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

啊啊啊啊啊吖

Hadoop的单机模式运行

Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。此处运行部分Hadoop自带MapReduce例子来验证Hadoop能够正常运行，同时对Hadoop中MapReduce运行命令格式进行简单说明在命令行中输入rm -r ./output在命令行中输入出现下述结果则说明运行成功注：若要重复运行程序，需更改输出文件夹

99.4764

1

1

0

关注作者

收藏

啊啊啊啊啊吖

Linux系统介绍

Linux是类Unix操作系统，我们现在所谓的Linux操作系统，从严格意义上来说是指拥有Linux内核的操作系统，其中，Ubuntu和CentOS操作系统分别是桌面端和服务器端占比最高的开源操作系统，而这两个操作系统也将是本次讲学过程中主要涉及的两个操作系统。Ubuntu相比其他Linux系统，Ubuntu操作系统拥有人性化的桌面操作界面，除商业用途外，也非常适合PC用户处理日常事务

0.0000

0

6

0

关注作者

收藏

詹惠儿

一个Series类似于一维数组。它可以存储任何类型的数据。Pandas中Series的值是可变的，但Series的大小是不可变的，不能更改。系列中的第一个元素分配了索引0，而最后一个元素位于索引处N-1，其中N是系列中元素的总数。要创建Pandas Series，我们必须首先通过Python import命令导入Pandas包：import pandas as pd要创建Series，

296.8739

1

4

0

关注作者

收藏

詹惠儿

ID3的初识定义

结合连续值属性我们对ID3的初始定义仅限于采用一组离散值的属性。使ID3算法对连续变量更有用的一种方法是在某种程度上将它们转换为离散变量。假设在我们的Play Badminton示例中温度是连续的，我们可以测试温度值的某些分区的信息增益，例如温度> 42.5。通常，每当分类从“否”变为“是”或“是”变为“否”时，将两个温度的平均值视为潜在的分区边界。因为42对应于否，43对应于是，42.

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

双聚类是怎么回事

Biclustering 可以使用 sklearn.cluster.bicluster 模块。 Biclustering 算法对数据矩阵的行列同时进行聚类。同时对行列进行聚类称之为 biclusters。每一次聚类都会通过原始数据矩阵的一些属性确定一个子矩阵。例如, 一个矩阵 (10, 10) , 一个 bicluster 聚类，有三列二行，就是一个子矩阵 (3, 2)>>> import

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

机器学习里的线性支持向量分类

线性支持向量分类 (LinearSVC) 显示了作为 RandomForestClassifier 更多的 Sigmoid 曲线, 这是经典的最大边距方法 (compare Niculescu-Mizil and Caruana [4]), 其重点是靠近决策边界的 hard samples（支持向量）.提供了执行概率预测校准的两种方法: 基于 Platt 的 Sigmoid 模型的参数化方法和基

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

回归和分类的特征选择函数

对于回归: f_regression , mutual_info_regression对于分类: chi2 , f_classif , mutual_info_classif这些基于 F-test 的方法计算两个随机变量之间的线性相关程度。另一方面，mutual information methods（互信息）能够计算任何种类的统计相关性，但是作为非参数的方法，互信息需要更多的样本来进行准

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

单变量的特征选择

单变量的特征选择是通过基于单变量的统计测试来选择最好的特征。它可以当做是评估器的预处理步骤。Scikit-learn 将特征选择的内容作为实现了 transform 方法的对象：SelectKBest 移除那些除了评分最高的 K 个特征之外的所有特征SelectPercentile 移除除了用户指定的最高得分百分比之外的所有特征对每个特征应用常见的单变量统计测试: 假阳性率（false p

0.0000

0

2

0

关注作者

收藏

詹惠儿

简述深度学习

深度学习是多层神经网络的新名称。可以说，深度学习是神经网络的增强和强大形式。两者之间的区别是微妙的。不同之处在于，与神经网络（最多2层构建）相比，深度学习模型建立在几个隐藏层（例如，超过2个）上。由于数据有多种形式（表格，图像，声音，网络等），线性方法很难学习和检测数据中的非线性。实际上，很多次甚至非线性算法（例如基于树的（GBM，决策树））

