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

关于white异方差检验的问题

看econometrics in R里面异方差检验用的就是bptest()那么white异方差检验有啥函数没啊？当然有！bptest() 也可以检验white test的，Applied Econometrics with R 这本书里面提到的就是用bptest(fit, ~x1 x2 I(x1*x1) I(x2*x2) I(x1*x2))bptest是white test的一个一次

6.8974

1

1

0

关注作者

收藏

291294878

Office2016的安装进度在 90% 时挂起解决

你正在尝试安装 Office 365、Office 2016 或 Office 2013，安装在完成标记大约为 90% 时，变为无响应（挂起或冻结）。如果 Windows Installer 繁忙，则可能会发生此问题。如果 Windows 更新正在使用 Windows Installer，则 Office 安装必须等到使用 Windows Installer 完成更新进程。此外，如果 Wi

0.0000

0

4

0

关注作者

收藏

291294878

手动卸载 Office

开始手动步骤之前，确定 Office 安装类型，以便可选择正确的方式将其卸载：确定安装类型 1，打开 Office 应用程序，如 Outlook 或 Word。,2，转到“文件”>“帐户”或“Office 帐户”。3，如果出现“更新选项”项，则为即点即用安装。如果未显示该项，则为基于 MSI 的安装。步骤 1：删除 Windows Installer 程序包找到 Office 16

0.0000

0

3

0

关注作者

收藏

809669515

分层聚类涉及创建从上到下具有预定排序的聚类。例如，硬盘上的所有文件和文件夹都按层次结构进行组织。有两种类型的层次聚类，Divisive和Agglomerative。a分裂的方法在分裂或自上而下的聚类方法中，我们将所有观察分配给单个集群，然后将集群划分为两个最不相似的集群。最后，我们递归地对每个簇进行处理，直到每个观察有一个簇。有证据表明，在某些情况下，分裂算法比凝聚算法产生更准确的层次结

93.7428

1

2

0

关注作者

收藏

809669515

模型评估 - 回归

在构建了许多不同的回归模型之后，有很多标准可用于评估和比较它们。均方根误差RMSE是衡量回归模型错误率的常用公式。但是，它只能在以相同单位测量误差的模型之间进行比较。aa相对平方误差与RMSE不同，可以在不同单位测量误差的模型之间比较相对平方误差（RSE）。a平均绝对误差平均绝对误差（MAE）与原始数据具有相同的单位，并且只能在以相同单位测量误差的模型之间进行比较。它的大

0.0000

0

1

0

关注作者

收藏

809669515

什么是混淆模型？

混淆矩阵显示分类模型与数据中的实际结果（目标值）相比所做的正确和不正确预测的数量。矩阵是N×N，其中N是目标值（类）的数量。通常使用矩阵中的数据来评估这些模型的性能。下表显示了两个类（正面和负面）的2x2混淆矩阵。准确性：正确的预测总数的比例。阳性预测值或精确度：正确识别的阳性病例的比例。负面预测值：正确识别的负面案例的比例。敏感度或召回率：正确识别的实际阳性病例的比例。特异性

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

数据库SQL里的排序

按单个排序：select prod_namefrom Productsorder by prod_name;#在指定一条order by 子句时，应该保证他是select语句中最后一条子句。按多个列排序：#为了按多个列排序，简单指定列名，列名之间用逗号隔开即可select prod_id,prod_price,prod_namefrom Productsorder by prod_

0.0000

0

3

0

关注作者

收藏

809669515

支持向量机 - 分类（SVM）

支持向量机（SVM）通过找到最大化两个类之间的余量的超平面来执行分类。定义超平面的向量（个案）是支持向量。a算法定义最佳超平面：最大化边距针对非线性可分的问题扩展上述定义：对错误分类进行惩罚。将数据映射到高维空间，更容易使用线性决策表面进行分类：重新设计问题，以便将数据隐式映射到此空间。要定义最佳超平面，我们需要最大化边距（w）的宽度。aa我们通过使用二次规划求解以下

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R读取Excel文件

安装xlsx软件包可以在R控制台中使用以下命令来安装xlsx软件包。它可能会要求安装一些这个包所依赖的附加包。按照相同的命令与所需的包名来安装附加的包。install.packages("xlsx")验证并加载“xlsx”软件包使用以下命令来验证和加载xlsx包。参考以下代码 -# Verify the package is installed.any(grepl("xlsx",in

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

R语言使用技巧--与矩阵、数据框相关的处理函数

使用用 rowSums() 函数可以加载行资料，而 colSums() 函数可以加载列资料。> set.seed(123) > ice_cream colnames(ice_cream) rownames(ice_

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

R语言使用技巧--set.seed()函数

使用 set.seed() 函数，在同一個随机种子的设定之下，会出相同的随机输出，举例來說我们希望利用 rnorm() 函数生出 5 个符合正态分布的随机数，在沒有设定随机种子的情形之下，每次调用函数都会生成不同的 5 个随机数。> rnorm(5) [1] 1.2805549 -1.7272706 1.6901844 0.5038124 2.5283366> rnorm(5) [1] 0.5

