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

zxq997

构成时间数列的因素有哪些？

1、长期趋势（Secular Trends）由于某种根本原因的影响，客观现象在一个相当长的时间内所呈现出来的持续增加或持续减少的一种趋势和状态。例如：随着经济条件、医疗条件的发展，人口出生率有高于死亡率的趋势；随着劳动条件和手段的改善，劳动生产率有上升趋势等。2、季节趋势（Seasonal fluctuation）由于季节的转变而使时间数列发生周期性变化。这种周期性变化是以年为周期的可以预见

128.5712

1

4

0

关注作者

收藏

zxq997

什么是卡方分布？

定义：卡方统计量的抽样分布称为卡方分布，如果大小为n的所有可能的样本取自方差为σ2的正态分布总体，且对每一样本计算卡方统计量的特定值，则这些特定值将有一个称作卡方分布的连续概率分布（抽样分布）。卡方分布由一个特定的唯一的概率密度函数所定义，函数为：概率密度函数曲线如下，随着自由度的增加，曲线变成单峰的，且越来越对称。

0.0000

0

1

0

关注作者

收藏

PGC123

中括号里面加循环这是啥意思？

看网上代码的时候，像这种中括号里面出现循环啥意思？列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9,10]可以用list(range(1, 11))：但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循

0.0000

0

2

0

关注作者

收藏

PGC123

mysql如何设置数据库编码格式为UTF-8

1、修改MySql的配置文件MySql的配置文件在Windows下为my.ini，我电脑上的路径如下图所示，需要说明的一点ProgramData是系统文件夹，因此默认是隐藏的，如果找不到需要设置显示隐藏文件在Linux下的路径为 /etc/my.cnf 使用记事本打开配置文件，在 [mysqld] 标签下加上以下内容：default-character-set = utf8ch

0.0000

0

2

0

关注作者

收藏

zxq997

excel中千分号‰和万分号‱的使用。

相信很多人都能在Excel中找到千分号和万分号。单击【插入】-【符号】在打开的对话框中，【字体】选择Lucida Sans Unicode，【子集】选择广义标点，如下图所示：但是，这样插入的符号是不能用于计算的。如果需要参与计算，我们可以用Substitute函数来协助完成。Substitute函数用于将字符串中部分字符串以新字符串替换，语法如下：SUBSTITUTE(te

0.0000

0

2

0

关注作者

收藏

291294878

过拟合问题

为什么会产生过拟合，有哪些方法可以预防或克服过拟合？一般在机器学习中，将学习器在训练集上的误差称为训练误差或者经验误差，在新样本上的误差称为泛化误差。显然我们希望得到泛化误差小的学习器，但是我们事先并不知道新样本，因此实际上往往努力使经验误差最小化。然而，当学习器将训练样本学的太好的时候，往往可能把训练样本自身的特点当做了潜在样本具有的一般性质。这样就会导致泛化性能下降，称之为过拟合，相反

0.0000

0

5

0

关注作者

收藏

291294878

如何进行特征选择？

特征选择是一个重要的数据预处理过程，主要有两个原因，首先在现实任务中我们会遇到维数灾难的问题(样本密度非常稀疏)，若能从中选择一部分特征，那么这个问题能大大缓解，另外就是去除不相关特征会降低学习任务的难度，增加模型的泛化能力。冗余特征指该特征包含的信息可以从其他特征中推演出来，但是这并不代表该冗余特征一定没有作用，例如在欠拟合的情况下也可以用过加入冗余特征，增加简单模型的复杂度。在理论上如果没

0.0000

0

5

0

关注作者

收藏

291294878

SVM、LR、决策树的对比？

SVM既可以用于分类问题，也可以用于回归问题，并且可以通过核函数快速的计算，LR实现简单，训练速度非常快，但是模型较为简单，决策树容易过拟合，需要进行剪枝等。从优化函数上看，soft margin的SVM用的是hinge loss,而带L2正则化的LR对应的是cross entropy loss，另外adaboost对应的是exponential loss。所以LR对远点敏感，但是SVM对

