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

fuli2020

数据预处理和特征工程

数据预处理数据无量纲化在机器学习算法实践中，我们往往有着将不同规格的数据转换到同一规格，或不同分布的数据转换到某个特定分布的需求，这种需求统称为将数据“无量纲化”。比如梯度和矩阵为核心的算法中，对于逻辑回归，支持向量机，神经网络等，无量纲化可以加快求解速度；而在距离类模型，比如K近邻，K-Means聚类中，无量纲化可以帮我们提升模型精度，避免某一个取值范围特别大的特征对距离计算造成影响。一个特例是

97.3387

3

0

0

关注作者

收藏

LXM21

决策树生成算法总结

决策树生成算法总结：1. ID3算法：多叉树。只能处理分类型变量算法迭代的结束条件：- 当特征用完了，并且特征不能够重复使用- 样本用完了- 每个叶子节点都达到了最纯的状态2. C4.5：多叉树。可能处理连续型变量。特征选择：信息增益比。由于连续型变量会基于某个阈值被划分为二分类，所以连续型变量是可以重复使用的特征，但是分类型特征仍然不能被重复使用。

30.8257

4

0

0

关注作者

收藏

读童话的狼

Kaggle是什么？

Kaggle 是一个流行的数据科学竞赛平台。由 Goldbloom 和 Ben Hamner 创建于 2010 年（官网地址：Your Home for Data Science）。在这个平台上，企业和研究者可在其上发布数据和问题，并提供奖金给能解决问题的人。多个数据分析相关的能人志士在其上进行竞赛以产生最好的模型来解决问题。进而使数据科学成为一场运动。这就好比，金庸小说里的华山论剑，吸引了江湖各

35.0672

3

0

0

关注作者

收藏

liting李

安装 Tableau Desktop 时 MSI 软件包出现“0x80070652”故障错误

问题尝试安装 Tableau Desktop 时，安装会开始并随即退出，并且屏幕上或 Desktop 日志中可能会出现以下错误之一：Error 0x80070652: Failed to install MSI package.（错误 0x80070652：未能安装 MSI 软件包。）或者Error 0x80070652: Failed to execute MSI package.（错误 0x

62.1749

2

0

0

关注作者

收藏

liting李

安装 Tableau Desktop 时出现“0x80070109”错误

解决方案选项 1使用管理员权限运行 Tableau 安装程序：右键单击 Tableau Desktop .exe 文件选择“以管理员身份运行”按照提示操作以完成安装选项 2与 IT 团队合作，确保 Microsoft Certificate Authority 2011 证书位于您的计算机的“受信任的根证书颁发机构”存储区中。例如：通过转到 http://go.microsoft.com/fwli

32.2574

1

0

0

关注作者

收藏

132****7268

**K-means 的基本思想：**通过迭代寻找 k 个聚类的一种划分方案，使得用这 k 个聚类的均值来代表相应各类样本时所得的总体误差最小。K-means 算法的基础是最小误差平方和准则。**K-means 聚类步骤：**Step1: 随机选择 k 个质心(即 k 个类)；Step2: 计算每一个点到这些质心的距离，然后决定每个点所属的类；Step3: 对于每个类，重新确定该类的质心Step4:

32.2574

1

0

0

关注作者

收藏

CDA持证人阿涛哥

学习Python函数时常见的报错类型

问题:学习Python函数时常见的报错类型有哪些?答案下面我们总结一些我们学习函数时常见的报错类型:# 缺少英文括号后的英文冒号def func1() print('Hello World')# 报错：SyntaxError: bad input on line 1# （语法错误：第 1 行输入有问题）1,SyntaxError 的意思是“语法错误”，而冒号后面的是语法错误的细节。这个例子中的具

33.5795

3

1

0

关注作者

收藏

s1223452840

解决matplotlib中文乱码问题?

永久解决方法首先将windwos中fonts目录下的simhei.ttf拷贝到/usr/share/matplotlib/mpl-data/fonts/ttf目录中修改配置文件去除这三列之前的‘#’在font.sans-serif后添加，SimHei```#font.family : sans-serif #font.sans-serif : SimHei,

34.9469

2

0

0

关注作者

收藏

shauna570392

sql连接不上，在哪里能找到连接的参数？

在mysql workbench界面可以看到root是用户名localhost是本机的地址3306是端口号

32.2574

1

0

0

关注作者

收藏

shauna570392

append添加的元素，能指定添加的位置吗？

不能，只能在列表末尾添加新的对象。append()方法语法：list.append(obj)如果想指定添加的位置，可以使用insert方法insert()方法语法：list.insert(index, obj)参数index -- 对象 obj 需要插入的索引位置。obj -- 要插入列表中的对象。举例：x=[1,2,3] #定义一个列表x.insert(3,4) #在列

