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

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

詹惠儿

阐述随机森林原理

先回顾一下决策树原理：1.给定数据框（nxp），树基于规则（if-else）对数据进行分层或分区。是的，一棵树创造了规则。这些规则将数据集划分为不同的和不重叠的区域。这些规则由变量对所得子节点（X2，X3）的均匀性或纯度的贡献来确定。2.变量X1导致子节点中的最高同质性，因此它成为根节点。根节点处的变量也被视为数据集中最重要的变量。3，但这种同质性或纯度如何确定？换句话说，树如何决

0.0000

0

2

0

关注作者

收藏

詹惠儿

阐述随机森林算法及定义

什么是随机森林算法？随机森林是一种基于树的算法，它涉及构建多个树（决策树），然后组合它们的输出以提高模型的泛化能力。组合树的方法称为集合方法。集合只不过是弱学习者（个体树）的组合，以产生强大的学习者。比如说，你想看电影。但你不确定它的评论。你问10个看过这部电影的人。其中8人说“这部电影很精彩”。由于大多数人都赞成，你决定观看这部电影。这也是我们在日常生活中使用合奏技巧的方式。

0.0000

0

0

0

关注作者

收藏

詹惠儿

决策树中要解决的问题（二）

选择属性的替代措施 ID3算法使用的信息增益公式将所有变量视为相同，无论其分布及其重要性如何。当涉及具有许多可能值的连续变量或离散变量时，这是一个问题，因为对于每个可能的值，训练示例可能很少且很远，这导致由于将数据分成小的子集而导致低熵和高信息增益但是导致决策树可能无法很好地概括。避免这种情况的一种方法是使用其他一些措施来找到最佳属性而不是信息增益。信息增益的另一种衡量方

0.0000

0

4

0

关注作者

收藏

詹惠儿

决策树中要解决的问题（一）

决策树虽然理解起来简单，操作也不难，但有3个一定要注意的问题。一. 避免过度拟合由于ID3算法继续拆分属性，直到它对所有数据点进行分类或者没有更多属性要进行拆分。结果，通过以相对于整个数据分布的准确性为代价在训练数据上执行得非常好，易于创建过度拟合的决策树。通常，有两种方法可以在决策树中避免这种情况： - 允许树生长直到它过度生长然后修剪它。 - 在完全分类训练数据之前，通过停止树来防止树

0.0000

0

1

0

关注作者

收藏

詹惠儿

决策树在机器学习和数据挖掘中的运用

决策树还可用于帮助构建自动预测模型，其在机器学习，数据挖掘和统计中具有应用。这种方法称为决策树学习，它考虑了有关项目的预测，以预测该项目的价值。在这些决策树中，节点代表数据而不是决策。这种类型的树也称为分类树。每个分支包含一组属性或分类规则，这些属性或分类规则与特定类标签相关联，该标签位于分支的末尾。这些规则也称为决策规则，可以用if-then子句表示，每个决策或数据值构成一个子句，例如

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何进行决策树的绘制？

要绘制决策树，首先选择一个媒介。您可以在纸上或白板上手工绘制，也可以使用特殊的决策树软件。在任何一种情况下，以下是要遵循的步骤：1. 从主要决定开始。绘制一个小方框来表示此点，然后从每个可能的解决方案或操作的框中向右绘制一条线。相应地标记它们。 a2. 添加机会和决策节点以展开树，如下所示：如果需要做出其他决定，请绘制另一个框。如果结果不确定，请绘制一个圆圈（圆圈代

0.0000

0

3

0

关注作者

收藏

wangjuju123

字典方法-update

方法update使用一个字典中的项来更新另一个字典。 >>> d = { ... 'title': 'Python Web Site', ... 'url': 'http://www.python.org',... 'changed': 'Mar 14 22:09:15 MET 2016' ... } >>> x = {'title': 'Python Language We

0.0000

0

4

0

关注作者

收藏

zxq997

抽样的多种组织形式

1.简单随机抽样（simple random sampling, srs）的定义是：任何样本数为n的样本组合中选的机率都是相等的。2.等距抽样（systematic sampling）也有人称它为系统抽样。是先把全体总数N除以样本数n，得到K，也就是每间隔K个抽一个，再用随机数表自1到K选一个随机数R，则R，R＋K，R＋2K，......，R＋（n－1）K等号码中选。3.分层随机抽样（stra

0.0000

0

6

0

关注作者

收藏

<1…489490491…530>

CDA考试动态

CDA报考指南