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

wangjuju123

忘记数据库密码怎么办？？

一、问题描述很多用户在安装mysql数据库时会忽略一个初使密码的弹窗或者设置了后面许久不用会忘记，从而在后面使用时需要密码又不记得时大部分人会选择重装。这里有一个不需要重装就可以重置密码的方法。二、方法描述在windows中 1、以系统管理员身份运行cmd 2、停止mysqlnet stop mysql.3、切换到MySQL安装路径下：D:\WAMP\MySQL-5.6.36\bin

57.9135

1

1

0

关注作者

收藏

kejiayuan0806

MySQL限制查询LIMIT的使用

LIMIT 子句可以被用于强制 SELECT 语句返回指定的记录数。语法：SELECT columns FROM table LIMIT [offset,] rows | rows OFFSET offset;LIMIT 接受一个或两个数字参数。参数必须是一个整数常量。1、第一个参数指定第一个返回记录行的偏移量2、第二个参数指定返回记录行的最大数目3、如果只给定一个参数，表示返回最大的

57.9135

1

2

0

关注作者

收藏

kejiayuan0806

MySQL中UNION联合查询

UNION联合查询要求1、由两条或两条以上SELECT语句组成，语句之间用UNION操作符分隔。2、每条SELECT语句必须包含相同的字段、表达式或聚集函数,各个字段不需要以相同的次序列出。3、字段的数据类型必须兼容：类型不必完全相同，但必须是DBMS可以隐含转换的类型，如不同的数值类型或不同的日期类型。 UNION操作符合并的结果集不会允许重复值，如果需要保留重复值，可以使用UNIO

57.9135

1

4

0

关注作者

收藏

kejiayuan0806

如何处理分类中的训练数据集不均衡问题

什么是数据不均衡？在分类中，训练数据不均衡是指不同类别下的样本数目相差巨大。举两个例子：①在一个二分类问题中，训练集中class 1的样本数比上class 2的样本数的比值为60:1。使用逻辑回归进行分类，最后结果是其忽略了class 2，将所有的训练样本都分类为class 1。②在三分类问题中，三个类别分别为A，B，C，训练集中A类的样本占70%，B类的样本占25%，C类的样本占5%。最

0.0000

0

2

0

关注作者

收藏

291294878

spark集群运算的模式？

Spark 有很多种模式，最简单就是单机本地模式，还有单机伪分布式模式，复杂的则运行在集群中，目前能很好的运行在 Yarn和 Mesos 中，当然 Spark 还有自带的 Standalone 模式，对于大多数情况 Standalone 模式就足够了，如果企业已经有 Yarn 或者 Mesos 环境，也是很方便部署的。standalone(集群模式)：典型的Mater/slave模式，不过也能

0.0000

0

6

0

关注作者

收藏

291294878

大数据解决方案的关键步骤是什么？

提取数据，存储数据（即数据建模）和处理数据（即数据加工，数据转换和查询数据）。　　提取数据　从各种来源提取数据，例如： RDBM（Relational Database Management Systems）关系数据库管理系统，如Oracle，MySQL等。ERPs（Enterprise Resource Planning）企业资源规划（即ERP）系统，如SAP。CRM（Customer

0.0000

0

2

0

关注作者

收藏

291294878

什么是Hadoop？

Hadoop是一个开源软件框架，用于存储大量数据，并发处理/查询在具有多个商用硬件（即低成本硬件）节点的集群上的那些数据。总之，Hadoop包括以下内容：　　HDFS（Hadoop Distributed File System，Hadoop分布式文件系统）：HDFS允许你以一种分布式和冗余的方式存储大量数据。例如，1 GB（即1024 MB）文本文件可以拆分为16 * 128MB文件，并存储在

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

R中randomforest变种列表

randomForest 原创者 Leo Breiman原创性论文集，及R中randomForest变种列表很多人，用完randomForest ,觉得它很多不可思议的地方，因此想着改善。但是，没有成功的，大量所谓改善的"randomforest"变种，至今没有一个能超越Leo Breiman 原创！！！要用好randomForest ，请读读Leo Breiman的原创性论文，任

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

很详细的饼图/扇形图学习技术贴，R来实现

pie(x, labels = names(x), edges = 200, radius = 0.8, clockwise = FALSE, init.angle = if(clockwise) 90 else 0, density = NULL, angle = 45, col = NULL, border = NULL, lty = NULL, main = NULL, .