1.0473

1

3

0

关注作者

收藏

zxq997

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。其中：json.dumps ：将 Python 对象编码成 JSON 字符串json.loads：将已编码的 JSON 字符串解码为 Python 对象。调用json，先导入：import jsonjson.dumps(obj, skipkeys=False, ensure_ascii=Tru

3.1270

1

3

0

关注作者

收藏

kejiayuan0806

sql分组查询报错

问题描述：在执行SQL分组查询语句时报错：“not a single-group group function”解决方法：使用group by进行分组时，select 后面要查询出来的字段需符合以下两种情况：1、在group by 子句中出现2、使用聚合函数

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

MySQL server has gone away

问题描述：MySQL执行代码报错Error ：Code .2006 MySQL server has gone away 解决方法：由于MySQL服务有连接时间要求，即某个MySQL长连接很久没新的请求发起，达到了server端的timeout,那么这个连接会被server强行关闭。此时再通过这个connection发起的查询的时候就会报错 server has gone away。这

0.0000

0

6

0

关注作者

收藏

kejiayuan0806

Rstudio中更换包镜像服务器的方法

问题描述：在R中安装包时报错，提示：Warning in install.packages : unable to access index for repository “https://cran.rstudio.com/src/contrib”:cannot open URL 'https://cran.rstudio.com/src/contrib/PACKAGES' Warning

99.4764

1

1

0

关注作者

收藏

kejiayuan0806

修复office的方法

问题描述：在使用Excel时无法启动，提示Microsoft Excel已停止工作。解决方法：控制面板——程序----卸载程序选择office2016 并点击更改选择快速修复如果修复后仍无法启动，建议重装office

0.0000

0

4

0

关注作者

收藏

PGC123

hive连接MySQL时有ssl警告

在hive连接MySQL时有ssl警告，警告内容如下：WARN: Establishing SSL connection without server's identity verification is not recommended. According to MySQL 5.5.45 , 5.6.26 and 5.7.6 requirements SSL connection must

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

Internet Explorer 11安装更新

问题描述：在使用Excel函数帮助时，由于Internet Explorer 9 版本过低无法打开帮助页面。解决方法：1、卸载IE9如果计算机上面安装有IE9，这将有可能会导致安装失败，此时就先把IE9卸载。卸载路径为：【控制面板】，【程序】，【程序和功能】，【已安装更新】，找到IE9之后单击右键，选择“卸载”。2、检查计算机的系统版本是否符合IE11的条件（如：32位/64位 w

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

numpy中文件的存储和读取

一维和二维数组存储np.savetxt(frame,array,fmt='%.18e',delimiter=None,newline='\n', header='', footer='', comments='# ', encoding=None)frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件。array : 存入文件的数组（一维或者二维）。fmt：写入文件的

0.0000

0

5

0

关注作者

收藏

dreamhappy2012

numpy的数值类型

bool 用一位存储的布尔类型（值为TRUE或FALSE）inti 由所在平台决定其精度的整数（一般为int32或int64）int8 整数，范围为128至127int16 整数，范围为32 768至32 767int32 整数，范围为231至231 1int64 整数，范围为263至263 1uint8 无符号整数，范围为0至255uint16 无符号整数，范围为0至6

0.0000

0

5

0

关注作者

收藏

dreamhappy2012

numpy#矩阵的拼接

matr1 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])#使用matrix创建matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])#使用matrix创建np.bmat('matr1 matr2 ')#矩阵的拼接，横着拼接 np.bmat('matr1;matr2 ')#矩阵的拼接，竖着拼接

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何将数据存储在不同站点

有两种方法可以将数据存储在不同的站点上。它们是：1。复制在此方法中，整个关系以2个或更多站点冗余存储。如果整个数据库在所有站点都可用，则它是完全冗余的数据库。因此，在复制中，系统维护数据副本。这是有利的，因为它增加了不同站点的数据可用性。此外，现在可以并行处理查询请求。但是，它也有一些缺点。数据需要不断更新。在一个站点进行的任何更改都需要记录在存储关系的每个站点上，否则可能导致不一致。这是

0.0000

0

2

0

关注作者

收藏

<1…459460461…531>

CDA考试动态

CDA报考指南