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

python中的不可变数据类型

python中的数据类型分为可变与不可变两种类型，不可变的有数字、字符串、元组；可变的有列表、字典。不可变对象一旦创建，其值就不可以改变了，不可变对象只能被创建和删除（del或者被‘垃圾回收’）。如果想要对指向不可变数据类型的变量再次赋值，则python解释器会在内存中创建新的对象指向变量而不是改变原来的对象。a = 5print(id(a))#94562099482920a = 6

0.0000

0

10

0

关注作者

收藏

PGC123

pyspark如何创建RDD

PySpark 如何创建RDD呢？PySpark中有两种方法可以创建RDD：1、使用parallelize(...) 通过传入python集合创建，如：list或array。第二个参数可以是分区数。2、也可以引用文件（本地或者外部文件如HDFS等）data_from_file = sc.textFile(path,p_num) ,其中path是文件路径，p_num是分区数。

0.0000

0

5

0

关注作者

收藏

wangjuju123

跳出循环 -break

通常，循环会不断地执行代码块，直到条件为假或使用完序列中的所有元素。但在有些情况下，你可能想中断循环、开始新迭代（进入“下一轮”代码块执行流程）或直接结束循环。要结束（跳出）循环，可使用break。假设你要找出小于100的大平方值（整数与自己相乘的结果），可从100开始向下迭代。找到一个平方值后，无需再迭代，因此直接跳出循环。 from math import sqrt for n i

0.0000

0

0

0

关注作者

收藏

wangjuju123

要遍历字典的所有关键字，可像遍历序列那样使用普通的for语句。 d = {'x': 1, 'y': 2, 'z': 3} for key in d: print(key, 'corresponds to', d[key]) 也可使用keys等字典方法来获取所有的键。如果只对值感兴趣，可使用d.values。你可能还记得，d.items以元组的方式返回键值对。for循环的优点之一是

0.0000

0

1

0

关注作者

收藏

wangjuju123

while语句非常灵活，可用于在条件为真时反复执行代码块。这在通常情况下很好，但有时候你可能想根据需要进行定制。一种这样的需求是为序列（或其他可迭代对象）中每个元素执行代码块。注意基本上，可迭代对象是可使用for循环进行遍历的对象。第9章将详细介绍可迭代对象和迭代器。就目前而言，只需将可迭代对象视为序列即可。为此，可使用for语句： words = ['this', 'is', '

0.0000

0

2

0

关注作者

收藏

wangjuju123

这正是布尔值的用武之地

用作布尔表达式（如用作if语句中的条件）时，下面的值都将被解释器视为假： False None 0 "" () [] {} 换而言之，标准值False和None、各种类型（包括浮点数、复数等）的数值0、空序列（如空字符串、空元组和空列表）以及空映射（如空字典）都被视为假，而其他各种值都被视为真①，包括特殊值True②。明白了吗？这意味着任何Python值都可解释为真值

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

Python里面怎么做标准化呀

所有中心倾向的度量都是同一单位。极差的单位也与此相同。但是，方差的单位是原数据单位的平方（即“平方朋友”）。然而，用方差很难给出直观的比较，所以我们更常使用标准差（standard deviation）：def standard_deviation(x):return math.sqrt(variance(x))standard_deviation(num_friends) # 9

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

怎么用Python计算方差

def de_mean(x):"""translate x by subtracting its mean (so the result has mean 0)"""x_bar = mean(x)return [x_i - x_bar for x_i in x]def variance(x):"""assumes x has at least two elements"""n = le

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

中位数的一个泛化概念是分位数（quantile），它表示少于数据中特定百分比的一个值。（中位数表示少于 50% 的数据的一个值。 )def quantile(x, p):"""returns the pth-percentile value in x"""p_index = int(p * len(x))return sorted(x)[p_index]quantile(num_fr

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

最近邻算法的选择

对于给定数据集，K近邻的最优算法选择（algorithm）取决于多个因素：样本数量N 和维度D：brute force 查询时间以O[DN]增长。ball tree 查询时间大约以O[Dlog(N)]增长。k-d tree 的查询时间变化是很难精确描述的，对于较小的D(小于20)的成本大约是O[Dlog(N)]，并且 k-d tree 更加有效。对于较大的D成本的增加接近O[DN]，由于

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

Python实现描述性统计-均值

常用的方法是使用均值（mean 或average），即用数据和除以数据个数：# 如果没有从__future__导入division，那就是不对的def mean(x):return sum(x) / len(x)mean(num_friends) # 7.333333如果你有两个数据点，均值就意味着两点的中间点。随着数据集中点数的增加，均值点会移动，但它始终取决于每个点的取值。我