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

关联规则算法是个啥

关联规则挖掘是数据挖掘中成果颇丰而且比较活跃的研究分支。采用关联模型比较典型的案例是“尿布与啤酒”的故事。在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，超市也因此发现了一个规律，在购买婴儿尿布的年轻父亲们中，有30%～40%的人同时要买一些啤酒。超市随后调整了货架的摆放，把尿布和啤酒放在一起，明显增加了销售额。同样的，我们还可以根据关联规则在商品销售方面做各种促销活动。除此以外，关联规

0.0000

0

4

0

关注作者

收藏

291294878

Office中被阻止的Silverlight控件解决

出于安全考虑新生成的 Microsoft Office 阻止激活的 Silverlight控件上。大多数用户都不会受到影响，但某些用户这可能导致下列问题之一：1.单击嵌入的 Flash 影片在 PowerPoint 幻灯片放映时，没有任何反应尽管这之前使用过。2.在 Excel 中的 power View 不起作用再（因为它使用 Silverlight）。您可能会看到错误消息，指出"激活失败

44.6950

1

0

0

关注作者

收藏

809669515

多元线性回归

多元线性回归（MLR）是一种用于模拟因变量（目标）与一个或多个自变量（预测变量）之间的线性关系的方法。 MLR基于普通最小二乘法（OLS），该模型拟合使得观察值和预测值的差的平方和最小化。 MLR模型基于若干假设（例如，误差通常以零均值和恒定方差分布）。如果满足假设，则回归估计器在其无偏，有效且一致的意义上是最优的。无偏意味着估计量的期望值等于参数的真值。有效意味着估计量的方差小于任

0.0000

0

4

0

关注作者

收藏

809669515

人工神经网络

人工中性网络（ANN）是基于生物神经网络（例如大脑）的系统。大脑有大约1000亿个神经元，通过电化学信号进行通信。神经元通过称为突触的连接点连接。每个神经元接收数千个与其他神经元的连接，不断接收输入信号到达细胞体。如果得到的信号总和超过某个阈值，则通过轴突发送响应。人工神经网络尝试重建生物神经网络的计算镜像，尽管它不具有可比性，因为神经元的数量和复杂性以及生物神经网络中使用的数量和复杂性是人工中

232.9437

1

1

0

关注作者

收藏

809669515

逻辑回归预测结果的概率只能有两个值（即二分法）。预测基于使用一个或多个预测变量（数值和分类）。线性回归不适合预测二元变量的值，原因有两个：线性回归将预测超出可接受范围的值（例如，预测0到1范围之外的概率）由于二分法实验对于每个实验只能具有两个可能值中的一个，因此残差将不会正常地分布在预测线附近。另一方面，逻辑回归产生逻辑曲线，其限制在0和1之间的值。逻辑回归类似于线性回归，但曲线是使用目

0.0000

0

3

0

关注作者

收藏

PGC123

pandas 读写MySQL数据

一、写入MySQL数据库import numpy as npimport pandas as pdimport pymysqlfrom sqlalchemy import create_engine#连接数据库的参数db_info = { 'user': 'root', 'password': 'emtf', 'h

44.6950

1

3

0

关注作者

收藏

wangjuju123

爬虫反爬虫的未来

与竞争对手和解之后，我们去拜访对方，大家坐在了一起。之前网上自称妹子的，一个个都是五大三粗的汉子，这让我们相当绝望。在场唯一的一个妹子还是我们自己带过去的（就是上面提到的实习生），感觉套路了这么久，最终还是被对方套路了。好在，吃的喝的都很好，大家玩的还是比较 high 的。后续就是和平年代啦，大家不打仗了，反爬虫的逻辑扔在那做个防御，然后就开放白名单允许对方爬取了。群里经常叫的就是：xxx

0.0000

0

4

0

关注作者

收藏

wangjuju123

爬虫反爬虫套路现状

那么一旦有发现对方数据造假怎么办？早期的时候，大家都是要抽查数据，通过数据来检测对方是否有造假，这个需要人工核对，成本非常高。可是那已经是洪荒时代的事情了。如果你们公司还在通过这种方式来检测，说明你们的技术还比较落伍。之前我们的竞争对手是这么干的：他们会抓取我们两次，一次是他们解密出来 key 之后，用正经方式来抓取，这次的结果定为 A。一次是不带 key，直接来抓，这次的结果定为 B。根

0.0000

0

4

0

关注作者

收藏

wangjuju123

爬虫反爬虫技术现状

为 Python 平反首先是爬虫，爬虫教程你到处都可以搜的到，大部分是 Python 写的。我曾经在一篇文章提到过：用 Python 写的爬虫是最薄弱的，因为天生并不适合破解反爬虫逻辑，因为反爬虫都是用 JavaScript 来处理。然而慢慢的，我发现这个理解有点问题（当然我如果说我当时是出于工作需要而有意黑 Python，你们信吗。。。）。Python 的确不适合写反爬虫逻辑，但是 Py

0.0000

0

1

0

关注作者

收藏

<1…503504505…531>

CDA考试动态

CDA报考指南