32.2574

1

0

0

关注作者

收藏

ermutuxia

excel中如何根据特定条件，统计满足某个条件的单元格个数？如何挑出一列中大于某一个数的单元格个数？excel统计大于某数的个数

比如我们一列数据，我们想统计a1:a12其中大于3的单元格个数，然后将这个数字放到b1中。解答：我们需要用到countif函数在b1中写入如下公式：=countif(A1:A12,">3")

5.6202

4

4

0

关注作者

收藏

永洪科技

收获高回报，永洪BI如何助力汽车金融企业构建品牌力？

随着人们生活水平和消费水平的提高、互联网的发展，加上新能源汽车产业的崛起，互联网汽车金融行业步入了快速增长阶段，未来将有更多的互联网平台入局。基于某咨询机构分析数据显示，预计在2020年，中国互联网汽车金融市场规模将达到5600亿元。此外，八成计划购车网民有使用互联网汽车金融产品的意愿。仅有54.3%的用户对互联网汽车金融产品表示信任，存在隐性收费、审核及放款效率低是潜在用户最顾虑的因素。在汽车金

40.3311

3

0

0

关注作者

收藏

读童话的狼

MySQL面试题：查询每个日期的胜负次数

record表结构如下:请用SQL实现以下结果create table record(time0 datetime,shengfu varchar(10));insert into record(time0,shengfu)values('2015-01-12 00:00:00.000','胜'),('2016-12-09 00:00:00.000','负'),('2013-05-22 00:00

42.9290

5

0

0

关注作者

收藏

CDA持证人阿涛哥

用质能方程编写一个计算物体所拥有能量的函数

问题:爱因斯坦在 1905 年提出了质能方程，即 E = mc²（E 表示能量/焦耳、m 表示质量/千克、c 表示光速/米每秒）。接下来我们使用质能方程编写一个计算物体所拥有能量的函数。要求：将名为 calc_energy 的函数补全；函数参数 m 表示物体质量；打印出质量为 2 千克和 3 千克的物体所拥有能量。提示：光速近似为 300000000 m/s。答案def calc_energy(m

39.8934

2

1

0

关注作者

收藏

詹惠儿

K均值算法的调优一般可以从哪几个角度出发？

问：K均值算法的调优一般可以从哪几个角度出发？答：1) 对于离群点和孤立点敏感：数据归一化和离群点处理。2) k值优化：手肘法，轮廓系数法选择3) 初始聚类中心的选择：多次选择4) 大数据集mini-batch-kmeans

40.0166

2

0

0

关注作者

收藏

詹惠儿

kmeans模型的具体步骤是怎么样的？

问：kmeans模型的具体步骤是怎么样的？答：1）从N个数据对象中挑选出k个初始质心2）计算N个数据对象距离不同质心的距离，并将N个数据对象划分到与之距离最小的质心，形成新的k个聚类3）重新计算步骤2中获取新的k个聚类的质心，计算方法为求取聚类中所有数据对象的均值4）重复2-3步骤，直到每个聚类的数据成员不再发生变化

39.8697

2

0

0

关注作者

收藏

詹惠儿

常用的过拟合解决方法有哪些？

问：常用的过拟合解决方法有哪些？答：过拟合解决方法：（1）增大数据集（2）减少数据特征（降维，特征选择）（3）交叉验证（4）正则化（L1和L2）（5）降低模型复杂度（如对决策树剪枝等）（6）集成学习方法

39.8657

1

0

0

关注作者

收藏

詹惠儿

众数，中位数，平均数分别在什么场景下使用？

问：众数，中位数，平均数分别在什么场景下使用来描述数据的集中程度？答：众数是一组数据分布的峰值，不受极端值的影响。其缺点是具有不唯一性，一组数据可能有一个众数，也可能有两个或多个众数，也可能没有众数。众数只有在数据量较多时才有意义，当数据量较少时，不宜使用众数。众数主要适合作为分类数据的集中趋势测度值。中位数是一组数据中间位置上的代表值，不受数据极端值的影响。当一组数据的分布偏斜程度较大时，使用中

39.8657

1

0

0

关注作者

收藏

宋俊花

逻辑回归为什么要对特征进行离散化

在工业界，很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点：0. 离散特征的增加和减少都很容易，易于模型的快速迭代；1. 稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展；2. 离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是1，否则0。如果特征没有离散化，一个异常数据“年龄300岁”会给模型造成很大

40.3583

2

0

0

关注作者

收藏

zengweiak47

竞争:抄作业1.客户画像1.1 归纳指标-->作图分析/打分常见指标:RFM:最近,频率,金额-->作图,分象限描述-->打分1.2聚类-->分群:最重要的是解释每一个簇的描述(依据簇中心) 方法:kmeans,凝聚层次聚类,DBSCAN(密度聚类) 苹果指标:轮廓系数,为什么评估:选方法,选簇个数注意的点:相异度指标-->欧氏距离:1.量纲(标准化),2.维度(列的个数,不

44.5507

2

0

0

关注作者

收藏

<1…107108109…404>

CDA考试动态

CDA报考指南