0.0000

0

2

0

关注作者

收藏

291294878

SVM 的推导，特性？多分类怎么处理？

SVM是最大间隔分类器从线性可分情况下，原问题，特征转换后的dual问题，引入kernel(线性kernel,多项式，高斯),最后是soft margin。线性：简单，速度快，但是需要线性可分多项式：比线性核拟合程度更强，知道具体的维度，但是高次容易出现数值不稳定，参数选择比较多。高斯：拟合能力最强，但是要注意过拟合问题。不过只有一个参数需要调整。多分类问题，一般将二分类推广到多分类

0.0000

0

3

0

关注作者

收藏

wangjuju123

python错误解析（六）

代码如下:class Super: def method(self): print "Super's method" class Sub(Super): def method(self): print "Sub's method" Super.method() print "Over

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（五）

代码如下:bad = 'bad' try: raise bad except bad: print 'Got Bad!' 错误: Traceback (most recent call last): File "D:\Learn\Python\Learn.py", line 4, in raise bad

0.0000

0

5

0

关注作者

收藏

291294878

HDFS读写数据的过程有哪些？

读：1、跟namenode通信查询元数据，找到文件块所在的datanode服务器2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件写：1、根namenode通信请求上传文件，namenode检

0.0000

0

0

0

关注作者

收藏

wangjuju123

python错误解析（三）

代码如下:>>> seq = [1, 2, 3, 4] >>> sep = ' ' >>> sep.join(seq) Traceback (most recent call last): File "", line 1, in sep.join(seq) TypeError: sequence item 0:

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（二）

代码如下:>>> from math import sqrt >>> exec "sqrt = 1" >>> sqrt(4) Traceback (most recent call last): File "", line 1, in sqrt(4) TypeError: 'int' object is not

0.0000

0

1

0

关注作者

收藏

wangjuju123

python错误解析（一）

>>> D1 = {'x':1, 'y':2} >>> D1['x'] 1 >>> D1['z'] Traceback (most recent call last): File "", line 1, in D1['z'] KeyError: 'z' 【错误分析】这是Python中字典键错误的提示，如

0.0000

0

4

0

关注作者

收藏

809669515

使用python创建RFM模型

RFM是客户分析及衡量客户价值的重要模型之一，其中的R表示最近一次消费(Recency)，F表示消费频率(Frequency)，M表示消费金额(Monetary)。依据这三个指标RFM可以将客户动态分组，并进一步指导客户运营的下一步工作。本篇文章使用python的聚类算法创建一个粗糙的RFM模型。 1. 开始前的准备工作首先是开始前的准备工作，这里除了常用的numpy和pandas以外，

96.2725

3

1

0

关注作者

收藏

809669515

RFM模型分析

会员的价值体现在持续不断的为企业带来稳定的销售和利润，同时也为企业策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员，并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾购买，有较高的价格忍耐度，愿意支付更高的价格，也愿意向其他人推荐，对品牌满意度较高等。会员忠诚度高不一定会员价值就高，还得看他的实际消费金额，也就是消费力。忠诚度高、消费力强的顾客才是企业最优质的会员顾

0.0000

0

2

0

关注作者

收藏

809669515

划分训练集、测试集的三种方法

一、为什么要分开训练集与测试集在机器学习中，我们是依靠对学习器的泛化误差进行评估的方法来选择学习器。具体方法如下：我们需要从训练集数据中产出学习器，再用测试集来测试所得学习器对新样本的判别能力，以测试集上的测试误差作为泛化误差的近似，来选取学习器。通常我们假设训练集、测试集都是从样本集中独立同分布采样得到，且测试集、训练集中的样本应该尽可能互斥（测试集中的样本尽量不在训练集中有出现、尽量不

0.0000

0

1

0

关注作者

收藏

wangjuju123

常见的聚类算法

1. K-Means(K均值)聚类算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可

57.9135

1

1

0

关注作者

收藏

809669515

机器学习中训练集，验证集，测试集比例配比

当数据量比较小时，可以使用 7 ：3 训练数据和测试数据(西瓜书中描述常见的做法是将大约 2/3 ~ 4/5 的样本数据用于训练，剩余样本用于测试）或者 6： 2 : 2 训练数据，验证数据和测试数据当数据量非常大时，可以使用 98 : 1 : 1 训练数据，验证数据和测试数据传统机器学习阶段（数据集在万这个数量级），一般分配比例为6：2：2而大数据时代，这个比例就不太适用

57.9135

1

0

0

关注作者

收藏

<1…517518519…531>

CDA考试动态

CDA报考指南