热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
宋俊花
scikit-learn 中 OneHotEncoder 参数之categorical_features
categorical_features = 'all'，这个参数指定了对哪些特征进行编码，默认对所有类别都进行编码。也可以自己指定选择哪些特征，通过索引或者 bool 值来指定，看下例：# -*- coding: utf-8 -*-from sklearn.preprocessing import OneHotEncoderenc = OneHotEncoder(categorical_f
43.6847
0
0
关注作者
收藏
你应该是一阵风丫
哑变量get_dummies 的参数用法
get_dummies 是利用pandas实现one hot encode的方式。get_dummies参数如下：pandas.get_dummies（data，prefix = None，prefix_sep =’_’，dummy_na = False，columns = None，sparse = False，drop_first = False，dtype = None ）data ： ar
79.1675
0
0
关注作者
收藏
wangxishi
用python拟合出每个客户的线性方程，主要想看斜率
如图，我有每个客户近6-近1的数据，想算出每个客户近6-近1数据的斜率，每个客户的斜率都要算出来，x 是近1到近6这6列的数据，y取1,2,3,4,5,6就可以，因为y代表月份，近1个月到近6个月的月份 代表y测试文件已传近6.xlsx
71.8775
42
0
关注作者
收藏
詹惠儿
编程小白如何入门python？
问：编程小白如何入门python？答：俗话说得好，“摩天大楼从地起”，学习任何编程语言都一定要把该语言的基础打牢，而怎么打地基呢？秘诀只有一条：多敲代码多敲代码多敲代码。学习前期建议找一本讲python基础的书或博客，把里面的例题跟着操作一遍，在基础打扎实后，可上一些比较出名的竞赛项目的网站如kaggle等，通过做项目去巩固知识。推荐书籍:《Python基础教程(第3版)》Magnus Lie H
43.6356
0
0
关注作者
收藏
詹惠儿
Numpy中的三角函数与逆三角函数运用举例？
首先定义一个角度数组：# 定义一个角度数组 theta
43.6356
0
0
关注作者
收藏
梁程晴
softmax函数
softmax函数，又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。下图展示了softmax的计算方法：下面为大家解释一下为什么softmax是这种形式。首先，我们知道概率有两个性质：1）预测的概率为非负数；2）各种预测结果概率之和等于1。softmax就是将在负无穷到正无穷上的预测结果按照这两步转换为概率的。1）将预测结果转化为非负数下
32.5949
0
0
关注作者
收藏
zhxiaol
测试
测试123213
0.0000
0
0
关注作者
收藏
liting李
MySQL报错3678
是因为修改了MySQL安装路径，数据库的默认删除语句是在C盘下的data文件夹下，需要找到安装路径把新建的那个数据库删掉然后在命令行中新建就不会出错。
32.4776
0
0
关注作者
收藏
s1223452840
对于AdaBoost的分类器中的参数该怎么调参才会被认为是最适合于用在AdaBoost中的分类器参数
DecisionTreeClassifier和DecisionTreeRegressor的参数基本类似，在scikit-learn决策树算法类库使用小结这篇文章中我们对这两个类的参数做了详细的解释。这里我们只拿出调参数时需要尤其注意的最重要几个的参数再拿出来说一遍：　　　　1) 划分时考虑的最大特征数max_features: 可以使用很多种类型的值，默认是"None",意味着划分时考虑所有的特征
32.5886
0
0
关注作者
收藏
gracejpw1117
pandas操作excel中各列内容：合并、拆列、去重、日期格式转换等
import pandas as pddf=pd.read_excel(r'D:\CDA\CDA_PGC\datas.xlsx',sheetname='Sheet1')df['日期']=df['日期'].dt.date #去掉‘时分秒’（从excel导入的日期数据默认00:00:00）df['合并列']=df['编号'].map(str)+','+df['日期'].map(str) #将panda
77.5233
0
0
关注作者
收藏
gracejpw1117
python筛选excel中各列内容均相同的数据中的日期格式处理
In [19]:import pandas as pddf=pd.read_excel(r'D:\CDA\CDA_PGC\datas.xlsx',sheetname='Sheet1')dfOut[19]:编号日期01232020-09-0911232020-09-0823452020-09-0933452020-09-0843452020-09-0951232020-09-09In [20]:df
30.9477
0
0
关注作者
收藏
bigdata~
线性SVM推导及求解
目标：找到分类间隔最大的超平面，优化对象，优化决策面两个约束条件：决策面能够把正负样本分开；分类的间隔（所有的样本点最小的间隔，最小的间隔最大化，点是支持向量上的点）第一个约束条件融合到一个不等式中，第二个条件推出w的平方最小求解过程： 1.引入拉格朗日函数，把约束条件融合进目标函数，把有约束条件的最优化问题转化为无约束条件的最优化问题 2.利用拉格朗日函数对偶（需要满足KKT条件） 3.
