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

PGC123

MySQL有连接条件

有连接条件如果表1和表2有关系，则CROSS JOIN与INNER JOIN子句类似。

0.0000

0

6

0

关注作者

收藏

PGC123

IE浏览器打不开网页

IE浏览器打不开网页的解决方法：1、右键点击IE游览器的属性，在弹出的“Internet 属性”选项卡中点击“高级”选项。2、点击页面下“重置”，此时会弹出一个提示框（重置前得先关闭其他打开所有窗口和程序），点确定。3、按照前面的提示先关闭所有的窗口程序，再次点击重置，弹出“重置 IE游览器设置”窗口。4、勾选“删除个性化设置”点击确定。5、此时系统开始重置IE游览器的设置，等

56.3913

2

2

0

关注作者

收藏

PGC123

电脑无法上网，显示感叹号

电脑无法上网，显示感叹号怎么解决？答：这个一般是由于ip错误导致的，可以在“网络共享中心”查看当前网络详细信息是否有误，自动获取IP有时会错误的一般网关是3个255，除非是专业的局域网，会有不同。网关一般是前三位跟网段一样，最后一位是1或者2.IP地址自动分配的默认是从128-255的。当有感叹号的时候可以使用“属性”-》ipv4 -》属性来设置IP的详细信息来修复。

0.0000

0

2

0

关注作者

收藏

wo56565

题目：一个数如果恰好等于它的因子之和，这个数就称为"完数"。

程序分析：# 代码def reduce(n): li = [] for x in range(1, n): if n % x == 0: li.append(x) return lifor x in range(2, 1001): sum = 0 li = reduce(x) for i in li:

25.6576

1

1

0

关注作者

收藏

wo56565

题目：将一个正整数分解质因数。

程序分析：# 代码def reduceNum(n): print("%d = "%n,end="") while n not in [1] : for index in range(2, n + 1) : while n % index == 0: n /= index if

0.0000

0

0

0

关注作者

收藏

wo56565

题目：判断101-200之间有多少个素数，并输出所有素数

程序分析：判断素数的方法：用一个数分别去除2到sqrt(这个数)，如果能被整除，则表明此数不是素数，反之是素数。# 代码from math import sqrtcount = 0flag = 1for x in range(101, 201): for y in range(2, int(sqrt(x)) + 1): if x % y == 0:

0.0000

0

3

0

关注作者

收藏

wo56565

题目：暂停一秒输出，并格式化当前时间。

程序分析：# 代码import timeprint (time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))#暂停time.sleep(1)print (time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))# 输出2019-03-11

25.6576

1

2

0

关注作者

收藏

wo56565

题目：输出 9*9 乘法口诀表。

程序分析：分行与列考虑，共9行9列，i控制行，j控制列。# 代码for i in xrange(1, 10): for j in xrange(1, i + 1): print("%d*%d=%d" % (i, j, i * j), end=" ") print("\n")# 输出1*1=1 2*1=2 2*2=4 3*1=3 3*2=6 3*3=9

0.0000

0

1

0

关注作者

收藏

wo56565

题目：将一个列表的数据复制到另一个列表中。

程序分析：使用列表切片# 代码a = [1,2,3]b = a[:]print(b)#输出[1, 2, 3]

0.0000

0

1

0

关注作者

收藏

wo56565

题目：斐波那契数列。

程序分析：斐波那契数列（Fibonacci sequence），又称黄金分割数列，指的是这样一个数列：0、1、1、2、3、5、8、13、21、34、……。在数学上，费波那契数列是以递归的方法来定义# 代码def fib(x): if x == 1: return 1 elif x == 2: return 1 else:

0.0000

0

3

0

关注作者

收藏

wo56565

输入某年某月某日，判断这一天是这一年的第几天？

分析：以3月5日为例，应该先把前两个月的加起来，然后再加上5天即本年的第几天，特殊情况，闰年且输入月份大于2时需考虑多加一天# 代码year = int(input ("请输入年份："))mon = int(input ("请输入月份："))day = int(input ("请输入日期："))#非闰年每月末是第几天months = (0,31,59,90,12,151,181,21

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

什么是偏自相关系数（PACF）？

问、什么是偏自相关系数（PACF）？答：滞后K阶偏自相关系数是指在给定中间k-1个随机变量Xt-1，Xt-2，Xt-k 1的条件下（剔除了中间k-1个随机变量的干扰后）， Xt-k对Xt影响的相关度量，用数学语言描述如下：其中，经过推导，ARMA(p,q) 序列的偏自相关系数为：