0.0000

0

1

0

关注作者

收藏

PGC123

安装graphviz配置环境变量失败

在环境变量path里加入：C:\Program Files (x86)\Graphviz2.38\bin;失败。常见原因有两个：1、路径中包含了特殊字符导致了环境变量全部（或部分）失效，测试方法使用命令 echo %path%来查看一下在环境变量中配置的path有哪些生效（只要输出的部分就是生效的部分）。2、如果路径保存不了有可能是因为系统安全软件阻止了此次修改，解决方法：关掉所有杀毒软件，再

0.0000

0

3

0

关注作者

收藏

291294878

分类任务解决流程有哪些（分类算法）？

1. 任务：以新闻分类为例2. 特征表示：X={昨日，是，国内，投资，市场……}3. 特征选择：X={国内，投资，市场……}4. 模型选择：朴素贝叶斯分类器 • P(X)：待分类对象自身的概率，可忽略• P(yi)：每个类别的先验概率，如P(军事)• P(X|yi)：每个类别产生该对象的概率• P(xi|yi)：每个类别产生该特征的概率，如P(苹果|科技) 5. 训练数据准备

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

主成分分析和因子分析区别与联系

主成分分析（Principal components analysis，PCA）基本原理：利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分)，即每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，使得主成分比原始变量具有某些更优越的性能（主成分必须保留原始变量90%以上的信息），从而达到简化系统结构，抓住问题实质的目的。因子分析（Factor

761.1603

13

3

0

关注作者

收藏

291294878

聚类算法基础知识有哪些？

1. 层次聚类 vs 非层次聚类– 不同类之间有无包含关系2. 硬聚类 vs 软聚类– 硬聚类：每个对象只属于一个类– 软聚类：每个对象以某个概率属于每个类3. 用向量表示对象– 每个对象用一个向量表示，可以视为高维空间的一个点– 所有对象形成数据空间（矩阵）– 相似度计算：Cosine、点积、质心距离4. 用矩阵列出对象之间的距离、相似度 5. 用字典保存上述矩阵（节省空

0.0000

0

2

0

关注作者

收藏

291294878

spark的七个参数分别是什么？

• num-executors：该作业总共需要多少executor进程执行建议：每个作业运行一般设置5-~100个左右较合适 • executor-memory：设置每个executor进程的内存， num-executors* executor-memory代表作业申请的总内存量（尽量不要超过最大总内存的1/3~1/2）建议：设置4G~8G较合适

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R来画条形图，真的很easy！

barpot：适用于数据表格化后的情形。barplot(height, width = 1, space = NULL, names.arg = NULL, legend.text = NULL, beside = FALSE, horiz = FALSE, density = NULL, angle = 45, col = NULL, border =

0.0000

0

0

0

关注作者

收藏

kejiayuan0806

变量筛选方法

当所研究的问题涉及较多的自变量时，我们很难想象事先选定的全部自变量对因变量的影响都有显著性意义；也不敢保证全部自变量之间是相互独立的。换句话说，在建立多元线性回归方程时，需要根据各自变量对因变量的贡献大小进行变量筛选，剔除那些贡献小和与其他自变量有密切关系的自变量、发现那些对回归方程有很坏影响的观测点（这些都是回归诊断的重要内容），从而求出精练的、稳定的回归方程。1、向前选择法(FORWARD)

0.0000

0

3

0

关注作者

收藏

291294878

如何理解spark核心-RDD？

Spark核心—RDD( Resilient Distributed Dataset 弹性分布式数据集模型)1.四个特征 – RDD使用户能够显式将计算结果保存在内存中，控制数据的划分 – 记录数据的变换和描述，而不是数据本身，以保证容错 – 懒操作，延迟计算，action的时候才操作 – 瞬时性，用时才产生，用完就释放2.四种构建方法 – 从共享文件

0.0000

0

6

0

关注作者

收藏

kejiayuan0806

相关分析的常用方法

相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间，但可以是此范围内的任何值。正相关时，r值在0和1之间，散点图是斜向上的，这时一个变量增加，另一个变量也增加；负相关时，r值在-1和0之间，散点图是斜向下的，此时一个变量增加，另一个变量将减少。r的绝对值越接近1，两变量的关联程度越强，r的绝对值越

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

怎么用R来画箱线图，这几个步骤就行了

箱线图函数：boxplot(x, ...)## S3 method for class 'formula'boxplot(formula, data = NULL, ..., subset, na.action = NULL)## Default S3 method:boxplot(x, ..., range = 1.5, width = NULL, varwidth = FALSE,

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

关于季节性Arima分析的问题

1）之前在网上查看关于时间序列分析的文章，在分析之前首先需要去掉非平稳的部分。这个非平稳的部分，包含趋势和季节性。那这样的话，季节性是不是就是没有研究价值的部分？ 2）是不是对本身就有季节性变化的数据，才能在预测时，在R的forecast函数部分指定关于季节性的参数？对本身就没有季节性变化的数据，在做预测时，就不能在R的forecast函数部分指定关于季节性的参数？ 3）R的auto.

0.0000

0

5

0

关注作者

收藏

<1…518519520…531>

CDA考试动态

CDA报考指南