31.0354
0
0
关注作者
收藏
LXM21
mysql中的float(m,d)数据类型
问题：如果float（8,4），显示一般是1234.5678，但是如果实际写入数字是123，最终会显示成123.0000还是0123.0000？回答：123float(m,d)-m表示的是最大长度，d表示的显示的小数位数。1.小数位超过设定值，按四舍五入保存2.小数位如果都是0，则不保存小数位
34.2590
0
0
关注作者
收藏
詹惠儿
python报错：graphviz.backend.ExecutableNotFound: failed to execute ['dot', '-Tpng', '-O', 't est.gv']
问：python绘制决策树图时出现报错:graphviz.backend.ExecutableNotFound: failed to execute ['dot', '-Tpng', '-O', 't est.gv']答：python绘制决策树图除了需要安装graphviz包，还进行环境配置后才能调用，具体方法如下：找到 控制面板——》系统——》高级系统设置——》系统属性——》高级——》环境变量—
32.4776
0
0
关注作者
收藏
开花结果02
powerbi安装好以后，打开时报错
问题：powerbi安装好以后，启动报错：出了点问题 调用的目标出现了异常解答：解决方法：1、回到桌面，鼠标左击开始，点击运行；2、在运行输入框内输入regedit，按回车键打开注册表；3、在注册表中找到HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Lsa项；4、点击Lsa项，点击下方跳出的FipsAlgorithmPolicy项，右侧表内
32.4776
1
0
关注作者
收藏
开花结果02
如何激活office
问题：如何激活office解答：1.运行注册机软件2、点下图所示按钮3、运行完毕后检查excel是否激活成功，若未激活检查有没开防火墙或安全文件，并将该软件多运行几次。
32.4776
0
0
关注作者
收藏
梁程晴
在图像分类任务中，训练数据不足会带来什么问题？如何缓解数据量不足带来的问题？
图像分类任务上，训练数据不足带来的问题主要表现在过拟合方面，即模型在训练样本上的效果可能不错，但在测试集上的泛化效果不佳。处理方法大致也可以分两类，一是基于模型的方法，主要是采用降低过拟合风险的措施， 包括简化模型（如将非线性模型简化为线性模型）、添加约束项以缩小假设空间（如L1/L2正则项）、集成学习、Dropout超参数等；二是基于数据的方法，主要通过数据扩充（Data Augmentatio
31.0245
0
0
关注作者
收藏
梁程晴
为什么要降维以及常用的降维方法有?
降维的原因1、 解决维度灾难问题2、 减小运算量，减少数据存储空间3、 降低模型复杂度，降低过拟合风险4、 方便理解，方便可视化常用的降维方法PCA（无监督，让映射后的样本具有最大的发散性）LDA（有监督，让映射后的样本有最好的分类性能）
31.0245
0
0
关注作者
收藏
赵娜0418
安装surpris报CondaIOError:Missing write permissions in xxx的错误
安装surprise报错的处理方法报错信息：CondaIOError:Missing write permissions in:C:\ProgramData\Anaconda3解决方法：运行cmd的时候用管理员权限，或者直接修改这个C：\ProgrmData\Anaconda3文件夹的当前用户权限，勾选全部权限。
31.8846
0
0
关注作者
收藏
赵娜0418
浅拷贝、深拷贝与赋值
赋值（=），就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。浅拷贝：创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）{1,完全切片方法；2，工厂函数，如list()；3，copy模块的copy()函数}深拷贝：创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.
32.5166
0
0
关注作者
收藏
<1…104105106…404>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1