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

什么是自相关系数（ACF）？

问、什么是自相关系数（ACF）？答将一列数据按照滞后数拆成两列数据再对两列数据做类似相关系数的操作。如：{x1,x2,x3,x4,x5,x6,x7,x8,x9,x10} --原始数据{x1,x2,x3,x4,x5,x6,x7,x8}{x3,x4,x5,x6,x7,x8,x9,x10} –求滞后数为2的自相关系数，即求两者的“相关系数” 所以，可以理解自相关字数就是用来表达一组数据前

25.6576

1

1

0

关注作者

收藏

dreamhappy2012

时间序列有哪些特征？

问、时间序列有哪些特征？答：序列相关性：当期的序列值和前期某个或某些序列值线性相关l 自相关系数（ACF)(全相关系数)：用来度量同一事件在不同时期之间的相关程度𝜌_ℎ=(𝑟(ℎ))/(𝑟(0))，其中r(h)为h期协方差函数，r(0)为方差l 偏自相关系数（PACF)(条件相关系数)：度量去除中间变量影响后的相关程度Xt和Xt-2通过Xt-1产生关联，PACF即为去除Xt-1的

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

时间序列分析目的是什么？

问、时间序列分析目的是什么？答：1) 确定性时序分析的目的：克服其它因素的影响，单纯测度出某一个确定性因素对序列的影响；推断出各种确定性因素彼此之间的相互作用关系及它们对序列的综合影响。2) 时间序列趋势分析目的：有些时间序列具有非常显著的趋势，我们分析的目的就是要找到序列中的这种趋势，并利用这种趋势对序列的发展作出合理的预测。

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

时间序列的分析方法有哪些?

问、时间序列的分析方法有哪些?答：时间序列依据其特征，有以下几种表现形式，并产生与之相适应的分析方法：1) 长期趋势变化：受某种基本因素的影响，数据依时间变化时表现为一种确定倾向，它按某种规则稳步地增长或下降。使用的分析方法有：移动平均法、指数平滑法、模型拟和法等。2) 季节性周期变化：受季节更替等因素影响，序列依一固定周期规则性的变化，又称商业循环。采用的方法：季节指数。3) 循环变化

0.0000

0

1

0

关注作者

收藏

詹惠儿

使用Pickle模块有什么优点

使用Pickle模块的优点：递归对象（包含对自身的引用的对象）： Pickle跟踪它已经序列化的对象，因此以后对同一对象的引用不会再次序列化。（元帅模块为此打破了。）对象共享（对不同位置的同一对象的引用）：这类似于自引用对象; pickle存储对象一次，并确保所有其他引用指向主副本。共享对象保持共享，这对于可变对象非常重要。用户定义的类及其实例： Marshal根本不支持这些类，但是pic

25.6576

1

1

0

关注作者

收藏

詹惠儿

如何理解Python Pickling

Python pickle模块用于序列化和反序列化Python对象结构。可以对Python中的任何对象进行pickle，以便将其保存在磁盘上。pickle做的是它在将对象写入文件之前先“序列化”对象。Pickling是一种将python对象（list，dict等）转换为字符流的方法。这个想法是这个字符流包含在另一个python脚本中重建对象所需的所有信息。# Python3 program t

0.0000

0

0

0

关注作者

收藏

zxq997

基于Tree树的特征选取

基于树的 estimators ，可以用来计算特征的重要性，然后可以消除不相关的特征（当与 sklearn.feature_selection.SelectFromModel 等元转换器一同使用时）:>>> from sklearn.ensemble import ExtraTreesClassifier>>> from sklearn.datasets import load_iris>

0.0000

0

4

0

关注作者

收藏

zxq997

正则自编码器是什么

编码维数小于输入维数的欠完备自编码器可以学习数据分布最显著的特征。我们已经知道，如果赋予这类自编码器过大的容量，它就不能学到任何有用的信息。如果隐藏编码的维数允许与输入相等，或隐藏编码维数大于输入的过完备（overcomplete）情况下，会发生类似的问题。在这些情况下，即使是线性编码器和线性解码器也可以学会将输入复制到输出，而学不到任何有关数据分布的有用信息。理想情况下，根据要建模的

0.0000

0

2

0

关注作者

收藏

<1…379380381…531>

CDA考试动态

CDA报考指南