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

怎么用Python画散点图

散点图是显示成对数据集的可视化关系的好选择。比如显示了你的用户们已有的朋友数和他们每天花在网站上的分钟数之间的关系：friends = [ 70, 65, 72, 63, 71, 64, 60, 64, 67]minutes = [175, 170, 205, 120, 220, 130, 105, 145, 190]labels = ['a', 'b', 'c', 'd', 'e', '

0.0000

0

4

0

关注作者

收藏

詹惠儿

贝叶斯及条件规则

条件概率顾名思义的条件概率在特定事件的发生概率在满足一个或多个条件时变化时发挥作用（这些条件再次是事件）。用技术术语来说，如果X和Y是两个事件，那么X wrt Y的条件概率用表示。因此，当我们以条件概率的方式进行讨论时，仅作为一个例子，我们做出一个声明，如“给定Y已经发生的事件X的概率”。如果X和Y是独立事件怎么办？根据独立事件的定义，事件X的发生不依赖于事件Y.因此，

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

sklearn的KNN最近邻算法中algorithm参数是啥

Nearest Neighbor Algorithms最近邻算法的选择可通过关键字‘algorithm’来控制，其参数有[‘auto’，‘brute’，‘kd_tree’，‘ball_tree’]，默认使用‘auto’时算法尝试从训练数据中确定最佳方法。Brute Forcebrute forse也称暴力计算，是最简单的近邻搜索的实现，即数据集中所有成对点之间距离的暴力计算，对于D维度中的

0.0000

0

6

0

关注作者

收藏

詹惠儿

基本概率规则和模型

概率提供有关事件发生可能性的信息。深入研究概率的术语：试验或实验：导致某种可能性结果的行为。样本空间：实验的所有可能结果的集合。事件：样本空间的非空子集称为事件。因此，在技术术语中，概率是衡量事件进行实验的可能性的指标。基本概率计算根据定义，如果A是实验的事件并且它包含n个结果而S是样本空间那么，因此，概率值介于0和1之间。由于样本空间是整个可

0.0000

0

4

0

关注作者

收藏

詹惠儿

深度学习与神经网络的区别

很多人不理解什么是深度学习？它与神经网络有何不同？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

0.0000

0

2

0

关注作者

收藏

詹惠儿

简述逻辑回归中的混淆矩阵

混淆矩阵混淆矩阵是通常用于评估分类模型的最重要的度量。混淆矩阵有些指标很容易弄混淆，最好结合实际例子去理解才能印象深刻。混淆矩阵的骨架如下所示：a如您所见，混淆矩阵通过以表格格式测量实际值和预测值来避免“混淆”。在上表中，Positive class = 1和Negative class = 0.以下是我们可以从混淆矩阵中得出的度量：准确性 - 它决定了模型的整体预测准确性。它

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何评估Logistic回归模型的拟合度和准确度？

在线性回归中，我们检查调整后的R²，F统计量，MAE和RMSE，以评估模型拟合度和准确度。但是，Logistic回归采用了所有不同的指标集。在这里，我们处理概率和分类值，以下是用于Logistic回归的评估指标：1. Akaike信息标准（AIC）您可以将AIC视为多元回归中调整后的r square的对应物。这是模型拟合的重要指标。它遵循以下规则：越小越好。 AIC惩罚模型中越来越多

0.0000

0

4

0

关注作者

收藏

詹惠儿

Logistic回归技术主要有哪些类型？

Logistic回归不仅限于解决二元分类问题。为了解决具有多个类的问题，我们可以使用Logistic回归的扩展，其包括多项Logistic回归和Ordinal Logistic回归。让我们来看一下他们的基本想法：1.多项Logistic回归：假设我们的目标变量有K = 4类。该技术通过拟合K-1独立二元逻辑分类器模型来处理多类问题。为此，它随机选择一个目标类作为参考类，并适合K-1回归

0.0000

0

2

0

关注作者

收藏

詹惠儿

简单介绍什么是Logistic回归？

很多时候，因变量不是正态分布的情况会出现; 即，违反了正常性的假设。例如，在因变量为二进制（男/女）时考虑问题。你还会使用多元回归吗？当然不是！直到1972年，人们才知道如何分析因变量中具有非正态误差分布的数据。然后，在1972年， John Nelder和Robert Wedderburn以广义线性模型的形式取得了突破。广义线性模型是线性模型框架的扩展，其中包括非正态的因变量。一

0.0000

0

2

0

关注作者

收藏

<1…489490491…531>

CDA考试动态

CDA报考指南