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

詹惠儿

混淆矩阵中的准确度

准确度（错误率）准确度是一种统计测量，其定义为由分类器做出的正确预测除以分类器做出的预测之和的商。我们前一个例子中的分类器预测正确预测了42个男性实例和32个女性实例。因此，精度可以通过以下公式计算：(42 32)/(42 8 18 32)(42 32)/(42 8 18 32)这是0.72让我们假设我们有一个分类器，它总是预测“女性”。在这种情况下，我们的准确率为50％。我

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何理解极大似然估计？

问题陈述假设我们有一个随机样本X 1，X 2，...，X n，其假设概率分布取决于某个未知参数θ。我们的主要目标是找到一个点估计器u（X 1， X 2，...， X n），使得 u（x 1， x 2，...， x n）是一个“好”点估计 θ，其中 x 1， x 2，...， x n 是随机样本的观察值。举例来说，如果我们计划采取随机样本 X 1， X 2，...， X ñ

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

R实现缺失值和异常值检测

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter3/示例程序"）#读入数据saledata=read.csv（file="./data/catering_sale.csv"， header=TRUE）#缺失值检测并打印结果，由于R把TRUE和FALSE分别当作1、 0，可以用sum（）和mean（）

37.5000

1

2

0

关注作者

收藏

啊啊啊啊啊吖

异常值分析

异常值分析是检验数据是否有录入错误以及含有不合常理的数据。忽视异常值的存在是十分危险的，不加剔除地把异常值包括进数据的计算分析过程中，会给结果带来不良影响；重视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。异常值是指样本中的个别值，其数值明显偏离其余的观测值。异常值也称为离群点，异常值的分析也称为离群点分析。（1）简单统计量分析可以先对变量做

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

缺失值分析

数据的缺失主要包括记录的缺失和记录中某个字段信息的缺失，两者都会造成分析结果的不准确，以下从缺失值产生的原因及影响等方面展开分析。（1）缺失值产生的原因1）有些信息暂时无法获取，或者获取信息的代价太大。2）有些信息是被遗漏的。可能是因为输入时认为不重要、忘记填写或对数据理解错误等一些人为因素而遗漏，也可能是由于数据采集设备的故障、存储介质的故障、传输媒体的故障等

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

用R定制作图

可以实现读取Excel的时间序列数据，然后进行定制作图。##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter2/示例程序"）#读入数据data=read.csv（"./data/time_series.csv"， header=T）#定制作图png（file="./tmp/myplot.png"） #图

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

R软件的界面与其他编程软件相类似，是由一些菜单和快捷按钮组成，如图2-2所示。快捷按钮下面的窗口便是命令输入窗口，它也是部分运算结果的输出窗口，有些运算结果（如图形）则会在新建的窗口中输出。主窗口上方的一些文字是刚运行R时出现的一些说明和指引，文字下的“>”符号便是R的命令提示符，在其后可输入命令。 R一般采用交互式工作方式，在命令提示符后输入命令，回车后便会输出计算

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

数据类型 ——字符串类型

数据类型 (3)• 字符串类型 – CHAR(M)：固定长度字符串，为 1-255 。如果内容小于指定长度，右边填充空格不定长度，默认为 1 – VARCHAR(M)) ：可变长度字符串，为 1-255 。定义该类型时必须指长度 – BLOB或TEXT：最大长度 65535 。存储二进制大数据，如图片不能指定长度两者区别： BLOB 大小写敏感 –

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

数据类型--日期和时间类型

日期和时间类型 – DATE:YYYY -MM -DD 格式，在 1000 -01 -01 和9999 -12 -31 之间。例如： 1973 -12 -30 – DATETIME :YYYY -MM -DD HH:MM:SS 格式，位于 1000 -01 -01 00:00 01 和9999 -12 -31 23:59:59 之间。例如： 1973 -12 -30 15

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

数据类型--数值类型

• 数值类型： – INT ：有符号的和无。大小：有符号的和无。大小 -2147483648~2147483647 ，无符号大小， 0~4294967295 。宽度最多为 11 个数字 -int(11) – TINYINT:有符号的和无。大小 -128~127，无符号大小为 0~255。宽度最多为 4个数字-tinyint(4)

0.0000

0

5

0

关注作者

收藏

dreamhappy2012

关系数据库管理系统RDBMS

常用的关系数据库：MySQL，SQL Server，Oracle，IBM 的DB2– 关系数据库：所有的数据存储在不同的表中，使用主键或外键建立表间的关系。– RDBMS是这样一个软件：• 能让我们使用表、列和索引实现一个数据库• 保证各种表的行间的引用完整性• 自动更新索引• 解释一个SQL查询和组合来自不同表的信息• SQL:结构化查询语言(Structured Query

