）重复步骤(1)(2)(3)，结合所有弱学习器模型，根据结合策略生成强学习器。该过程是通过迭代生成了一系列的学习器，我们给予误差率低的学习器一个高的权重，给予误差率高的学习器一个低的权重

3.5770

1

3

0

关注作者

收藏

赵娜0418

怎样有效地找到组合特征？

怎样有效地找到组合特征？答：以点击预测问题为例，假设原始输入特征包含年龄、性别、用户类型（试用期、付费）、物品类型（护肤、食品等）4个方面的信息，并且根据原始输入和标签（点击/未点击）构造出了决策树，如图所示：于是，每一条从根节点到叶节点的路径都可以看成一种特征组合的方式。具体来说，就有以下4种特征组合的方式。（1）“年龄

0.7752

1

3

0

关注作者

收藏

赵娜0418

在对数据进行预处理时，应该怎样处理类别型特征？

在对数据进行预处理时，应该怎样处理类别型特征？答：1、序号编码序号编码通常用于处理类别间具有大小关系的数据。例如成绩，可以分为低、中、高三档，并且存在“高>中>低”的排序关系。序号编码会按照大小关系对类别型特征赋予一个数值ID，例如高表示为3、中表示为2、低表示为1，转换后依然保留了大小关系。2、独热编码独热编码通常用于处理类别间不具有大小关系的特征。例如血型，一共有4个取值（A型血、B

30.4223

2

1

0

关注作者

收藏

赵娜0418

GBDT的优点和局限性有哪些？

GBDT的优点和局限性有哪些？答：■ 优点（1）预测阶段的计算速度快，树与树之间可并行化计算。（2）在分布稠密的数据集上，泛化能力和表达能力都很好，这使得GBDT在Kaggle的众多竞赛中，经常名列榜首。286（3）采用决策树作为弱分类器使得GBDT模型具有较好的解释性和鲁棒性，能够自动发现特征间的高阶关系，并且也不需要对数据进行特殊的预处理如归一化等。■ 局限性（1）GBD

29.6471

2

2

0

关注作者

收藏

赵娜0418

什么是偏差和方差？

什么是偏差和方差？答：在有监督学习中，模型的泛化误差来源于两个方面——偏差和方差，具体来讲偏差和方差的定义如下：偏差指的是由所有采样得到的大小为m的训练数据集训练出的所有模型的输出的平均值和真实模型输出之间的偏差。偏差通常是由于我们对学习算法做了错误的假设所导致的，比如真实模型是某个二次函数，但我们假设模型是一次函数。由偏差带来的误差通常在训练误差上就能体现出来。方差指的是由所有采样得到的大

0.0000

0

6

0

关注作者

收藏

赵娜0418

常用的基分类器是什么？

常用的基分类器是什么？答：最常用的基分类器是决策树，主要有以下3个方面的原因。（1）决策树可以较为方便地将样本的权重整合到训练过程中，而不需要使用过采样的方法来调整样本权重。（2）决策树的表达能力和泛化能力，可以通过调节树的层数来做折中。（3）数据样本的扰动对于决策树的影响较大，因此不同子样本集合生成的决策树基分类器随机性较大，这样的“不稳定学习器”更适合作为基分类器。此外，在决策树节点分

0.0000

0

3

0

关注作者

收藏

赵娜0418

集成学习分哪几种？他们有何异同？

集成学习分哪几种？他们有何异同？答：1、 BoostingBoosting方法训练基分类器时采用串行的方式，各个基分类器之间有依赖。它的基本思路是将基分类器层层叠加，每一层在训练的时候，对前一层基分类器分错的样本，给予更高的权重。测试时，根据各层分类器的结果的加权得到最终结果。Boosting的过程很类似于人类学习的过程，我们学习新知识的过程往往是迭代式的，第一遍学习的时候，我们会记住一

0.0000

0

3

0

关注作者

收藏

赵娜0418

得出的PSI值要怎么评判？

得出的PSI值要怎么评判？答：如果PSI值小于0.1，该指标不重要，不需要采取任何行动；如果PSI值在0.1到0.25之间的话，是有一些小的改变，需要检查其他指标，进一步判断；如果PSI值大于0.25的话，有重大变化，需要调整模型，深挖原因。

0.2740

1

1

0

关注作者

收藏

赵娜0418

怎么对一个特征分箱？

怎么对一个特征分箱？答：1）我们首先把连续型变量分成一组数量较多的分类型变量，⽐比如，将几万个样本分成100组，或50组；（尽量有监督的分箱）2）确保每一组中都要包含两种类别的样本，否则IV值会⽆无法计算；3）我们对相邻的组进行卡方检验，卡方检验的P值很大的组进⾏合并，直到数据中的组数小于设定的N箱为⽌止；4）我们让一个特征分别分成[2,3,4.....20]箱，观察每个分箱个数下的IV

0.2740

1

2

0

关注作者

收藏

赵娜0418

Mi的具体意义会不会因为场景不同而不同？

Mi的具体意义会不会因为场景不同而不同？答：是的，Mi的具体意义可能因为场景不同适当调整Mi中的i是非负整数，具体可以写为M0，M1，M2……M0：约定还款日第二天到下一个账单日M1：未还款的第二个账单日到第二个账单的最后约定还款日之间M2：未还款的第三个账单日到第三个账单的最后约定还款日之间Mi不是某⼀个时刻，而是⼀个时间区间

0.2740

1

0

0

关注作者

收藏

赵娜0418

金融领域中信用风险的主体一般是什么？

金融领域中信用风险的主体一般是什么？信⽤风险发生的主体通常为：个人、公司及主权。1、个人违约个人向金融机构进行借贷后，没有在规定期限内还款的行为。2、公司违约公司向金融机构借贷后，没有在规定期限内还款的行为，或者公司在发行债券等融资产品后，没有履行或者延期履行利息或本金的支付义务。3、主权违约是指一国政府无法按时对其向外担保借来的债务还本付息的情况，如债务重组。

0.2698

1

1

0

关注作者

收藏

<1…314315316…530>

CDA考试动态

CDA报考指南