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

贡献度分析

贡献度分析又称帕累托分析，它的原理是帕累托法则又称20/80定律。同样的投入放在不同的地方会产生不同的效益。例如，对一个公司来讲，80%的利润常常来自于20%最畅销的产品，而其他80%的产品只产生了20%的利润。##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"）#读取菜品数据，绘

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

离中趋势度量

1）极差极差=最大值-最小值极差对数据集的极端值非常敏感，并且忽略了位于最大值与最小值之间的数据是如何分布的。（2）标准差标准差度量数据偏离均值的程度（3）变异系数变异系数度量标准差相对于均值的离中趋势，变异系数主要用来比较两个或多个具有不同单位或不同波动幅度的数据集的离中趋势。（4）四分位数间距四分位数包括上四分位数和下四分位数。将所有数值由小到大排列并分成四等

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

集中趋势度量

（1）均值均值是所有数据的平均值。有时，为了反映在均值中不同成分所占的不同重要程度，为数据集中的每一个xi赋予wi。作为一个统计量，均值的主要问题是对极端值很敏感。如果数据中存在极端值或者数据是偏态分布的，那么均值就不能很好地度量数据的集中趋势。为了消除少数极端值的影响，可以使用截断均值或者中位数来度量数据的集中趋势。截断均值是去掉高、低极端值之后的平均数。（2

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

对比分析是指把两个相互联系的指标进行比较，从数量上展示和说明研究对象规模的大小，水平的高低，速度的快慢，以及各种关系是否协调。特别适用于指标间的横纵向比较、时间序列的比较分析。在对比分析中，选择合适的对比标准是十分关键的步骤，选择合适，才能做出客观的评价，选择不合适，评价可能得出错误的结论。对比分析主要有以下两种形式：（1）绝对数比较它是利用绝对数进行对比，

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

分布分析能揭示数据的分布特征和分布类型。对于定量数据，欲了解其分布形式是对称的还是非对称的、发现某些特大或特小的可疑值，可做出频率分布表、绘制频率分布直方图、绘制茎叶图进行直观地分析；对于定性数据，可用饼形图和条形图直观地显示分布情况。1.定量数据的分布分析对于定量变量，选择“组数”和“组宽”是做频率分布分析时最主要的问题，一般按照以下步骤：1）求极差；2）

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

决策树中用graphviz画出的树图怎么看这些参数

如图中所示，这些参数是啥意思啊？答： meda

0.0000

0

1

0

关注作者

收藏

詹惠儿

k-means聚类的分析原理是什么？

通常，对原始数据表执行k -means聚类分析，其中每行表示对象，列表示对象的定量特征。这些定量特征称为聚类变量。例如，表中有18个对象，并且有两个聚类变量x和y。在实际应用程序中，通常会有更多对象和更多变量。例如，在市场细分中，其中k-means用于查找具有相似需求的消费者群体，每个对象是一个人，每个变量通常是对各种事物对消费者的重要程度（例如，质量，价格，客户服务，便利性）的评级。步骤1：

0.0000

0

2

0

关注作者

收藏

詹惠儿

朴素贝叶斯的EM算法是什么？

EM算法即期望最大化算法。期望最大化（EM）算法是一种迭代方法，用于在统计模型中找到参数的最大似然或最大后验（MAP）估计，其中模型取决于未观察到的潜在变量。EM迭代在执行期望（E）步骤和最大化（M）步骤之间交替，期望（E）步骤创建用于使用参数的当前估计评估的对数似然的期望的函数，最大化（M）步骤计算最大化预期对数的参数。在E步骤中发现的可能性。然后使用这些参数估

0.0000

0

1

0

关注作者

收藏

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

<1…485486487…531>

CDA考试动态

CDA报考指南