0.0000

0

3

0

关注作者

收藏

詹惠儿

pyhton中怎么进行多项式拟合？

首先检查下版本问题：注意：多项式拟合在1.9.2 版本中可用运行pip install plotly --upgrade可更新你的Plotly版本导入相关库：多项式拟合＃在此处了解API身份验证：https：//plot.ly/python/getting-started ＃在这里找到你的api_key：https：//plot.ly/settings/api

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

企业数据存储面临的问题有哪些？

1、存储大量数据2、大量数据的检索和访问3、保证数据信息的一致和完整4、数据共享和安全5、通过分析整合，产生新的有用的信息(如提供决策支持)

0.0000

0

3

0

关注作者

收藏

zxq997

列联表和卡方检验

分类变量之间的相关性一般可以采用列联表分析或卡方检验的方法来进行验证。列联表是两个分类变量的分类水平之间形成的交叉频数表，通过计算行百分比或列百分比，对实际频率和期望频率进行对比分析，例如一个典型的列联表如下：对于表中频数、期望频数、行/列百分比的解读方法要熟练掌握。比如98代表的是头发颜色为金色，眼睛颜色为深色的样本数量。而355.2则是期望的数量。6.7%是行百分比，也就是在所有头发

0.0000

0

0

0

关注作者

收藏

zxq997

横截面和时间序列数据在回归建模上的差异

横截面是指在统一时间平面上的数据，例如2013年各个上市公司的财报数据，如果研究其不同变量之间的线性关系，可以用多元线性回归模型。但是如果数据包含时间趋势，例如2001-2018年全国各个省市的宏观经济指标数据，如果要研究不同宏观指标之间的线性影响，就要用面板回归模型了（计量模型的一种）。

0.0000

0

4

0

关注作者

收藏

zxq997

多元线性回归的参数估计

与一元线性回归一样，多元线性的回归仍然使用最小二乘法来估计，即也就是使得因变量样本值到因变量估计值之间的2次距离总和最小。由于带估计参数有k 1个，因此我们在计算时会用到由k 1个方程构造的方程组通过方程组求解可以得到各个参数的参数估计，当然在本教材中，这部分的具体计算就留给计算机来运算了。

0.0000

0

2

0

关注作者

收藏

zxq997

修正的R2（Adjusted R-squared），又叫做修正多重判定系数。R2倾向于乐观估计线性回归的拟合度，它会随着模型中包含的自变量数量的增加而增加，而不管这自变量本身是否真的有效，这显然是不合理的。修正的R2能够有效的改进这种对于拟合度的高估，如果在模型中存在不重要的变量，即这些变量不能有效的改进模型，那么修正的R2将会降低。修正的R2的计算公式等于其中n为样本数，k为自变量

0.0000

0

1

0

关注作者

收藏

zxq997

回归系数检验

回归系数检验的原假设为H0：i= 0，即第i个自变量xi 与因变量y没有线性关系。检验统计量与一元线性回归一致这里k表示自变量个数。检验决策方法与一元线性回归一致，这里不再重复介绍。假设失效的影响：如果模型的线性关系假设不成立，这就意味着模型中可能还有x2，ln(x)等非线性情形，或者因变量无法由自变量线性表示，此时所得到的模型参数无法证实刻画数据包含的内部规律。假设失效解决方法

0.0000

0

4

0

关注作者

收藏

zxq997

多元线性回归的基本假设

由于自变量增加，多元线性回归除了保留一元线性回归的5个假设以外，还新增了线性无关假设。假设1：线性关系。因变量y与自变量x1，x2，…，xk之间存在线性关系。假设2：随机抽样。我们的样本数据是来自于总体的随机样本，该数据代表着假设1描述的总体。假设3：期望为0。误差项ε是一个期望值为0的随机变量，即E(ε)=0。假设4：同方差。给定任意的解释变量x1，x2，…，xk，ε的方

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

矩阵QR分解学习分享~

A为m×n矩阵可以进行QR分解，A=QR，其中：Q'Q＝I，在R中可以用函数qr()进行QR分解，例如：> A=matrix(1:16,4,4)> qr(A)$qr[,1] [,2] [,3] [,4][1,] -5.4772256 -12.7801930 -2.008316e+01 -2.738613e+01[2,] 0.3651484 -3.2659863 -6.531973e

0.0000

0

3

0

关注作者

收藏

<1…485486487…530>

CDA考试动态

CDA报考指南