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

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

詹惠儿

箱线图四分位数怎么看？

问：箱线图四分位数怎么看？答：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。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。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排列后第75%的数字。第三四分位数与第一四分位数的差距又称四分位距（InterQuartile R

29.6471

1

2

0

关注作者

收藏

读童话的狼

SPSS做回归时用R方还是调整的R方？

调整后r方在多元线性回归中才有用。它用于衡量加入独立变量后模型的拟合程度。当有新的独立变量变量加入后，即使这一变量也因变量不相关，未经修正的R方也要增大。修正后的R方仅用于比较含有同一个因变量的各种模型。为了尽可能准确的反应模型的拟合度 SPSS 输出中的 Adjusted R Square 是消除了自变量个数影响的 R2的修正值。对于一元回归看R方即可，对于多元回归应该看调整的R方。

0.0000

0

3

0

关注作者

收藏

读童话的狼

两个自变量相关性很高，会产生共线性吗？

如果自变量的相关系数超过0.7，那可能存在共线性，但还需进一步判断在回归后计算方差膨胀因子，一般经验法则是VIF

29.6471

1

3

0

关注作者

收藏

三卿

电脑各系统可以安装什么版本office

64位系统可以安装X64和X86版本的office，但是32位只能安装X86版本的office，因为64位系统向下兼容32位系统，32位在安装软件的时候选择x86就可以了。

0.8164

1

3

0

关注作者

收藏

詹惠儿

如何将名义变量转换成2分类变量？

问：在使用哑变量的时候，如果出现过度使用数据和没法解释的时候，将名义变量转换成2分类变量，请问是如何转换的呢？答：将名义变量转换成2分类变量就是做哑变量处理，例如前面老师讲的将'1,2,3,4'转为'1000,0100,0010,0001',在spss中可以通过创建虚变量实现

0.0000

0

7

0

关注作者

收藏

读童话的狼

SPSS中的双侧检验是小于的alpha吗？

软件里面的大部分都是双尾概率P值，如果你的假设是双尾的就直接比较显著性水平就可以了，如果你的假设是单侧校验，就用双尾概率除以2再与显著性水平比较就可以了

0.0000

0

2

0

关注作者

收藏

詹惠儿

SVC的C范围一般是在什么区间

问：SVC的C范围一般是在什么区间啊答：默认值1一般来说就是一个合理的参数。如果模型效果准确度不高，可以相应增大c，如果过拟合较为严重，则相应减少c。也可以通过网格搜索对c进行调整，范围不定，最小0.01，上限的话可以设置一个较大的数字，比如20，然后通过学习曲线进一步细化

0.0000

0

2

0

关注作者

收藏

大魔王泛泛

spark为什么会比Mapreduce快？

1.内存迭代2.RDD设计3.算子的设计

0.0000

0

2

0

关注作者

收藏

读童话的狼

置信水平95%时临界值是0.05吗？

不一定，单侧检验时时0.05，双侧检验时是0.025

0.0000

0

2

0

关注作者

收藏

读童话的狼

单尾和双尾是什么意思？

1、双尾检验：检验目的是检验抽样的样本统计量与假设参数的差是否过大（无论正方向，还是负方向），把风险分摊到左右两侧。比如显著性水平为5%，则概率曲线的左右两侧各占2.5%，也就是95%的置信区间。2、单尾检验：检验目的只是注重验证是否偏高，或者偏低，也就是说只注重验证单一方向，就用单侧检验。比如显著性水平为5%，概率曲线只需要关注某一侧占5%即可，即90%的置信区间。研究目的是想判断两个数

0.0000

0

2

0

关注作者

收藏

shauna570392

为什么填补数据得出的结果比原数据集的要好？

一、问题描述在选择哪个col 先来预测的问题，预测得到的值的误差难道比手填0的值更大嘛？首先预测col 1 有3% 时，col 30%的缺失值先手动填补0，再去预测col 1 。二、问题解答在上面的图话，我们手动填补0，预测的结果放入col里面，再进行下一步计算。会有误差下面的图，里面预测得到的col3和col2里面，也是先手动填补0，再来预测，手动填补0会有误差，预测也会有误差，

0.0000

0

2

0

关注作者

收藏

shauna570392

markdown写不出来标题

1、确认是否是中文状态输入的字符2、确认#中间是否有空格3、确认代码块是否为标记模式4、实在不行重启试试

29.6471

1

4

0

关注作者

收藏

<1…315316317…531>

CDA考试动态

CDA报考指南